研究证实代码大模型PII泄露风险因信息类型而异

Hua Yang 等研究者在 arXiv 论文（arXiv:2512.07814）中首次从因果角度证实，代码大语言模型（LLM4Code）的 PII 泄露风险因信息类型而异，并提出类型感知与可学习性感知的防御思路。 研究者构建了含多样 PII 类型的数据集，微调不同规模的代表性模型，并用结构因果模型估计可学习性对泄露的因果效应。结果显示：IP 地址等易学样本泄露风险更高，密钥和密码等难学类型泄露较少。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。