PrivLLMSwarm：面向安全IoT监控的隐私保护LLM驱动无人机群集
密码学与安全
2025-12-09 v1 人工智能
摘要
大型语言模型（LLM）正成为无人机（UAV）群集在互联网物联网（IoT）环境中实现自主推理和自然语言协调的强大工具。然而，现有 LLM 驱动的 UAV 系统在明文处理敏感操作数据，暴露于隐私和安全风险。本工作引入 PrivLLMSwarm，一种基于安全多方计算（MPC）的隐私保护框架，用于 UAV 群集协调的安全 LLM 推理。该框架集成了经过 MPC 优化的 transformer 组件，采用高效的非线性激活函数近似，实现在资源受限的空中平台上的实际加密推理。通过强化学习在仿真环境中微调的 GPT 基命令生成器，提供可靠指令，同时保持保密性。城市规模仿真实验表明，PrivLLMSwarm 在隐私约束下实现高语义准确率、低加密推理延迟和稳健的编队控制。比较分析显示，PrivLLMSwarm 在隐私-效用平衡方面优于差分隐私、联邦学习和明文基线。为支持可重复性，完整实现包括源代码、MPC 组件及合成数据集已公开。PrivLLMSwarm 为隐私敏感的 IoT 应用（如智慧城市监控和应急响应）中的安全、LLM 支持 UAV 群集奠定了实用基础。
引用
@article{arxiv.2512.06747,
title = {PrivLLMSwarm: Privacy-Preserving LLM-Driven UAV Swarms for Secure IoT Surveillance},
author = {Jifar Wakuma Ayana and Huang Qiming},
journal= {arXiv preprint arXiv:2512.06747},
year = {2025}
}