论文提出Whiteout工具：用混淆样本防止LLM泄露个人敏感信息
热点事件持续更新
论文提出Whiteout工具：用混淆样本防止LLM泄露个人敏感信息
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Anna Yoo Jeong Ha 等在 arXiv 发布论文（v2），提出 Whiteout 工具：个人提出请求后，用精确设计的混淆样本覆写大语言模型记忆的个人敏感信息（如出生日期、电话、住址），阻止模型复述这些信息。 论文称，Whiteout 在包括一款广泛使用的 OpenAI 模型在内的多种不同规模和厂商的模型上验证，能有效阻止目标信息泄露，对模型效用与安全性影响可忽略，效果优于机器遗忘等现有方法。该工具还经受住了越狱等黑盒攻击以及再学习、量化等白盒自适应攻击的测试。
AI 根据报道生成 · 1 小时前更新
最新进展11月11日 13:00
Whiteout：缓解大语言模型个人隐私数据泄露的新工具报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AIWhiteout：缓解大语言模型个人隐私数据泄露的新工具
一篇 arXiv 论文提出 Whiteout 工具，在个人提出请求后，用精确设计的混淆样本覆写大语言模型中记忆的个人敏感信息（如出生日期、电话、住址），阻止模型复述。该工具在包括一款广泛使用的 OpenAI 模型在内的多种模型上验证，能有效阻止目标信息泄露，对模型效用与安全性影响可忽略，效果优于现有方法（如机器遗忘）。它还经受住了越狱等黑盒攻击以及再学习、量化等白盒自适应攻击的测试。
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。