理论、鲁棒性与核心机器学习
突破级
暂无讲解视频
收录解读
这篇论文针对 coding agents 和 LLM 应用的现实隐私问题：敏感代码、PII 和业务上下文经常被发送到云端 API，而传统加密或 DLP 并不解决 prompt 内容泄露。
LLM-Redactor 系统比较本地推理、占位符脱敏、语义改写、TEE、split inference、FHE、MPC 和 DP 等八类方案，并提供兼容 MCP/OpenAI API 的 shim。
按本库标准，它值得收录，因为它把隐私保护从原则讨论落到可选技术矩阵、威胁模型和 benchmark，直接服务 agent/LLM 系统工程。
局限是实际部署仍要在准确率、延迟、成本和泄露风险之间权衡；FHE/MPC 等方案当前更多是研究阶段。