该论文研究了一种由智能体人工智能（Agentic AI）驱动的重识别攻击方法，对移动微数据隐私构成新兴的可扩展威胁。背景是商业数据经纪商广泛收集细粒度位置数据，尽管已有研究表明移动轨迹具有高度独特性，但过往重识别攻击需要分析师大量人工操作，限制了实际规模。本文提出一种端到端流水线，利用大型语言模型（LLM）智能体自主执行以下步骤：搜索公开网络、交叉引用公共记录和社交媒体、将原始坐标序列解析为候选身份，全程无需人工干预。在包含模拟真实家庭和工作地址附近位置点的时空数据集上进行评估，聚焦高风险披露场景。结果显示，从时空数据和公开来源出发，该智能体AI成功重识别了25名可重识别个体中的18人（72%），以及全部43个案例中的18个（41.9%）。论文讨论了该结果对统计披露控制（SDC）实践的启示，并概述了数据保管者和监管机构必须预见的近未来升级。作者指出，事实上的匿名性——SDC实践的隐含基础——正在发生转变。智能体AI增强了在GDPR第26条标准下“通过任何手段合理可能”的重识别能力，且每个目标的成本仅为几分钟和几美元。本文适合隐私保护研究人员、数据监管机构、数据经纪商以及部署位置数据收集服务的组织阅读。