该论文《On the security and privacy of LLMs in Mobility》由 Mauro Conti、Lorenzo Perinello 与 Umberto Salviati 撰写，属于 cs.AI 分类，是一篇面向移动出行（mobility）领域大语言模型安全与隐私问题的综述与评估性研究。研究背景是：生成式人工智能正在推动交通出行行业发生范式转变，仅汽车一项全球市场年规模约 2.9 万亿美元，相关技术集成可能影响全球超过 15 亿辆汽车，因此 LLM 在车载与交通场景中的规模化落地已成趋势。随之而来的是网络安全、隐私保护与可靠性方面的风险。作者的工作并非提出新的攻击或防御算法，而是系统性地梳理当前应用现状并评估上述挑战。其核心方法具有鲜明的合规导向：由于欧盟《人工智能法案》（EU AI Act）将交通领域 AI 归类为高风险，作者从该法案的合规要求中提炼出九个技术类别（nine technical classes），以此为统一框架对现有研究与未来部署进行对标评估。主要发现包括三点：第一，研究方向高度集中，超过 50% 的被审查工作聚焦于 GPT 与 Llama 系列模型以及交通流量（traffic）类应用场景；第二，安全、隐私与可靠性维度被显著忽视，成为研究盲区；第三，这一缺口同样体现在 AI Act 合规层面——在 35 篇被审查工作中，仅有一篇包含部分（partial）漏洞评估，仅有一篇包含部分的风险管理体系。作者由此指出，当前存在“强优化性能 vs. 弱监管遵从”之间的明显落差，合规不足的原因更多不在于技术不可行，而在于业界与研究界把重心放在了静态性能指标上，而非系统全生命周期的安全性，并强调在安全攸关的智能交通系统（ITS）中推行 security-by-design（安全内生设计）已属紧迫需求。该文适合关注 AI 安全治理、车联网与自动驾驶安全、AI 合规审计的研究人员、安全工程师及政策制定者阅读。