論文の概要: Answer-Only Disclosure: Private-Context LLM Assistance over Web APIs with a Leakage Ledger

• arxiv url: http://arxiv.org/abs/2610.38126v1
• Date: Wed, 28 Oct 2026 01:01:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:09.935803
• Title: Answer-Only Disclosure: Private-Context LLM Assistance over Web APIs with a Leakage Ledger
• Title（参考訳）: Answer-Onlyの開示: 漏洩レガーによるWeb API上のプライベートコンテキストLLMアシスト
• Abstract要約: メッセージの書き起こしは、公開ビューも回答も含まないプライベートコンテンツを開示できることを示します。 本稿では,LLM APIをストリーミングするためのデコードプロトコルであるADLERについて述べる。
• 参考スコア（独自算出の注目度）: 12.187382577607323
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Web assistants increasingly answer questions about a user's private documents by pairing a small on-device model with a cloud LLM behind a Web API. In collaborative decoding, the document stays on the client, and the cloud receives only a public view that the user approves, such as the question alone, but the two models exchange messages while the answer is generated. We show that the message transcript can disclose private content that neither the public view nor the answer contains. In a planted-secret audit, speculative decoding with private drafts did not include the secret code in its answers, yet sent the code to the cloud in rejected drafts. We present ADLER, a decoding protocol for streaming LLM APIs in which every message to the cloud depends only on the public view and the answer the user sees, regardless of how the client combines the two models or how the cloud behaves. A client-side leakage ledger then bounds how much the answer itself reveals relative to a public reference process built from the cloud's replies. In the audit, no ADLER configuration exposed the secret beyond the answer. On GSM8K math problems with numerical values masked in the cloud's input, ADLER with an unlimited leakage budget raises the exact-match accuracy of a 0.5B client from 0.41 to 0.83 and of a 1.5B client from 0.67 to 0.85 under lenient answer parsing, close to the 0.92 achieved by uploading the full problem. It also exceeds a zero-leakage program baseline (0.69) by 0.14 and 0.16, respectively. In this baseline, the cloud writes a program that the client runs offline using the private numbers. The ledger records the disclosure charge associated with this gain; budgets of 16 nats or less leave accuracy near the cloud-only baseline on GSM8K.
• Abstract（参考訳）: Webアシスタントは、小さなデバイス上のモデルをWeb APIの背後にあるクラウドLLMと組み合わせることで、ユーザのプライベートドキュメントに関する質問に答えるようになっている。 協調的なデコーディングでは、ドキュメントはクライアントに留まり、クラウドはユーザーが承認する公開ビューのみを受信する。 メッセージの書き起こしは、公開ビューも回答も含まないプライベートコンテンツを開示できることを示します。 秘密の秘密監査では、プライベートドラフトによる投機的復号には、その回答にシークレットコードが含まれていなかったが、拒否されたドラフトでコードをクラウドに送信した。 ADLERはLLM APIをストリーミングするためのデコードプロトコルで、クライアントが2つのモデルをどのように組み合わせるか、クラウドがどのように振る舞うかに関わらず、クラウドへのすべてのメッセージがパブリックビューとユーザが見る回答にのみ依存する。 クライアント側の漏洩台帳は、クラウドの応答から構築された公開参照プロセスに対して、回答自体がどれだけの量を示すかをバウンドする。 監査では、ADLERの設定は、回答以上の秘密を公開していない。 クラウドの入力に隠された数値を持つGSM8Kの数学問題において、無制限リーク予算を持つADLERは0.5Bクライアントの精度を0.41から0.83に引き上げ、1.5Bクライアントの信頼性を0.67から0.85に引き上げる。 また、ゼロレカジプログラムのベースライン(0.69)をそれぞれ0.14と0.16を超えている。 このベースラインでは、クラウドはクライアントがプライベート番号を使用してオフラインで実行するプログラムを記述します。 台帳は、この利得に関連する開示料金を記録し、GSM8Kのクラウドのみのベースライン付近で、16ナット以下の休息精度の予算を記録している。

関連論文リスト

• The Innocent Courier: Covert Exfiltration Through Legitimate LLM Web Fetching [56.52163437439819]
  LLM(Large-Language-Models)とLLMベースのエージェントは、機密データをサードパーティにリークするリスクがある。 LLMLeakは、ローカルで動作する悪意のあるソフトウェアが、LLMを悪用して隠蔽チャネルを確立するために直接通信できない、新たな攻撃ベクトルである。 クライアント側の悪意あるソフトウェアコンポーネントは、秘密をURLに埋め込む。LLMがURLにアクセスすると、攻撃者は攻撃者が制御するDNSまたはWebサーバを介して暗号化された秘密を受け取る。
  論文  参考訳（メタデータ） (2026-10-01T14:25:55Z)
• KeyPooling: Measuring Where LLM API Relay Paths Collapse Prompt Cache Isolation [53.952294884822955]
  大規模言語モデル(LLM)APIは、顧客の認証を別々に行うが、多くの場合、共有プロバイダ認証を通じて要求を転送する。 KeyPoolingは、キャッシュのルックアップと書き込みを通じて顧客のアイデンティティをトレースする測定方法である。 すべての顧客がプロバイダ強化されたドメインに入る必要があります。
  論文  参考訳（メタデータ） (2026-08-18T08:12:34Z)
• Efficient and Privacy Aware Edge Cloud Collaborative Inference for Large Language Models [7.51065715735168]
  本稿では,認証KVキャッシュ上に構築された,プライバシ中心のエッジクラウド協調LLM推論フレームワークを提案する。 評価の結果、このフレームワークはトーケン毎のレイテンシを最大46.1%削減し、ダウンリンクペイロードを最大67.4%削減している。
  論文  参考訳（メタデータ） (2026-07-14T01:17:17Z)
• CoVStream: Edge-Cloud Collaboration for Understanding of Long Video Streams [49.92157301784352]
  CoVStreamは、長いビデオストリームを理解するための最初のエッジクラウド協調フレームワークである。 生のビデオストリームを、コンパクトな視覚的特徴と、クラウドへの送信のためのセマンティックキャプションに蒸留し、帯域幅のコストを最小化する。 実験によると、CoVStreamは、クラウドベースラインの精度の99.2%を維持しながら、帯域幅を87.6%削減している。
  論文  参考訳（メタデータ） (2026-06-22T03:29:45Z)
• PrivScope: Task-scoped Disclosure Control for Hybrid Agentic Systems [19.38303835764628]
  textscPrivScopeは、クラウド側の変更を必要とせずに、ローカル--CLM境界でのEmphtaskスコープによる開示を強制する。 textscPrivScopeは、組み立てられたペイロードから開示ユニットを抽出し、デバイス上で直接およびアカウント値を保持する。
  論文  参考訳（メタデータ） (2026-05-15T20:53:22Z)
• NOIR: Privacy-Preserving Generation of Code with Open-Source LLMs [19.174737939152845]
  NOIRはクライアントのプロンプトと生成されたコードをクラウドから保護するフレームワークである。 識別不能性、トークン埋め込みレベルでのローカルな差分プライバシー保護、クライアント側のデータ非依存でランダムなトークン化機能を実現している。
  論文  参考訳（メタデータ） (2026-01-22T22:39:07Z)
• REaaS: Enabling Adversarially Robust Downstream Classifiers via Robust Encoder as a Service [67.0982378001551]
  サービスプロバイダがエンコーダを事前トレーニングして、クラウドサービスAPIとしてデプロイする方法を示します。 クライアントはクラウドサービスAPIに問い合わせて、トレーニング/テスト入力のフィーチャーベクタを取得する。 私たちは、クライアントが下流の分類器の堅牢性を証明できるように、クラウドサービスが2つのAPIを提供する必要があることを示しています。
  論文  参考訳（メタデータ） (2023-01-07T17:40:11Z)

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。