从微弱线索到真实身份：评估 LLM 代理中推理驱动的去匿名化

本文研究了基于大语言模型（LLM）的代理自主重构真实世界身份的新隐私风险。传统匿名化依赖高昂的重识别成本，而 LLM 代理能结合稀疏线索与公开信息，无需特定工程即可实现身份解析。我们将此威胁形式化为“推理驱动链接”，并在经典场景、InferLink 基准及现代文本制品中进行系统评估。结果显示，代理在 Netflix 数据集中重构了 79.2% 的身份，显著优于经典基线。研究表明，身份推断已成为首要隐私风险，评估需关注代理的推断能力而非仅显式信息泄露。