arXiv cs.CL· Mohamed Shaaban, Mohamed Elmahallawy, Thomas E. Carroll·· 11 小时前AI 评分39
Veil-then-Reveal：零信任用户–LLM 交互中的可逆伪匿名化 PII 保护框架
Veil-Then-Reveal: Protecting PII Privacy via Reversible Pseudo-Anonymization in Zero-Trust User--LLM Interaction
AI 导读
Veil-then-Reveal（VtR）是一个用户侧 PII 伪匿名化框架，在零信任威胁模型下只向远程 LLM 提供商发送伪匿名化提示词，明文 PII 始终留在用户设备上。
正文 · AI 翻译
摘要：大型语言模型（LLM）越来越多地处理敏感文档和个人信息，然而将包含个人可识别信息（PII）的提示发送给远程提供商，会使数据主体和组织面临日志记录、数据保留、模型训练和意外泄露带来的风险。现有的匿名化方法通常对 PII 进行掩码或删除，而传统加密则会消除 LLM 有效处理所需的词汇和结构线索。我们提出 Veil-then-Reveal（VtR），一个用户侧的 PII 伪匿名化框架，用于在零信任威胁模型下实现隐私保护的 LLM 交互。VtR 将远程 LLM 提供商视为不可信，仅发送伪匿名化后的提示，将明文 PII 保留在用户端。VtR 首先检测 PII，并在提示离开用户设备之前，将其替换为真实、同类型、词表内的替代值，从而保留其语言和结构特性。它结合了针对结构化 PII（如电话号码和信用卡号）的格式保留加密（FPE），以及针对语义 PII（如姓名、地点和组织）的带密钥哈希字典和安全保管库。会话特定的映射提供跨会话不可链接性，而用户侧还原可在 LLM 响应中可逆地将替代值替换为原始值。我们进一步引入一种针对日期的秩类 FPE 策略，在保留格式和歧义性的同时减少加密评估次数。在包含 11,322 个标注 PII 实例的三个数据集上的评估实现了 97.9% 的检测召回率、95.2% 的已检测值保护率和 99.9% 的往返率；100% 的回显替代值实现了端到端往返还原。
| 主题： | 密码学与安全（cs.CR）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.22800 [cs.CR] |
| （或 arXiv:2610.22800v1 [cs.CR] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.22800 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Mohamed Elmahallawy [查看邮箱]
[v1]
2026年10月16日星期五 01:24:42 UTC（212 KB）
来源：arXiv cs.CL · arxiv.org