·tian
RAG 管道中的 PII 泄露：为什么你的聊天机器人知道它不该知道的事情
语义相似性并不遵循数据访问边界。本文将探讨 RAG 管道如何将敏感记录暴露给未经授权的用户，以及阻止这种行为的分层防御机制。
rag
security
privacy
llm
+1·tian
Embedding的隐私架构：你的向量数据库对用户了解多少
对用户文档进行embedding会产生传统数据库没有的全新隐私攻击面。本文介绍重识别风险的工作原理、RAG管道中访问控制的失效点，以及真正能解决问题的架构模式。
insider
security
privacy
rag
+2·tian
提示层中的个人信息：大多数团队忽视的隐私工程缺口
个人身份信息如何在不受控制的情况下流入LLM推理调用，以及脱敏、令牌化和日志记录架构如何弥合合规缺口。
insider
privacy
security
llm
+1·tian
AI 系统中的差分隐私：'我们添加了噪声'究竟意味着什么
声称使用差分隐私与真正约束模型记忆和输出之间的差距——关于 epsilon 预算、DP-RAG 权衡以及 DP 训练何时完全不适用的实用指南。
insider
ai-engineering
privacy
llm
+1·tian
LLM 流水线中的 PII：那些你不知道直到为时已晚的数据泄漏
个人数据是如何悄无声息地通过提示模板、上下文窗口、可观测性工具和 RAG 流水线泄漏的——以及真正能阻止这种泄漏的工程模式。
ai-engineering
privacy
security
llm
+1·tian
推理追踪隐私问题：思维链如何在生产环境中泄露敏感数据
推理模型在 98% 的情况下能正确识别敏感数据，但却在 33% 的情况下在思维链中泄露这些数据。本文将探讨为什么“草稿纸”是一个独特的攻击面，以及生产团队需要采取哪些应对措施。
insider
llm
privacy
security
+1·tian
推理链追踪的隐私问题：你的 CoT 日志正在泄露什么
思维链（CoT）追踪比最终模型输出泄露了更多的个人身份信息（PII），为提示词注入创建了可读的攻击面，并使你的可观测性技术栈面临 GDPR 合规风险。以下是应对措施。
llm
privacy
security
ai-engineering
·tian
生产环境中的 LLM 流水线在哪泄露用户数据：PII、数据驻留以及经得起考验的合规模式
大多数 LLM 数据泄露并非来自模型本身，而是源于未脱敏的 RAG 分块、逐字的提示词日志以及可被注入的检索流水线。本文是一份关于生产级 AI 系统中 PII 处理、数据驻留路由和合规日志记录的实用指南。
insider
llm
privacy
security
+2显示第 25–32 篇，共 32 篇
上一页3 / 3