arXiv cs.CL· Mingchen Li, Zifan Peng, Kewei Sha, Lavinia F Pieptea, Heng Fan, Junhua Ding, Meikang Qiu, Yunhe Feng·· 11 小时前AI 评分29
Profile-DP：面向个性化 LLM 推理中用户可控档案发布的差分隐私框架
Profile-DP: Differential Privacy for User-Controlled Profile Release in Personalized LLM Inference
AI 导读
Profile-DP 是一个策略感知的本地差分隐私框架，专门用于个性化 LLM 推理中的用户档案发布，可在将公开指令、档案 schema 和已授权事实视为公开侧信息的前提下，对用户未公开事实的释放提供可证明的隐私上界。
正文 · AI 翻译
摘要：个性化大语言模型（LLM）日益依赖以用户画像为条件的推理，将公开请求与丰富的用户特定事实配对。这一范式暴露了用户画像本身，以及用户明确的分享偏好。我们提出 Profile-DP，一个策略感知的本地差分隐私框架，专为个性化 LLM 推理中的用户画像发布而设计。Profile-DP 可证明地限制用户保留事实的发布，同时将公开指令、画像模式和授权事实视为公开辅助信息。通过生成在答案生成之前与公开指令组合的隐私化画像，我们的框架将形式化隐私保证与下游模型行为解耦。我们开发了两种满足 Profile-DP 的有限域机制：DP-SLOT 独立扰动受保护属性，而 DP-BLOCK 使用公开语义决策来协调其发布并联合采样相关属性。一个正向的公开兼容性先验连接这些属性，同时保持画像级隐私界限。在 PEEP 上，DP-BLOCK 在所有 13 个结构化预算下于 DP 方法中领先效用综合指标，并在我们的综合加权下于 26 个格式—预算设置中的 18 个最接近理想隐私—效用点。直接测量揭示了互补优势：DP-BLOCK 披露更少，而 DP-SLOT 保留更多授权事实。这些结果使策略感知的画像发布成为研究隐私与个性化的实用基础。
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.27213 [cs.CR] |
| （或 arXiv:2610.27213v1 [cs.CR] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.27213 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mingchen Li [查看邮箱]
[v1]
2026年10月19日星期一 19:44:02 UTC（370 KB）
来源：arXiv cs.CL · arxiv.org