VtR框架提出零信任下LLM交互PII保护方案

该论文提出 Veil-then-Reveal (VtR) 框架，旨在解决大语言模型处理敏感文档时，将包含个人身份信息（PII）的提示词发送至远程提供商所引发的日志记录、模型训练及意外泄露风险。VtR 采用零信任威胁模型，将远程 LLM 提供商视为不可信方，仅在用户设备端对提示词进行伪匿名化处理，确保明文 PII 不离开本地。 技术实现上，VtR 首先检测 PII 并将其替换为同类型、同词汇表且逼真的代理词，以保留语言学和结构特征。对于电话和信用卡号等结构化 PII，采用格式保留加密（FPE）；对于姓名、地点和组织等语义 PII，则结合密钥哈希字典与安全存储库。针对日期数据引入了等级分类 FPE 策略，在保持格式和模糊性的同时减少密码评估次数。会话特定的映射机制提供了跨会话 unlinkability，而用户端的恢复机制可在 LLM 响应中可逆地将代理词还原为原始值。 在三个包含 11,322 个标注 PII 实例的数据集上的评估显示，该方法实现了 97.9% 的检测召回率、95.2% 的被检测值保护率以及 99.9% 的往返成功率，所有回显的代理词均实现了端到端的完全还原。事实层面确认了该框架在特定数据集上的性能指标；推断层面表明该方案可能成为端侧 AI 应用处理高敏数据的标准参考架构；猜测层面在于其实际部署中是否会被主流云厂商的 API 限制或需要额外的客户端集成成本。