论文页面 - MemPrivacy: 面向边缘-云智能体的隐私保护个性化记忆管理

来源: https://huggingface.co/papers/2605.09530

摘要

MemPrivacy 通过使用类型感知占位符在保护敏感数据的同时维持语义完整性，从而在边缘-云环境中实现隐私保护的个性化记忆。

随着基于大语言模型（LLM）的智能体越来越多地部署在边缘-云环境中 (https://huggingface.co/papers?q=edge-cloud%20environments)，个性化记忆 (https://huggingface.co/papers?q=personalized%20memory) 已成为实现长期适应性和以用户为中心的交互的关键赋能技术。然而，云端辅助的记忆管理会暴露敏感的用户信息，而现有的隐私保护 (https://huggingface.co/papers?q=privacy%20protection) 方法通常依赖于激进的掩码技术，这会移除与任务相关的语义，进而降低记忆的效用和个性化质量。为了解决这一挑战，我们提出了 MemPrivacy。它在边缘设备上识别隐私敏感片段，将其替换为具有语义结构的类型感知占位符以供云端进行记忆处理，并在需要时在本地恢复原始值。通过将隐私保护 (https://huggingface.co/papers?q=privacy%20protection) 与语义破坏解耦，MemPrivacy 在最小化敏感数据暴露的同时，保留了有效记忆形成 (https://huggingface.co/papers?q=memory%20formation) 和检索所需的信息。我们还构建了用于系统评估的 MemPrivacy-Bench 数据集，该数据集涵盖 200 名用户和超过 5.2 万个隐私实例，并引入了一种四级隐私分类法 (https://huggingface.co/papers?q=privacy%20taxonomy) 以支持可配置的保护策略。实验表明，MemPrivacy 在隐私信息提取 (https://huggingface.co/papers?q=privacy%20information%20extraction) 方面表现出强劲的性能，大幅超越了 GPT-5.2 和 Gemini-3.1-Pro 等强大的通用模型，同时也降低了推理延迟 (https://huggingface.co/papers?q=inference%20latency)。在多个广泛使用的记忆系统 (https://huggingface.co/papers?q=memory%20systems) 中，MemPrivacy 将效用损失 (https://huggingface.co/papers?q=utility%20loss) 控制在 1.6% 以内，优于基线掩码策略。总体而言，MemPrivacy 为边缘-云智能体在隐私保护 (https://huggingface.co/papers?q=privacy%20protection) 和个性化记忆 (https://huggingface.co/papers?q=personalized%20memory) 效用之间提供了有效的平衡，实现了安全、实用且对用户透明的部署。

查看 arXiv 页面 (https://arxiv.org/abs/2605.09530)查看 PDF (https://arxiv.org/pdf/2605.09530)GitHub31 (https://github.com/MemTensor/MemPrivacy)添加到集合 (https://huggingface.co/login?next=%2Fpapers%2F2605.09530)

在你的智能体中获取这篇论文：

hf papers read 2605\.09530

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型4

IAAR-Shanghai/MemPrivacy-1.7B-SFT 文本生成 • 2B • 更新于约2小时前 • 74 • 20 (https://huggingface.co/IAAR-Shanghai/MemPrivacy-1.7B-SFT)

IAAR-Shanghai/MemPrivacy-1.7B-RL 文本生成 • 2B • 更新于约2小时前 • 52 • 10 (https://huggingface.co/IAAR-Shanghai/MemPrivacy-1.7B-RL)

IAAR-Shanghai/MemPrivacy-4B-SFT 文本生成 • 196k • 更新于约2小时前 • 51 • 9 (https://huggingface.co/IAAR-Shanghai/MemPrivacy-4B-SFT)

IAAR-Shanghai/MemPrivacy-4B-RL 文本生成 • 4B • 更新于约2小时前 • 107 • 9 (https://huggingface.co/IAAR-Shanghai/MemPrivacy-4B-RL)

引用此论文的数据集0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.09530 以从此页面链接它。

引用此论文的 Spaces0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2605.09530 以从此页面链接它。

包含此论文的集合0

没有集合包含此论文

将此论文添加到集合 (https://huggingface.co/new-collection)以从此页面链接它。