arXiv · cs.AI · Robin Staab, Tom Wollschl\"ager, Vahab Mirrokni, Reza Shokri · 9 小时前模型评分51
PrivacyFlow 提出智能体隐私防护方法并发布 agentic PrivacyBench 基准
PrivacyFlow: Privacy in AI Agents through Information Flow Analysis and Consequence-Aware Risk Management
导读
作者提出 PrivacyFlow 防护方法，把隐私规划与任务执行分开，在执行前追踪每条数据流的来源与用途、模拟接收方背景知识和外部可推断的信息，再权衡披露风险与任务效用，决定执行、阻止或询问用户。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “In this work, we first introduce agentic PrivacyBench, a benchmark of 5873 tasks in 986 task sequences with dynamic environment updates and CI-grounded allow-sets for sensitive information.”
来源：arXiv · cs.AI · arxiv.org