研究者提出隐私保护型 LLM Agent 审计框架 SealCall
热点事件持续更新
研究者提出隐私保护型 LLM Agent 审计框架 SealCall
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Yixiang Luo 等研究者提出一种隐私保护型 LLM 智能体安全审计范式，将委托审计计算与明文访问、执行权限分离，并实现为框架 SealCall。该框架结合学习式审计表示、基于 CKKS 的加密相似度计算，以及绑定受审工具调用的执行控制。 在 1,252 个公开二元候选上，SealCall 在分组嵌套评估下平均 F1 为 0.840；研究者称所有测量案例中审计决策与明文一致，代表性配置每次加密评分耗时 0.176 秒。
AI 根据报道生成 · 48 分钟前更新
最新进展11月3日 13:00
当安全检查变成隐私风险：面向 LLM 智能体安全审计的隐私保护范式报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv cs.AI当安全检查变成隐私风险：面向 LLM 智能体安全审计的隐私保护范式
研究者提出隐私保护安全审计范式，将委托审计计算与明文访问、执行权限分离，并落地为框架 SealCall，结合学习式审计表示、基于 CKKS 的加密相似度计算与绑定受审工具调用的执行控制。在 1,252 个公开二元候选上，SealCall 在分组嵌套评估下平均 F1 达 0.840，所有测量案例中审计决策与明文一致，代表性配置每次加密评分耗时 0.176 s。
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。