🤖 AI

PlanTwin: Privacy-Preserving Planning Abstractions for Cloud-Assisted LLM Agents

PlanTwin introduceert een privacybehoudende architectuur die cloud-gebaseerde LLM-agenten toelaat om te plannen op basis van een gedesidentificeerde digitale tweeling van de lokale omgeving, waardoor gevoelige informatie volledig wordt beschermd zonder noemenswaardig verlies aan planningskwaliteit.

Oorspronkelijke auteurs: Guangsheng Yu, Qin Wang, Rui Lang, Shuai Su, Xu Wang

Gepubliceerd 2026-03-20

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Guangsheng Yu, Qin Wang, Rui Lang, Shuai Su, Xu Wang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een zeer slimme, externe consultant hebt die je kunt inhuren om complexe projecten te plannen. Deze consultant is een kunstmatige intelligentie (een "LLM") die in de wolken (op een server) werkt. Hij is fantastisch in het bedenken van stappenplannen, het vinden van oplossingen en het regelen van details.

Het probleem? Je wilt hem niet alles vertellen. Je project bevat gevoelige informatie: wachtwoorden, persoonlijke bestanden, geheime code en bedrijfsgeheimen. Als je de consultant al je papieren laat zien, is het alsof je je huisdeur openzet en zegt: "Kijk maar, hier is alles."

PlanTwin is de oplossing voor dit probleem. Het is een slim systeem dat zorgt dat je die slimme consultant kunt gebruiken, zonder dat hij ooit je echte, gevoelige bestanden ziet.

Hier is hoe het werkt, vertaald in alledaagse taal:

1. De "Digitale Pop" (De Digital Twin)

In plaats van je consultant je echte huis te laten betreden, bouw je een perfecte, maar gestileerde pop van je huis.

Hoe het werkt: Je lokale computer (in jouw huis) neemt al je bestanden en maakt er een abstracte kaart van.
Het voorbeeld: In plaats van de consultant de inhoud van je "geheime.txt" bestand te laten lezen, zegt PlanTwin: "Hier is een bestand. Het is een 'geheim document', het is 'groot' en het bevat 'financiële cijfers'."
Wat er verdwijnt: De echte tekst, de namen van de mensen in het document, de bestandsnaam en de locatie op je harde schijf worden volledig verwijderd. De consultant ziet alleen de soort object, niet de inhoud.

2. De "Slimme Portier" (De Gatekeeper)

Je hebt een trouwe portier in je huis die alles regelt. Deze portier heeft twee belangrijke taken:

De Vertaler: Hij zorgt dat de consultant alleen de "pop" ziet, nooit de echte mensen of spullen.
De Budgethouder: Stel, de consultant vraagt: "Mag ik nog even kijken of er in dat geheime document ook een telefoonnummer staat?"
- De portier kijkt naar een rekening (het budget). Als de consultant al te veel vragen heeft gesteld over dat specifieke document, zegt de portier: "Nee, je budget is op. Ik kan je niet meer vertellen wat er in zit."
- Dit voorkomt dat de consultant door veel kleine vragen toch je geheime informatie kan reconstrueren (zoals een puzzel oplossen).

3. Het Werkproces

Hier is hoe een gesprek eruitziet met PlanTwin:

Jij vraagt: "Plan een update voor mijn software."
PlanTwin (Lokaal): Kijkt naar je bestanden, maakt de "pop" (de digitale twin) en stopt de echte bestanden in een kluis.
De Consultant (In de Cloud): Kijkt alleen naar de pop. Hij ziet: "Er is een code-bestand dat 'authenticatie' heet en een ander dat 'betaling' heet. Ze hangen aan elkaar." Hij bedenkt een plan: "Ik moet eerst de authenticatie controleren, dan de betaling."
Terug naar de Portier: De consultant stuurt zijn plan terug. De portier controleert: "Is dit veilig? Is dit binnen de regels?"
Uitvoering: De portier voert het plan zelf uit op je echte, gevoelige bestanden. Hij doet het werk, maar de consultant ziet alleen het resultaat (ook weer in een gestileerde vorm), nooit de rauwe data.

Waarom is dit zo belangrijk?

Veiligheid: Zelfs als de consultant in de wolken wordt gehackt of "nieuwsgierig" wordt, kan hij niets stelen. Hij heeft alleen een pop gezien, geen echte spullen.
Kwaliteit: Je krijgt nog steeds de slimme planning van de krachtige cloud-robot, zonder dat je je privacy opgeeft.
Geen "Goochelen": Veel andere systemen proberen gewoon om gevoelige woorden (zoals wachtwoorden) weg te halen uit de tekst. Maar PlanTwin is slimmer: het verandert de structuur van de informatie. Het is alsof je een foto van een huis maakt en alle ramen dichtdoet, in plaats van alleen de gordijnen dicht te doen.

Samenvattend

PlanTwin is als een tussenpersoon die je helpt een slimme planner te vinden. Hij zorgt ervoor dat de planner alleen de "blauwdruk" van je project ziet, terwijl jij zelf de sleutel houdt en het echte werk doet. Zo krijg je het beste van twee werelden: de kracht van de cloud-intelligentie, maar de veiligheid van je eigen huis.

1. Het Probleem

In moderne agent-systemen worden grote taalmodellen (LLMs) die in de cloud gehost worden, steeds vaker gebruikt als "planners". Deze modellen coördineren tools, breken taken op en sturen de uitvoering aan in lokale omgevingen (bijv. codebases, bestandsystemen).

Het fundamentele probleem is dat deze lokale omgevingen vaak privé zijn en gevoelige informatie bevatten (broncode, wachtwoorden, API-sleutels, metadata) die niet aan de cloud mogen worden blootgesteld.

Huidige oplossingen zijn onvoldoende: Bestaande systemen richten zich op executie-isolatie (sandboxing) of toegangscontrole (wat de agent mag doen), maar ze controleren niet wat de cloud-planner waarneemt tijdens het planningsproces.
Het gat: Zelfs binnen een toegestane scope, zien cloud-planners vaak nog steeds de "raw" (ruwe) context, zoals bestandsinhoud en exacte paden. Dit blootstelt gevoelige data aan de cloud, zelfs als de uitvoering later veilig is.

De centrale vraag is: Hoe kan een lokale agent profiteren van de planningskracht van een sterke cloud-LLM zonder de onderliggende, gevoelige staat van de lokale omgeving te onthullen?

2. Methodologie: PlanTwin Architectuur

PlanTwin introduceert een privacy-bewuste architectuur die de lokale omgeving projecteert naar een digitaal tweeling (digital twin). De cloud-planner werkt uitsluitend met deze gesaneerde abstractie, terwijl de ruwe data lokaal blijft.

De kerncomponenten zijn:

A. Privacy-Projectie Pipeline (4 Stages)

De lokale agent transformeert de ruwe omgeving ( $X_t$ ) naar een gesaniteerde digitale tweeling ( $Z_t$ ) via een vierstapsproces:

Typed Extraction: Een lokaal Small Language Model (SLM) of heuristieken identificeert objecten (bijv. code_file, config) en hun semantische rol, zonder de inhoud te onthullen.
Redaction: Gevoelige entiteiten (namen, e-mails, IP-adressen, API-sleutels, paden) worden deterministisch verwijderd of gemaskeerd.
Generalization: Exacte waarden worden vervangen door brede categorieën (bijv. bestandsgrootte wordt {klein, medium, groot}, tijd wordt {recent, oud}).
Schema Projection: Het resultaat wordt gemapt naar een vast JSON-schema. De planner ziet alleen een gestructureerd, type-gedwongen graaf met anonieme objecten en relaties, maar geen vrije tekst of bestandsnamen.

B. Capability-Based Planning

De cloud-planner communiceert niet direct met bestanden, maar via een beperkt capability-interfaces.

De planner vraagt om specifieke, gedefinieerde bewerkingen (bijv. security_audit, compare_objects) in plaats van toegang tot ruwe data.
De output is een declaratief plan (een graf van acties) dat lokaal wordt uitgevoerd.

C. Lokale Gatekeeper & Disclosure Budgets

Een lokaal "Gatekeeper"-systeem valideert elke stap van het plan:

Beleidsevaluatie: Controleert of de gevraagde capability is toegestaan.
Cumulatieve Disclosure Budgets: Dit is een cruciaal innovatiepunt. Het systeem houdt per object bij hoeveel informatie al is vrijgegeven. Als een object zijn budget ( $\tau(o)$ ) heeft bereikt, weigert de gatekeeper verdere details vrij te geven, zelfs als de planner erom vraagt. Dit voorkomt dat een adversary via meerdere vragen een object kan reconstrueren (re-identification).
Output Sanitization: Resultaten van lokale uitvoering worden opnieuw gesaniteerd voordat ze terug naar de cloud gaan.

3. Belangrijkste Bijdragen

Systeemdefinitie: Het formuleren van cloud-assisted planning zonder ruwe context-blootstelling als een systeemprobleem, onderscheiden van sandboxing en PII-redaction.
Architectuur: Een vierstaps projectiepijplijn die een ruwe omgeving omzet in een schema-beperkte, geanonimiseerde abstracte graf. In tegenstelling tot token-level masking, is dit structureel gebonden.
Formalisatie: Het definiëren van privacy-doelen via $(k, \delta)$ -anonymity (tegen heridentificatie) en $\epsilon$ -unlinkability (tegen koppeling tussen sessies), en het modelleren van de privacy-utility trade-off als een "granulariteit" probleem.
Implementatie en Evaluatie: PlanTwin is geïmplementeerd als middleware en getest op 60 taken in 10 domeinen met vier verschillende cloud-planners.

4. Resultaten

De evaluatie toont aan dat PlanTwin een sterke balans vindt tussen privacy en bruikbaarheid:

Volledige Privacy (SND = 1.0): PlanTwin bereikt 100% non-disclosure van gevoelige items (geen API-sleutels, wachtwoorden, PII of bestandsnamen komen de cloud binnen).
Behoud van Planningkwaliteit: Ondanks het verwijderen van ruwe data, blijft de planningkwaliteit (gemeten als Plan Quality Score - PQS) zeer hoog.
- Drie van de vier geteste planners (Kimi, MiniMax, GLM) behaalden een PQS > 0.79, wat statistisch niet significant verschilt van systemen met volledige contextblootstelling.
- De totale utility-verlies is minder dan 2,2%.
Vergelijking met Baselines:
- Raw Context: Hoogste kwaliteit, maar 0% privacy.
- PII Redaction: Hoogte kwaliteit, maar lekt 16,5% van de gevoelige items (vooral in code, waar regex faalt).
- Local-Only: Volledige privacy, maar zeer lage kwaliteit (PQS < 0.57) door beperkte lokale rekenkracht.
Adversariale Tests: Zonder budgetbeheer kan een aanvaller met hulpkennis een object met 94,1% nauwkeurigheid heridentificeren. Met het budgetmechanisme wordt dit effectief geblokkeerd.

5. Betekenis en Conclusie

PlanTwin bewijst dat sterke cloud-planning niet vereist dat ruwe lokale context wordt onthuld.

Paradigmaverschuiving: Het stelt dat "planning-time observability" een eerste klas systeeminterface moet zijn in privacy-bewuste agenten.
Veiligheid: Het verkleint het aanvalsoppervlak voor prompt-injectie en data-lekkage aanzienlijk door de cloud-planner te beperken tot een abstracte, gesaniteerde wereld.
Toepasbaarheid: De architectuur is onafhankelijk van het specifieke LLM-model en kan worden toegepast in diverse domeinen (DevOps, beveiliging, data-pipelines).

Kortom, PlanTwin biedt een praktische oplossing om de kracht van cloud-LLMs te benutten voor complexe planningstaken, terwijl de integriteit en privacy van de lokale omgeving volledig behouden blijven.