Semantic Reward Collapse and the Preservation of Epistemic Integrity in Adaptive AI Systems
BDB Labs / BagelTech(BDB实验室/BagelTech)
研究探讨了自适应AI系统中语义奖励崩溃问题,指出其导致知识完整性受损,并提出宪法奖励分层框架以保护不同知识属性。
2026-05-12 cs.AI
Can LLMs Keep a Secret? Testing Privacy Implications of Language Models via Contextual Integrity Theory
University of Washington(华盛顿大学);Allen Institute for Artificial Intelligence(艾伦人工智能研究所);Carnegie Mellon University(卡内基梅隆大学);National University of Singapore(新加坡国立大学)
本文提出ConfAIde基准,依据情境完整性理论测试指令微调LLM的隐私推理能力,发现GPT-4和ChatGPT仍会分别在39%和57%的情境中泄露隐私。
2024-06-28 cs.AI cs.CL cs.CR
Can AI Keep a Secret? Contextual Integrity Verification: A Provable Security Architecture for LLMs
Aayush Gupta(独立研究者)
本文提出上下文完整性验证(CIV)架构,通过密码学签名来源标签和 Transformer 内信任格硬掩码,在无需微调的情况下为 LLM 提供可证明的逐 token 非干扰防护,并在基准测试中实现 0% 攻击成功率且不损失模型性能。
2025-08-18 cs.AI cs.CL cs.CR
Personalized Privacy Control in LLMs via Attention Head Intervention
IPAI, Seoul National University(首尔国立大学IPAI);Max Planck Institute for Software Systems(马克斯·普朗克软件系统研究所)
针对大语言模型隐私控制的用户偏好差异问题,提出个性化隐私概念及P3Bench基准,发现提示策略执行效果差,进而提出Repair方法提升隐私策略依从性
2026-08-24 cs.AI cs.CL cs.LG
Diagnostic Foundation for Evaluating LLMs' Research Integrity as Co-Scientists
本研究推出IntegrityBench基准评估LLM作为合作科学家的研究完整性,发现前沿模型在峰值压力下约三分之一的完整性关键决策失败,存在助长不当行为和侵蚀AI辅助研究信任的风险。
2026-08-14 cs.AI cs.CL
Protecting Users From Themselves: Safeguarding Contextual Privacy in Interactions with Conversational Agents
IBM Research(IBM研究院);University of Vermont(佛罗里达大学)
本文针对用户与 LLM 会话智能体交互中的过度披露问题,提出可本地部署的中间框架,自动识别并重写提示中的脱离情境敏感信息,实验证明其能保护隐私并维持交互目标。
2025-07-28 cs.AI cs.CL cs.CR
A Leak-Resilient Dual Stack Scheme for Backward-Edge Control-Flow Integrity
对堆栈上返回地址的操作是对用内存不安全语言编写的程序进行各种攻击的基础。保护返回地址的双栈方案保证了对此类攻击的有效防御。通过引入第二个安全堆栈来将返回地址与潜在的不安全堆栈对象分开,它们可以防止攻击,例如通过溢出缓冲区来恶意修改返回地址。然而,双栈的安全性是基于安全栈在内存中的隐蔽性。不幸的是,当前所有双堆栈方案都容易受到信息泄露攻击,这些攻击能够泄露安全堆栈位置,从而有效地破坏其承诺的安全属性。在本文中,我们提出了一个新的,泄漏弹性双栈方案能够抵御复杂的信息泄露攻击。我们仔细研究了以前的双堆栈计划,并系统地开发了一种新的堆栈分离设计,消除了导致安全堆栈泄露的缺陷。我们展示了我们的方法的可行性和实用性,提出了一个完整的集成到LLVM编译器框架,支持x86-64和ARM 64架构。在x86-64上平均为2.7%,在ARM 64上为0.0%,我们实现的性能开销可以忽略不计。
2018-06-25 cs.CR
Argus: Academic Integrity in the Era of Generative AI
Purdue University(普渡大学)
Argus系统通过行为与风格指标检测编程作业中的LLM辅助使用,发现45%学生存在此类模式,且与考试成绩显著负相关,强调需结合人工审查流程以维护学术诚信。
2026-10-01 cs.AI cs.CY
It Takes Two: Complementary Self-Distillation for Contextual Integrity in LLMs
KAIST(韩国科学技术院)
本文提出SELFCI框架,通过分离信息抑制与任务解决,解决大语言模型中隐私与效用的权衡问题,通过互补的自我蒸馏方法提升上下文完整性。
2026-11-03 cs.AI cs.CR cs.LG
CitePrism: Human-in-the-Loop AI for Citation Auditing and Editorial Integrity
提出CitePrism框架,结合LLM推理、嵌入相似度、元数据验证和人工审核,实现稿件级引文审计,初步验证显示可辅助编辑筛选不相关引文。
2026-05-26 cs.AI cs.DL cs.SI
Implicit Contextual Integrity in Online Social Networks
Liverpool John Moores University(利物浦约翰摩尔斯大学);Lancaster University(兰卡斯特大学)
许多真实事件表明,在线社交网络的用户需要通过提高对在线社交网络中共存的不同上下文的认识来帮助他们管理他们的交互的机制,并防止他们在这些上下文中交换不适当的信息或将敏感信息从某些上下文传播到其他上下文。上下文完整性是一种隐私理论,它根据信息共享的上下文来概念化信息共享的适当性。情境完整性的计算模型假设存在定义明确的情境,在情境中,个体扮演预定义的角色,信息共享由一组明确的规范管理。然而,在线社交网络中的上下文是已知的是隐含的,未知的先验和不断变化的;用户关系是不断发展的;和信息共享规范是隐含的。这使得当前的上下文完整性模型不适合在线社交网络。本文提出了隐式上下文完整性的第一个计算模型,提出了一个信息模型和一个信息辅助Agent,该信息辅助Agent利用信息模型学习隐式上下文、关系和信息共享规范,以帮助用户避免不适当的信息交换和不期望的信息传播。通过实验评估,我们验证了信息辅助代理的特性,这些特性表现为:即使只有一小部分用户遵循信息共享规范,并且存在恶意用户,也能推断出信息共享规范;在只看到系统和用户收发信息的部分情况下,有助于减少不适当信息的交换和敏感信息的传播;并最大限度地减少用户发出不必要警报的负担。
2015-07-06 cs.AI cs.CR cs.CY
Stop the Spread: A Contextual Integrity Perspective on the Appropriateness of COVID-19 Vaccination Certificates
我们提出了一个实证研究,探讨隐私如何影响接受疫苗接种证书(VC)部署在不同的现实使用场景。该研究采用了上下文完整性的隐私框架,该框架已被证明在捕捉人们在不同上下文中的隐私期望方面特别有效。我们使用一个小插曲的方法,我们有选择地操纵显着的上下文参数,以了解他们是否以及如何影响人们对风险投资的态度。我们调查了890名来自美国人口统计学分层样本的参与者,以评估对可能的VC部署的接受程度和总体态度,以执行疫苗接种任务和VC可能需要的不同信息流。作为本研究的一部分,收集的结果进行分析,以获得一般的规范性意见不同的可能的风险投资的做法,并提供指导,在不同的情况下可能部署的风险投资。
2022-05-19 cs.CR cs.CY cs.HC
UrduBench: An Urdu Reasoning Benchmark using Contextually Ensembled Translations with Human-in-the-Loop
本文提出UrduBench,通过上下文融合翻译和人工参与验证,构建乌尔都语推理基准测试,评估不同模型在多种提示策略下的表现,揭示多步骤推理在乌尔都语中的挑战及语言对齐的重要性。
2026-01-28 cs.AI cs.CL
Integrating Differential Privacy and Contextual Integrity
本研究提出首个整合差分隐私(DP)与语境完整性(CI)的框架,实现DP的语境化参数调优与CI的应用范围拓展,并以美国人口普查局的DP应用为案例验证价值。
2024-01-28 cs.CR cs.CY
Android Permissions Remystified: A Field Study on Contextual Integrity
由于智能手机应用程序可能访问的数据量很大,平台强制执行权限系统,允许用户管理应用程序访问受保护资源的方式。如果用户被要求在良性情况下过于频繁地做出安全决策,他们可能会变得习惯并批准所有未来的请求而不考虑后果。如果他们被要求做出的安全决策太少,他们可能会担心平台泄露了太多的敏感信息。为了探索这种权衡,我们对Android平台进行了检测,以收集有关智能手机应用程序访问受权限限制的受保护资源的频率和情况的数据。我们进行了一项36人的实地研究,以探索“上下文完整性”的概念,也就是说,有多少经常是应用程序访问受保护的资源时,用户不期望它?基于我们收集的2700万个数据点和对参与者的离职访谈,我们研究了用户希望拒绝应用程序访问受保护资源的能力的情况。我们发现,至少80%的参与者更愿意阻止至少一个权限请求,总体而言,他们认为超过三分之一的请求是入侵性的,并希望有一种机制来阻止它们。
2015-04-15 cs.CR
When PETs misbehave: A Contextual Integrity analysis
本文运用情境完整性理论分析匿名凭证、客户端扫描和同态加密三类 PETs,揭示其将隐私窄化为保密性所带来的局限、滥用风险及隐私侵犯后果。
2023-12-05 cs.CR cs.CY cs.IT
RedactionBench
A10 Networks, Inc.(A10网络公司)
RedactionBench通过200个跨11个领域的文档,评估红actions的上下文隐私问题,提出R-Score指标,揭示红actions的主观性,推动隐私保护系统的发展。
2026-06-18 cs.AI cs.CL
Web Privacy based on Contextual Integrity: Measuring the Collapse of Online Contexts
本研究将情境完整性理论操作化,通过爬取七个情境下700个热门网站并构建网络图,系统测量了第三方Cookie和JS指纹识别导致的持久用户识别在在线情境内外的扩散,揭示了网络追踪造成的情境崩溃,为浏览器存储容器构建提供依据,开创了情境化网络隐私研究新途径。
2025-02-27 cs.CR cs.CY cs.HC
Fluent but Unfeeling: The Emotional Blind Spots of Language Models
Northeastern University(东北大学);UC San Diego(加州大学圣地亚哥分校);University of Massachusetts Amherst(马萨诸塞大学阿姆赫斯特分校)
针对LLMs在细粒度情感对齐上的评估空白,提出基于Reddit的EXPRESS基准数据集(含251个标签),通过八种基本情感分解进行细粒度比较,发现主流LLMs在准确预测与人类自我披露一致的情感及捕捉上下文线索方面仍存在局限。
2025-09-11 cs.AI cs.CL
CI-Work: Benchmarking Contextual Integrity in Enterprise LLM Agents
Huazhong University of Science and Technology(华中科技大学);Microsoft(微软)
CI-Work基准测试评估企业LLM代理在密集检索中传达关键内容并隐藏敏感信息的能力,揭示隐私泄露普遍且高任务效用与隐私违规正相关,需转向以情境为中心的架构。
2026-04-23 cs.CL cs.CR
HowkGPT: Investigating the Detection of ChatGPT-generated University Student Homework through Context-Aware Perplexity Analysis
New York University Abu Dhabi(纽约大学阿布扎比分校)
本文提出 HowkGPT,利用预训练 LLM 计算困惑度分数,并结合元数据定义类别特定阈值,以检测 ChatGPT 生成的大学生作业,旨在维护学术诚信与评分公平。
2025-03-11 cs.AI cs.CL
CrashSage: A Large Language Model-Centered Framework for Contextual and Interpretable Traffic Crash Analysis
Smart Mobility and Infrastructure Lab College of Engineering University of Georgia(智能移动与基础设施实验室 工程学院 佐治亚大学)
本文提出以 LLM 为中心的 CrashSage 框架,将异构事故表格数据转为结构化叙述并增强、微调 LLaMA3-8B 推断事故严重程度,结合梯度可解释性揭示关键风险因素。
2025-05-08 cs.AI cs.CL
PiSAs: Benchmarking Contextual Integrity in Multi-User Agentic Systems
ServiceNow AI Research(ServiceNow 人工智能研究院);Mila – Quebec AI Institute(Mila – 魁北克人工智能研究所);Université Laval(拉瓦尔大学);McGill University(麦吉尔大学);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
研究多用户智能体系统新隐私风险,引入PiSAs基准,用双重情境完整性注释评估无意泄露,可跨组件和接口测量跨用户数据泄露,发现模型判断影响结果,强调隐私保护策略需求。
2026-10-21 cs.CR cs.MA
GoldCoin: Grounding Large Language Models in Privacy Laws via Contextual Integrity Theory
Department of Computer Science and Engineering, HKUST(香港科技大学计算机科学与工程系)
GoldCoin框架利用情境完整性理论生成基于隐私法规的合成场景,将大语言模型锚定于隐私法律,显著提升其在真实法院案件中识别隐私风险的能力并超越基线方法。
2024-10-04 cs.CL cs.CR
CIMemories: A Compositional Benchmark for Contextual Integrity of Persistent Memory in LLMs
针对大语言模型持久记忆易在不当上下文泄露敏感信息的问题,提出CIMemories基准,实验发现前沿模型存在高比例记忆泄露、行为不稳定等问题,仅靠提示优化或模型 scaling 无法解决。
2025-11-18 cs.CR
Privacy Conductor: An Architectural Enforcement of Contextual Integrity in LLM-Based Document Retrieval
Tennessee Technological University(田纳西理工大学)
Privacy Conductor是将访问决策从LLM移除的架构,实验显示LLM标签会降低隐私策略有效性,建议隐私政策由人员编写并在模型外实施。
2026-10-14 cs.CR
The Sword, Shield, and Achilles' Heel: Characterizing the Linguistic Inductive Bias of Large Language Models for Spatial Reasoning in Navigation Planning
East China Normal University(东华大学);Information Engineering University(信息工程大学);Zhengzhou University(郑州大学)
提出双干预框架,通过表示干预和上下文干预分离语言结构与上下文线索,揭示LLM在导航规划中语言归纳偏置的规律:拓扑信息是稳健规划的支柱,语言格式是双刃剑,语义信息是致命弱点。
2026-05-29 cs.AI cs.CL
Privacy-Preserving Compliance on Public Ledgers via Selective Disclosure Authorization Schemes
George Mason University(乔治梅森大学)
针对公共账本透明性与数据最小化原则的矛盾,提出选择性披露授权方案(SDAS),通过零知识证明实现细粒度、可撤销的合规检查,并防范前置交易和证明重用攻击。
2026-06-23 cs.CR
Reinforcing privacy reasoning in LLMs via normative simulacra from fiction
Cornell Tech(康奈尔科技)
本文通过从小说中提取规范仿像,结合监督学习和GRPO强化学习,提升大语言模型的隐私推理能力,验证了小说来源的规范仿像在现实领域中的有效性。
2026-04-21 cs.AI cs.LG
Authentication, Authorization, and Selective Disclosure for IoT data sharing using Verifiable Credentials and Zero-Knowledge Proofs
随着物联网变得无所不在,产生了大量数据,这些数据可用于构建创新应用程序。然而,互操作性问题和安全问题阻止了这些数据的全部潜力。在本文中,我们考虑了智能建筑产生的数据的用例。通过集成物联网设备,建筑物正在变得越来越“智能”,这些设备通过传感和自动化来提高舒适度。然而,这些设备及其数据通常在特定应用或制造商中是孤立的,即使它们对于提供不同类型的“过顶”服务的各种感兴趣的利益相关者可能是有价值的,例如,能源管理大多数数据共享技术都遵循“全有或全无”的方法,这会造成重大的安全和隐私威胁,即使是部分暴露的、隐私保护的数据子集也会推动创新应用。考虑到这些,我们开发了一个平台,可以控制,保护隐私的数据项共享。我们的系统在两个方面进行了创新:首先,它提供了一个框架,允许在不违反其完整性的情况下发现和选择性地披露物联网数据。其次,它提供了一种用户友好的、直观的机制,允许对共享数据进行有效的、细粒度的访问控制。我们的解决方案利用了自主身份、可验证凭据和零知识证明领域的最新进展,并将它们集成到一个结合了行业标准授权框架OAuth 2.0和物联网规范的平台中。
2022-09-01 cs.CR
The VACCINE Framework for Building DLP Systems
传统的数据泄露防护(DLP)系统存在以下主要缺点:定义数据泄露构成要素的隐私策略无法在异构通信形式中无缝定义和执行。管理员有双重负担:(1)手动自解释手册中的策略以指定规则(这是容易出错的);(2)从异构通信协议中提取相关信息流并执行策略以确定哪些流应该是可接受的。为了解决这些问题,我们提出了可验证和可操作的上下文完整性规范引擎(VACCINE),这是一个用于构建适应性和模块化DLP系统的框架。VACCINE依赖于(1)上下文完整性理论,以提供适合于指定可重用的协议不可知的泄漏预防规则的抽象层,以及(2)程序设计语言技术,以针对正确性属性检查这些规则,并在DLP系统实现中忠实地执行这些规则。我们将VACCINE应用于《家庭教育权利和隐私法》和安然公司隐私法规。我们表明,通过使用上下文完整性与验证技术相结合,我们可以有效地创建可重用的隐私规则与特定的正确性保证,并检查这些规则的信息流的完整性。我们在模拟企业环境中的实验表明,VACCINE改进了当前的DLP系统设计方法,可以部署在涉及数万名参与者的企业中。
2017-11-07 cs.CR
The Five Safes as a Privacy Context
Chalmers University of Technology(查尔姆斯理工大学);University of Gothenburg(哥德堡大学);Rutgers University(罗格斯大学)
该研究将“五大安全”框架与语境完整性理论关联,通过参数映射论证前者是后者的具体化,并探讨二者互补以强化隐私相关理论与实践。
2026-09-02 cs.CR cs.CY
AgentSecBench: Measuring Prompt Injection, Privacy Leakage, and Tool-Use Integrity in LLM Agents
Bahcesehir University(巴切希尔大学);University of Turkish Aeronautical Association(土耳其航空协会大学)
提出AgentSecBench框架,通过定义意图到执行的无干扰游戏,系统评估LLM智能体在指令完整性、检索机密性和能力完整性方面的安全风险,并实验验证防御措施的有效性。
2026-05-25 cs.CR
Privacy Checklist: Privacy Violation Detection Grounding on Contextual Integrity Theory
HKUST(香港科技大学);National University of Singapore(新加坡国立大学);Huawei Technologies(华为技术有限公司)
针对现有隐私研究局限于细分领域、无法覆盖实际隐私担忧的问题,本文基于情境完整性理论开发综合隐私清单,借助LLMs覆盖HIPAA法规并结合专家注释,为通用且以人为中心的隐私研究提供新方向。
2025-02-13 cs.CL cs.CR
The Claws in Plain Sight: Unauthorized Context Disclosure through LLM Agent Tool Calls
University of California, Merced(加州大学默塞德分校);Stevens Institute of Technology(史蒂文斯理工学院)
该研究提出Claw in Plain Sight攻击方法,通过构造任务相关内容框架诱导LLM智能体泄露上下文信息,实验显示其在多种模型上的会话级泄露率达20.8%-75.0%,提示需在工具参数执行前进行目的与目的地感知检查。
2026-08-24 cs.CR cs.ET
Bayesian Adversarial Privacy
Department of Statistics, University of Warwick, UK(沃里克大学统计系)
本文提出了一种基于贝叶斯决策理论的新型隐私定义,强调在数据被观察时仍从先验视角做出披露决策,以提供更明确和严谨的隐私保护框架。
2026-09-10 cs.CR cs.LG math.ST
Multiverse Privacy Theory for Contextual Risks in Complex User-AI Interactions
针对AI交互时代用户隐私决策的复杂不确定性,提出多重宇宙隐私理论框架,将每个决策对应平行宇宙以模拟不同结果,为从多视角理解隐私提供基础,后续将用真实场景调研数据验证应用。
2025-06-11 cs.CR cs.HC
Privacy with Surgical Robotics: Challenges in Applying Contextual Privacy Theory
University of Strathclyde(思克莱德大学)
使用连接的手术机器人来自动化医疗程序带来了新的隐私挑战。我们认为,传统的病人同意协议不再工作。事实上,取代人类外科医生的机器人承担了非凡的责任。外科医生在严格监管的环境中接受多年的培训和同行评审,并通过患者对医院系统的信任获得信任。另一方面,机器人通过控制其操作的软件的完整性获得不同的信任。从隐私的角度来看,有两个根本性的转变。首先,威胁模型已经从涉及的人类不受信任转变为机器人软件不受信任。第二,隐私控制的基本单元不再是医疗记录,而是由四个新的基本单元取代:机器人正在采取行动的主题;机器人使用的工具;机器人可以访问的传感器(即数据);最后访问提供机器人正确操作的监控和校准服务。我们认为,上下文隐私提供了有用的理论工具,以解决手术机器人带来的隐私问题。然而,它也带来了一些挑战:尤其是上下文隐私策略的复杂性,如果严格指定以实现验证和可验证性,将非常高,直接暴露给审查上下文隐私策略的人。一个医疗机器人同时使用信息和物理材料。虽然信息规范允许判断上下文的完整性和传输原则支配的限制适用于信息传输,没有说的物质财产。当然,情境隐私在这种情况下为有用的隐私概念提供了一个锚,因此应该被认为是扩展到涵盖信息和物质流。
2019-09-04 cs.CR cs.RO
AgentSCOPE: Evaluating Contextual Privacy Across Agentic Workflows
University of Vermont(佛蒙特大学);IBM Research(IBM研究院)
AgentSCOPE通过评估代理工作流中的隐私流,揭示了中间阶段的隐私风险,指出输出层面评估不足以反映代理系统的隐私问题。
2026-03-05 cs.AI cs.CR
Leveraging Large Language Models to Bridge Cross-Domain Transparency in Stablecoins
Faculty of Information Technology, Monash University(莫纳什大学信息技术学院);School of Cyber Science and Engineering, Wuhan University(武汉大学网络空间安全学院);Digital Trust Centre, Nanyang Technological University(南洋理工大学数字信任中心);School of Business, Monash University(莫纳什大学商学院);School of Computer Science, The University of Sydney(悉尼大学计算机科学学院)
本文提出利用大型语言模型整合稳定币跨领域透明度,通过语义对齐发行披露与市场数据,揭示披露与可验证数据间的系统性差距,提升去中心化金融的自动化审计能力。
2026-04-01 cs.CR cs.LG
Validating the Contextual Information of Outdoor Images for Photo Misuse Detection
上下文信息(即,拍摄照片的时间和位置)可以容易地被伪造者篡改或虚假地声明以实现恶意目的,例如,在公众中制造恐慌。大量的工作集中在通过验证图像内容的完整性来检测照片篡改和操纵。相反,我们的目标是通过验证照片的拍摄时间和位置来检测照片滥用。太阳位置随时间和位置变化的自然规律,可以用来判断图像内容所声称的上下文信息是否与实际太阳位置相对应。以前的方法来推断太阳的位置,从图像主要依赖于消失点与至少两个阴影,而我们提出了新的算法,利用只有一个阴影的图像来推断太阳的位置。同时,我们计算太阳的位置,通过应用天文算法,作为输入的声称捕获的时间和位置。只有当两个估计的太阳位置是一致的,所声称的上下文信息是真实的。我们已经开发了一个原型叫做IMAGEGUARD。实验结果表明,该方法能成功地估计太阳位置,并能高精度地检测出时间位置不一致。通过将太阳位置距离和高度角距离的阈值分别设置为9.4度和5度,我们的系统可以正确识别91.5%的具有虚假上下文信息的伪造照片。
2018-11-21 cs.CR
Clinically Grounded Privacy Evaluation of Medical LMs
Stanford University(斯坦福大学);Massachusetts Institute of Technology(麻省理工学院);American Board of Family Medicine(家庭医学认证委员会)
提出临床导向框架,按对抗访问等级评估医学语言模型隐私泄露,发现常规元数据可导致高比率逐字记忆和敏感诊断恢复,但部分记忆源于模板化文档。
2026-09-01 cs.CL cs.CR