大模型对齐与安全

Probabilistic Analysis of Copyright Disputes and Generative AI Safety

版权纠纷的概率分析与生成式AI安全

Hiroaki Chiba-Okabe

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 隐私与版权 ：safety(title,abstract)；AI safety(title)；分类 cs.AI、cs.CY

AI总结 本文通过概率方法分析版权纠纷，并评估生成式AI的版权安全，揭示了NAF条件的局限性。

Comments 5 pages

Journal ref Proc. 20th Int. Conf. on Artificial Intelligence and Law (ICAIL '25), ACM, pp. 470-474 (2026)

Zero-Knowledge Federated Learning: A New Trustworthy and Privacy-Preserving Distributed Learning Paradigm

零知识联邦学习：一种新的可信且隐私保护的分布式学习范式

Taotao Wang, Yuxin Jin, Qing Yang, Yihan Xia, Long Shi, Shengli Zhang

机构 * College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） ； School of Electronic and Optical Engineering, Nanjing University of Science and Technology（南京理工大学电子与光学工程学院） 纠错

专题命中 隐私与版权 ：trustworthy(title)；分类 cs.AI

AI总结 本文提出了一种基于零知识证明的联邦学习框架，通过可验证的客户端选择算法提升系统信任与安全性。

Comments Accepted by IEEE Communications Magazine. Copyright IEEE

AI-in-the-Loop: Privacy Preserving Real-Time Scam Detection and Conversational Scambaiting by Leveraging LLMs and Federated Learning

AI-in-the-Loop：通过利用LLMs和联邦学习实现隐私保护的实时诈骗检测与对话诈骗

Ismail Hossain, Sai Puppala, Md Jahangir Alam, Sajedul Talukder

机构 * University of Texas at El Paso（德克萨斯理工大学） ； School of Computing（计算机学院） ； Southern Illinois University Carbondale（南方伊利诺伊大学卡本达莱分校） 纠错

专题命中 隐私与版权 ：safety(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出了一种结合联邦学习和LLMs的AI-in-the-loop框架，用于实时诈骗检测与对话诈骗，实现了隐私保护与安全审查的统一。

Comments This paper got accepted in 26th Privacy Enhancing Technologies Symposium (PETS 2026). We uploaded it into ArXiv as pre-print