#platform-governance

共收录 2 条相关安全情报。

← 返回所有主题
👥 作者: Xiao Zhan, Shijing He, Chi Zhang, Jose Such

本论文聚焦“人肉搜索”(doxxing,即恶意公开他人个人信息)这一日益普遍的隐私威胁,指出既有研究高度以西方语境为中心,难以解释在强制实名体系、平台治理机制与本土文化逻辑共同作用下,隐私风险与伤害路径如何被根本性重塑。为填补这一空白,作者对中国大陆 18 名人肉搜索幸存者开展了半结构化访谈,并将其经历综合归纳为一个概念框架,用以刻画人肉搜索在该语境下的运作方式。研究发现可分为两类:一是与既有西方研究相呼应的模式,例如平台推荐与传播机制对信息的放大效应;二是中国特有的动态,源于监管强制身份关联(强制性身份绑定)与文化逻辑之间的交互,包括民族主义话语、饭圈文化、儒家价值观以及较低的隐私素养。这些因素共同改变了人肉搜索的触发条件、参与动机与伤害扩散路径。幸存者的叙述进一步揭示了人肉搜索如何重塑人们对隐私的理解,表现为三重转变:隐私从一种个人偏好转变为社会参与的前提条件;从一次性的信息泄露转变为具有时间延续性的脆弱状态;从个体可控制的对象转变为结构性无力感的来源。基于此,论文对以个体能动性为中心的隐私框架提出挑战,主张有效的隐私保护不应仅依赖用户自我赋权,而必须约束系统性的结构性脆弱。作者最后从法律改革、平台设计与社会倡议三个层面提出多层次建议。该研究属于定性社会科学与 HCI 交叉工作,样本量为 18 人,结论的普适性需结合更大规模与跨地区研究进一步验证。

💡 推荐理由: 它把隐私风险从“个人疏忽”重新定位为实名制度、平台机制与文化动员叠加产生的结构性风险,对平台治理、受害者响应与隐私威胁建模具有直接参考价值。

🎯 建议动作: 研究跟进:纳入内部隐私威胁建模、平台治理评估与受害者支持机制设计的参考资料

排序因子: 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Tao Huang, Guosen Wu, Chen Hou, Guolong Zheng

该论文研究的是 AI 中介平台(AI-mediated platform)中的隐私泄露新形态。在此类平台里,不同委托方(principal)由各自的 LLM 智能体代为行动,任务通过多智能体协作完成。作者指出:隐私损失并不只在最终答案生成时才发生,而可能在最终输出之前就已经产生——例如一次记忆写入(memory write)、共享工作区更新、智能体之间的消息传递、或工具调用事件,都会把原始信息披露到下游,从而让其他委托方承担额外的暴露成本。作者将这种失效模式形式化为“隐私传播外部性”(privacy-propagation externality):一次原始披露的代价不仅取决于内容本身的敏感度,还取决于信息流经的拓扑结构与扇出(fanout)规模,即同一份原始值被复制、转发到多少个下游对象与通道。基于此,作者提出 PAPC,一种平台中介机制,在信息移动事件真正更新共享状态或外部通道之前进行拦截,并综合策略(policy)、数据溯源(provenance)、拓扑与扇出、权限(privilege)以及内容敏感度信号做出判定,可选处置包括:放行事件、放行经过策略安全抽象化后的版本、隔离原始内容、阻止状态转移、或收窄后续权利(narrow onward rights)。该模型解释了为何只在最终输出层做管控会漏掉中间态暴露成本,以及为何高扇出对象会放大传播风险。作者在检索-记忆(retrieval-memory)与多智能体工作流两类基准上评估 PAPC,结果显示该方法在保持确定性任务完成的前提下,消除了可测量的“精确原始值暴露”和“外部原始值暴露”。论文的核心贡献是把事件级中介(event-level mediation)确立为智能体化在线工作的平台治理原语,适合做 LLM 智能体安全、多智能体系统隐私、平台治理与数据防泄漏方向的研究者与安全架构师阅读。

💡 推荐理由: 多智能体与记忆/共享工作区正在成为主流架构,但现有隐私与 DLP 控制多聚焦最终输出,忽略记忆写入、agent 间消息、工具事件等中间态传播。该工作把“拓扑+扇出”纳入隐私代价评估,为平台侧治理提供可落地的事件级拦截思路,对做 LLM 安全与数据防泄漏的团队有直接参考价值。

🎯 建议动作: 研究跟进

排序因子: 来自 arXiv 其他板块 (+2) | 命中热门研究主题 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)