DualTAP：面向移动 MLLM Agent 的双任务对抗防护器

研究者提出移动 MLLM Agent 隐私防护框架 DualTAP，在降低截图隐私泄露的同时保持 Agent 的任务成功率。移动 GUI Agent 依赖 MLLM 时，常把含个人身份信息（PII）的截图发给不受信任的第三方路由，路由可用自己的 MLLM 挖掘这些数据。DualTAP 训练一个轻量生成器处理截图，用对比注意力模块精确定位 PII 敏感区域，并以双任务对抗目标同时最小化任务保持损失与隐私干扰损失；研究团队还发布了标注移动截图的 PrivScreen 数据集用于双任务评测。在六个 MLLM（含 GPT-5）上的实验显示，DualTAP 将平均隐私泄露率降低 31.6 个百分点（相对提升 3.0 倍），任务成功率为 80.8%，较未防护基线的 83.6% 仅小幅下降；作者称这是移动 MLLM Agent 隐私与效用权衡的首个可行方案。