研究提出 PrivacyFlow 框架与智能体隐私基准

Robin Staab、Tom Wollschläger、Vahab Mirrokni 和 Reza Shokri 提出 AI 智能体隐私防护框架 PrivacyFlow，以及用于评估隐私泄露的 agentic PrivacyBench，旨在降低智能体执行多步个人数据任务时的隐私风险。 agentic PrivacyBench 包含 5873 个任务、986 个任务序列，纳入动态环境更新，并依据情境完整性原则设定敏感信息允许集合。PrivacyFlow 将隐私规划与任务执行分离，把每次信息共享视为风险管理决策。在六种模型上的测试中，该框架使无检测到隐私违规的已完成任务序列比例提高 22 至 55 个百分点；不确定时主动询问用户还能提高获授权任务的完成率，但会增加用户的决策负担。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。