多智能体LLM拓扑泄露与RECONS净化研究

2026年10月15日，arXiv Artificial Intelligence 刊出 Sunday Oyinlola Ogundoyin 与 Muhammad Ikram 的论文，研究多智能体 LLM 系统（MALS）中由拓扑驱动的信息泄露，并提出按接收方定制的净化机制 RECONS。论文称，MALS 存在传统敏感度防御无法捕捉的隐私泄露：授权智能体获知的信息会经日常协作传播至未授权智能体。研究在 coordinator-worker、点对点与层级三种拓扑下评估了 485 个场景，监测七条通信通道，测得拓扑引入的接收方披露率从 0% 升至 52.2%，而表面泄露稳定在 60.6%–62.8%。该效应在四种生成模型与第二个编排框架下持续存在，但幅度与中转路径不同；框架选择单独造成 150 倍泄露差异，因此拓扑并非充分条件。RECONS 采用 Detect→Decide→Transform 流程，依据接收方与执行上下文而非仅敏感度决定干预，将残余披露从无净化时的 96.7% 降至 29.25%，保留 94.1% 的授权披露，而全面脱敏仅保留 20.5%；检测覆盖率是主要瓶颈，占残余披露的 95.5%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。