研究者提出隐私保护LLM智能体审计框架SealCall
热点事件持续更新
研究者提出隐私保护LLM智能体审计框架SealCall
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
研究者提出一种面向LLM智能体的隐私保护安全审计范式，将委托的审计计算与明文访问、执行权限分离，并实现为SealCall框架。该框架结合学习式审计表示、基于CKKS的加密相似度计算，以及与受审工具调用绑定的执行控制。 作者报告，在1,252个公开二元候选样本上，SealCall在分组嵌套评估下平均F1为0.840，所有测量案例均保留明文审计决策；代表性配置单次加密评分耗时0.176秒。
AI 根据报道生成 · 4 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · cs.AI让安全审计不再泄露隐私：面向 大语言模型（LLM，Large Language Model） 智能体的隐私保护审计范式与 SealCall 框架
研究者提出一种隐私保护的安全审计范式，把审计计算与明文访问、执行权限分离，并落地为 SealCall 框架，结合学习式审计表示、基于 CKKS 的加密相似度计算和与受审工具调用绑定的执行控制。在 1,252 个公开二元候选样本上，SealCall 在分组嵌套评估下平均 F1 达 0.840，所有测量案例均保留明文审计决策，单次加密评分耗时 0.176 秒。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。