現代のデジタル世界において、自律的なソフトウェアエージェントは、メールの送信、送金の実行、機密記録へのアクセスなど、個人や企業の代行者として活動しています。これらのエージェントを安全かつ誠実なものに保つため、組織はしばよく相反する目的を持つ2つの異なるシステムを使用しています。一つ目は「ゲートキーパー（門番）」であり、アクションが許可されるかどうかを判断するために、その詳細を確認しなければならないポリシーエンジンです。もしエージェントが受信者にメールを送ろうとする場合、ゲートキーパーはその人物が社内か社外かを判断するために、アドレスを確認する必要があります。二つ目は「恒久的な記録」であり、下されたすべての決定を書き留め、監査人が数年後に何が起こったかを証明できるような証跡を作成する、変更不可能なログです。問題は、どちらのシステムも伝統的に同じもの、すなわち「生の、フィルタリングされていないデータ」を要求することから生じます。ゲートキーパーは公正な判断を下すために詳細を必要とし、記録係は信頼できる証人であるために詳細を必要とします。しかし、これは最もプライベートな情報（名前、住所、医療詳細など）が、組織が遵守しようとしているプライバシー規則に違反する形で、消去不可能な永続的台帳の中に閉じ込められてしまうという、危険なボトルネックを生み出します。

Aurite AIの研究チームは、セキュリティやプライバシーを犠牲にすることなく、これら2つのニーズを解きほぐす方法を見出しました。彼らは、ゲートキーパーと記録係が、実は全く同じものを見る必要はないことを発見したのです。ゲートキーパーが必要とするのは、ルールに基づいた判断を下すためのデータの「形」だけであり、記録係が必要とするのは、特定のデータに対して特定の決定がなされたという事実だけです。これらの要件を分離することで、研究者たちは、プライベートな詳細がユーザーのコンピュータから決して外に出ることなく、それでいて組織がルールを強制し、壊れることのない監査証跡を維持できるシステムを作り上げました。

彼らの解決策の核心は、「フィールド・ティア最小化（field-tier minimization）」と呼ばれる手法です。アクション全体（例えば「メールの送信」）を一つの機密性の高いデータのブロックとして扱うのではなく、システムはそのアクションを個々の構成要素、すなわち「フィールド」へと分解します。そして、各フィールドを3つのカテゴリーのいずれかに分類します。第一のカテゴリーは、ルールには必要だが個人を特定しない情報（添付ファイルのサイズやファイル数など）を含むものです。このデータは、元の形式のまま通過させることが許可されます。第二のカテゴリーは、ルールには必要だが、同時に個人を特定する情報でもあるもの（メールアドレスなど）です。これらのフィールドに対して、システムは完全なアドレスを渡すことはしません。代わりに、ドメイン名（「@」以降の部分）のみのような、簡略化された非識別バージョンを渡します。これにより、ゲートキーパーは特定の個人の名前を明かすことなく、メールが外部の会社宛てであるかどうかをチェックできます。第三のカテゴリーは、ルールには決して必要とされない情報（メールの件名や支払いのメモなど）です。このデータはユーザーのコンピュータ内に完全に留まり、境界の外の世界へは決して渡りません。

この設計の素晴らしさは、恒久的な記録の扱い方にあります。プライバシーを保護するための従来の試みの多くでは、ログに書き込む前に機密データを隠したり削除したりしようとしました。しかし、これでは新たな問題が生じます。もしログが改ざんされた場合、監査人は何が削除されたのか、あるいはその記録が信頼できるものなのかを判断できなくなります。研究者たちは、データを隠したり簡略化したりする前に、コンピュータに元の「未加工のデータ」のユニークなデジタル指紋（フィンガープリント）を計算させることで、この問題を解決しました。この指紋が恒久的なログに書き込まれます。その後、簡略化されたデータがゲートキーパーに送られる際、システムは、その簡略化されたバージョンが元のデータから派生したものであることを指紋が一致することによって証明できます。これにより、組織はたとえ数年後であっても、記録の完全性を損なうことなく、データを隠すためのルールをいつでも変更することが可能になります。ログは元のイベントに対する堅固で変更不可能な証人であり続け、一方で、ゲートキーパーへの情報の流れは柔軟でプライバシーに配慮したものとなります。

このシステムが正しく機能することを保証するために、研究者たちは「誰が起きたことを決定するのか」という難しい信頼の問題を解決しなければなりませんでした。機密データはユーザーのコンピュータから決して出ないため、その指紋を計算できるのはユーザーのコンピュータだけです。研究者たちは、ユーザーのコンピュータがこの指紋を作成し、それをログに報告すべきであると判断しました。もしユーザーが指紋について嘘をつこうとすれば、それは自分自身に対して証拠を偽造することになるため、強力な抑止力になると考えたからです。しかし、ユーザーのコンピュータは、データを簡略化するためにどのようなルールを使用したかを報告する信頼性は持っていません。なぜなら、情報を隠すために異なるルールを使用したと主張できてしまうからです。これを防ぐため、システムはユーザーのコンピュータに対し、使用した「ルール」の指紋を送信することを要求し、中央サーバーがこれを公式のルールと照合します。もし2つの指紋が一致しない場合、システムは異常を検知し、そのアクションを拒否します。これにより、ユーザーは保持しているデータを報告することについては信頼され、サーバーは適用されたルールを検証することについては信頼されるという、バランスが保たれます。

研究者たちは、メール送信や医療記録へのアクセスを含む現実世界のシナリオを用いて、このシステムをテストしました。彼らの手法は、機密性の高い識別子がユーザーの環境から決して出ないようにしつつ、ポリシーエンジンが正確な判断を下せることを実証しました。ある特定のテストでは、患者のレコード番号を含むリソースパスを調査しました。当初の簡略化の試みは、テキスト内に番号が残ってしまうため失敗しました。彼らは、テキストをクリーニングしようとするのではなく、パスの最後の部分全体を削除するというルールに変更することで、識別情報が漏れ出さないように修正しました。彼らの分析によれば、調査対象となったアクションにおいて、データのフィールドのほぼ半分は、生の形式で境界を越えることがなく、残りのフィールドも非識別的な要約へと削減されていました。

チームは、このシステムがあらゆる脅威に対する完璧な盾ではないことも認めています。もしユーザーのコンピュータ自体がハッキングされた場合、攻撃者は望むデータを送信できてしまいます。このシステムは、データがユーザーから組織へと移動する際の保護を目的として設計されており、ユーザーのコンピュータが侵害されることから守るためのものではありません。さらに、研究者たちは、現在のルールは静的なものであり、「受信者が異なる国にいる場合にのみフィールドが機密となる」といった複雑な状況に応じて容易に変更することはできないと指摘しています。こうした限界はあるものの、このアプローチは、プライバシーと説明責任の間の緊張関係を扱うための、実用的かつ構造的な方法を提供しています。それは、厳格で変更不可能な監査証跡と、柔軟でプライバシーに配慮したポリシーのどちらか一方を選ぶ必要はないことを証明しています。データを簡略化する前にデータへのコミットメント（指紋）を計算し、誰が何を検証するかを慎重に割り当てることで、このシステムは、顧客のプライベートな生活を恒久的な記録にさらすことなく、組織がエージェントを効果的に統治することを可能にしているのです。