論文の概要: Privacy in Context Is Being Overlooked in the Age of General-Purpose LLMs

• arxiv url: http://arxiv.org/abs/2610.29925v1
• Date: Wed, 21 Oct 2026 16:01:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.398322
• Title: Privacy in Context Is Being Overlooked in the Age of General-Purpose LLMs
• Title（参考訳）: 汎用LLMの時代、プライバシーは見落とされつつある
• Abstract要約: プライバシーを急ぐための既存の作業は、統一されたフレームワークを設計しようとする動きに向かっている、と私たちは主張する。 LLMのアプリケーション固有のデプロイ、プライバシーフレームワークのコンテキスト固有の評価、より優れたプライバシーリテラシーの3つの重要なパスを推奨します。
• 参考スコア（独自算出の注目度）: 50.43085274784226
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As large language models (LLMs) continue to grow in scope and capability, privacy concerns are on the rise. Since users increasingly interact with a single general-purpose system across many distinct contexts, there is a natural tendency to pursue a one-size-fits-all solution to privacy. Unfortunately, this overlooks a crucial insight from decades of privacy research: privacy is inherently contextual. In this paper, we argue that existing work in prompt privacy is drifting towards attempts to design a unified framework, which is highly misleading and can foster a false sense of security. Furthermore, we argue that even future work in this direction needs to wrestle with fundamental tensions across various desirable properties of prompt privacy. Thus, such continued attempts towards a unified framework need to be reconsidered. We recommend three critical paths forward: application-specific deployment of LLMs, context-specific evaluation of privacy frameworks, and better privacy literacy.
• Abstract（参考訳）: 大規模言語モデル(LLM)のスコープと能力が拡大するにつれ、プライバシの懸念が高まっている。 ユーザは、多くの異なるコンテキストで単一の汎用システムと対話する傾向にあるため、プライバシーに対する一大ソリューションを追求する傾向が自然にある。 残念ながら、これは何十年にもわたってプライバシー研究の重要な洞察を見逃している。 本稿では,プライバシの促進に向けた既存の取り組みが,高度に誤解を招き,誤ったセキュリティ感覚を育むような統一されたフレームワークの設計に向けて進んでいることを論じる。 さらに、この方向の将来の仕事でさえ、迅速なプライバシーという様々な望ましい性質にまたがる基本的な緊張と格闘する必要があると論じる。 したがって、統一されたフレームワークへの継続的な試みは再考される必要がある。 LLMのアプリケーション固有のデプロイ、プライバシーフレームワークのコンテキスト固有の評価、より優れたプライバシーリテラシーの3つの重要なパスを推奨します。

関連論文リスト

• PrivAct: Internalizing Contextual Privacy Preservation via Multi-Agent Preference Training [14.144464261335031]
  PrivActは、コンテキスト対応のプライバシーを意識したマルチエージェント学習フレームワークである。 プライバシに準拠したエージェントアクションのために、コンテキストプライバシ保護を直接モデルの生成動作に内部化する。 実験では、コンテキストのプライバシー保護が一貫した改善を示し、リーク率を最大12.32%削減した。
  論文  参考訳（メタデータ） (2026-02-14T18:07:51Z)
• VoxPrivacy: A Benchmark for Evaluating Interactional Privacy of Speech Language Models [25.266028200777317]
  音声言語モデル(SLM)は、ユーザが適切に情報の流れを管理するために区別されることが期待される。 現在のSLMベンチマークでは、対話能力をテストするが、話者識別は見落としている。 我々は、SLMにおけるインタラクションプライバシを評価するために設計された最初のベンチマークであるVoxPrivacyを紹介する。
  論文  参考訳（メタデータ） (2026-01-27T06:22:14Z)
• PrivaCI-Bench: Evaluating Privacy with Contextual Integrity and Legal Compliance [44.287734754038254]
  生成型大規模言語モデル(LLM)のコンテキストプライバシ評価ベンチマークであるPrivaCI-Benchを提案する。 本稿では,最近の推論モデルQwQ-32BとDeepseek R1を含む最新のLCMを評価した。 実験の結果、LLMは特定のコンテキスト内で重要なCIパラメータを効果的にキャプチャできるが、プライバシコンプライアンスのさらなる進歩が必要であることが示唆された。
  論文  参考訳（メタデータ） (2025-02-24T10:49:34Z)
• PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action [54.11479432110771]
  PrivacyLensは、プライバシに敏感な種子を表現的なヴィグネットに拡張し、さらにエージェントの軌跡に拡張するために設計された新しいフレームワークである。 プライバシの文献とクラウドソーシングされたシードに基づいて、プライバシの規範のコレクションをインスタンス化する。 GPT-4やLlama-3-70Bのような最先端のLMは、プライバシー強化の指示が出されたとしても、機密情報を25.68%、38.69%のケースでリークしている。
  論文  参考訳（メタデータ） (2024-08-29T17:58:38Z)
• GoldCoin: Grounding Large Language Models in Privacy Laws via Contextual Integrity Theory [44.297102658873726]
  これまでの研究では、さまざまなプライバシー攻撃、防御、評価を狭義に定義されたパターンの中で探索することで、プライバシを研究する。 我々は,プライバシ違反を評価する司法法において,LLMを効果的に活用するための新しい枠組みであるGoldCoinを紹介した。 我々のフレームワークは、コンテキスト整合性の理論をブリッジとして活用し、関連するプライバシー法に基づく多数の合成シナリオを作成する。
  論文  参考訳（メタデータ） (2024-06-17T02:27:32Z)
• Can LLMs Keep a Secret? Testing Privacy Implications of Language Models via Contextual Integrity Theory [82.7042006247124]
  私たちは、最も有能なAIモデルでさえ、人間がそれぞれ39%と57%の確率で、プライベートな情報を公開していることを示しています。 我々の研究は、推論と心の理論に基づいて、新しい推論時プライバシー保護アプローチを即時に探求する必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-10-27T04:15:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。