通过流量指纹分析暴露 LLM 用户隐私：LLM 智能体交互隐私风险研究
密码学与安全
2025-10-09 v1
摘要
大型语言模型（LLM）正日益被部署为能够编排任务并集成外部工具以执行复杂工作流程的智能体。我们演示了这些交互行为在加密的用户与 LLM 智能体之间交换的流量中留下独特的指纹。通过分析与智能体工作流程和工具调用相关的流量模式，敌对方可推断智能体活动，区分特定智能体，甚至轮廓化敏感用户属性。为凸显这一风险，我们开发了 AgentPrint，实现了在智能体识别中达到 0.866 的 F1 分数，并在模拟用户和真实用户场景中分别实现了 73.9% 和 69.1% 的 Top-3 用户属性推断准确率。这些结果揭示了一种被忽视的风险：赋予 LLM 智能体的交互性正是使其暴露用户隐私，这凸显了迫切需要技术防御措施以及监管和政策保障。
引用
@article{arxiv.2510.07176,
title = {Exposing LLM User Privacy via Traffic Fingerprint Analysis: A Study of Privacy Risks in LLM Agent Interactions},
author = {Yixiang Zhang and Xinhao Deng and Zhongyi Gu and Yihao Chen and Ke Xu and Qi Li and Jianping Wu},
journal= {arXiv preprint arXiv:2510.07176},
year = {2025}
}
备注
26 pages with 11 figures