arXiv cs.AI· Jonghyun Chung, Sanket Badhe·· 3 天前AI 评分23
面向 OS 集成 AI 的特征边界审计方法：超越局部性
Beyond Locality: Feature-Boundary Auditing for OS-Integrated AI
AI 导读
研究提出一种面向 OS 集成 AI 的特征边界审计方法，结合六类隐私失效面分类、五维控制评分表与相邻数据及权限路径记录，并依据公开文档对 Apple Foundation Models、Apple Private Cloud Compute、Android AICore/Gemini Nano 和 Microsoft Recall 进行分析。
正文 · AI 翻译
摘要：端侧推理减少了对远程基础设施的暴露，但对于一个聚合跨应用数据、保留派生状态或委托操作的操作系统助手而言，它并不能确立隐私。我们提出一种针对操作系统集成 AI 的功能边界审计方法。它结合了六种隐私失效面的分类法、带有独立证据等级的五维控制评分表，以及相邻数据与权限路径的明确记录。我们使用主要公开文档将该方法应用于 Apple Foundation Models、Apple Private Cloud Compute、Android AICore/Gemini Nano 和 Microsoft Recall。该分析区分了请求隔离与上下文约束、保留状态控制与非保留，以及证明与任务适当的披露。对两份 20 项评估记录的形成性比较识别出通知、保留、路径所有权和问责方面的模糊之处。这些来源关联的记录识别出受支持的控制和未解决的依赖；我们还指定了一个最小化事件记录和发布比较，用于机群安全分类和限定范围的取证审查。
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2606.10173 [cs.CR] |
| （或 arXiv:2606.10173v2 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.10173 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Jonghyun Chung [查看电子邮件]
[v1]
2026年6月8日星期一 21:07:11 UTC（27 KB）
[v2]
2026年10月12日星期一 01:31:00 UTC（27 KB）
来源：arXiv cs.AI · arxiv.org