SicherheitForschungDaten

MosaicLeaks: Agenten leaken Firmengeheimnisse über harmlose Web‑Queries — neue RL‑Methode reduziert Leaks

Die MosaicLeaks‑Studie zeigt, dass Forschungsagenten vertrauliche Firmeninformation durch scheinbar harmlose Web‑Anfragen preisgeben können und stellt mit Privacy‑Aware Deep Research (PA‑DR) eine RL‑Methode vor, die Leakage stark reduziert.

Im Detail

  • MosaicLeaks definiert ein Multi‑Hop‑Task‑Benchmark, das öffentliche und private Infos mischt
  • Agenten zeigten hohe Leak‑Raten; Training nur für Task‑Performance verschlechtert das Leckproblem
  • PA‑DR erhöht strikte Chain‑Success‑Rate von 48,7% auf 58,7% und reduziert Antwort/Full‑Information‑Leakage von 34,0% auf 9,9%

Warum es zählt

KMU, die Agenten mit internen Dokumenten und externen Tools einsetzen, riskieren, dass Beobachter durch Query‑Logs vertrauliche Fakten rekonstruieren — die vorgestellte Trainingsmethode bietet einen konkreten Weg, diesen Leak‑Vektor zu mindern.

Für dich Achte bei Agenten‑Deployments auf Query‑Logging; teste Modelle auf Mosaic‑Style‑Leakage und erwäge Privacy‑Aware‑Trainingsmethoden oder Query‑Filtering, bevor du sensible Daten zulässt.

← Alle News

Zusammenfassungen werden automatisch erstellt und verlinken auf die Originalquelle.