🤖 AI

Share No More Than the Request Requires: Federated Disclosure for Perspective-Aware AI

本文介绍了溯源保留编年史（Provenance Preserving Chronicles, PPC），这是一种联邦协议，它通过将个人信息转化为时序知识图谱，并执行“最小必要披露”原则，仅向第三方共享严格授权且与溯源相关的上下文，从而赋予用户维护数据主权的权力。

原作者： Sourena Khanzadeh, Daniel Platnick, Marjan Alirezaie, Hossein Rahnama

发布于 2026-07-28

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Sourena Khanzadeh, Daniel Platnick, Marjan Alirezaie, Hossein Rahnama

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你的数字生活就像一本不断增长的巨大剪贴簿。你拍的每一张照片、发送的每一条短信、进行的每一次就医，都会被粘贴进这本书里。目前，世界上大多数大型科技公司都表现得像是拥有这本剪贴簿的所有者。他们把书锁在一个巨大的保险库里，当你想要给朋友看一张猫咪的照片时，你必须交出整本书——或者至少让他们窥视整本书的内容。这是有风险的，因为如果保险库被黑客攻击，或者公司决定出售你的秘密，你的整个生活都会暴露无遗。

为了解决这个问题，科学家们正在构建一种全新的数字身份，让你自己持有这本剪贴簿。在这个新世界里，你的数据不再是一个巨大的整体；它被分解成一个个微小的、有组织的快照，称为“情境图”（Situation Graphs）。把它们想象成剪贴簿中的单个页面，每一页都捕捉了特定时刻，并带有标签，如“在公园”、“吃比萨”或“感到疲倦”。当你按顺序将这些页面堆叠在一起时，它们就构成了一个“编年史”（Chronicle）——一个关于你是谁的完整、穿越时空的叙事。核心问题在于：如何在不意外递出你整个剪贴簿（包括你关于暗恋对象的日记或银行账单）的情况下，让别人针对你的故事提出一个特定的问题（例如“正在服用什么药物？”）？

该论文的作者 Sourena Khanzadeh 及其团队提出了一个聪明的解决方案，称为来源保留编年史（Provenance Preserving Chronicles, PPC）。他们建议使用一个系统，这个系统就像一位超级聪明且严格的图书管理员，只递给你恰好需要的那一页，绝不多给。

以下是他们的“图书管理员”是如何工作的，我们用一个生动的类比来解释：

想象一下，你是一位医生，正试图弄清楚患者的新心脏药物是否会与旧的过敏药物产生冲突。你并不需要看到患者完整的人生故事。你不需要知道他们三年前早餐吃了什么，也不需要知道他们曾经为一段破碎的心情写过一首忧伤的诗。你只需要关于他们当前药物和过敏的具体页面。

在旧有的方式中，患者可能需要向你发送一份包含其整个病史的 PDF 文件。在 PPC 系统中，患者的“编年史”安全地锁在他们自己的设备上（即他们的“主权”家园）。当你（作为医生的代理人）发送请求时，它不会询问“所有内容”，而是询问一个特定的“证据子图”（evidence subgraph）。

把编年史想象成一个巨大的、纠缠在一起的毛线球，每一个结都是一段数据。PPC 系统就像一个机器人，能够瞬间理清仅有的红线（药物）和蓝线（过敏），这些线条与你的问题相关联。它会在这些信息离开患者家之前，就把绿线（诗歌）和黄线（银行记录）剪掉。

论文引入了一个两步走的舞步，以确保这一过程安全进行：

文本先行： 图书管理员（系统）先发给你一段用纯文本编写的摘要，例如：“患者正在服用华法林并对青霉素过敏。”至关重要的是，这段文本附带了一张“收据”或指针，说明：“我从 2024 年 6 月的就诊页面中获取了此信息。”
随后提供凭证： 如果你确实需要看到处方瓶的实际照片或医生笔记的音频录音，你必须专门提出请求。然后，患者必须给出第二次明确的“是的，我批准这个特定文件”的许可，之后文件才会释放。这防止了系统仅仅因为你问了一个问题，就意外地倾倒了整个文件夹的文件。

研究人员在两个完全不同的领域测试了这个想法：医学和法律。

在医学场景中，他们展示了心脏科医生如何在获取患者心脏药物列表的同时，不会意外看到其精神科治疗笔记。由于医生的请求仅关于“药物相互作用”而非心理健康，系统成功过滤掉了“精神科”相关的页面。
在法律场景中，他们展示了律师如何询问有关特定合同的电子邮件，而不会获得公司与其律师之间的特权笔记。系统知道即使这些页面附着在同一封邮件链中，也要隐藏这些“受特权保护”的页面。

然而，论文谨慎地指出，这并不是一个能解决所有问题的万灵药。作者承认，虽然该系统擅长寻找回答问题所需的最小事实集，但有时“最小”并不总是等于“最有帮助”。例如，如果医生询问某种药物，系统可能会剥离掉开具该药物的原因（如心律问题），因为问题并没有明确询问诊断结果。论文指出，虽然该系统在数学上能高效地隐藏秘密，但有时可能会隐藏过多人类专家在做出正确决策时实际需要的背景信息。

团队还警告说，这并不是传统意义上的“区块链”解决方案。他们认为将这些数据放在一个巨大的、共享的公共账本（如比特币）上是错误的路径，因为这迫使每个人都去复制其他人的数据。相反，他们提议采用一种“联邦式”的方法，让数据留在你自己的设备上，只有经过批准的微小片段才会在网络中传输。

简而言之，这篇论文提出了一种分享我们数字生活的新方式：分享的内容绝不超过请求所需。 这就像是在进行一场对话，你只回答被问到的具体问题，而不是仅仅因为有人问了一句“最近怎么样？”就讲述你完整的人生。作者构建了这个系统的蓝图，证明了它在理论和模拟场景中是有效的，但他们也指出，真正的挑战仍然在于：如何准确定义“足够”的信息量，以便我们在保持安全的同时，不会丢失那些对提供帮助至关重要的背景信息。

技术摘要：仅分享请求所需之内容：面向视角感知 AI 的联邦式披露

问题陈述
现代 AI 系统依赖于用户数据的中心化聚合，这带来了大规模监控和用户自主权丧失的风险。虽然用户主权的身份框架（如 Solid、可验证凭证）允许个人控制其数据，但它们缺乏在动态、代理介导的交换过程中进行最小必要披露的机制。现有的解决方案要么将数据中心化（区块链），要么在缺乏交换时最小化机制的情况下进行分布式托管（P2P 叠加层），或者提供粗粒度的访问控制（允许/拒绝策略），而后者无法编译出紧凑且针对特定任务的证据子图。

所解决的核心问题是：给定一个请求者、一种特定的关系、一个陈述的目的以及一个查询，数据持有者如何发布其个人数据中最小的、经授权的子图，以足以回答该请求，同时不实现数据中心化或传输不必要的制品？这对于视角感知 AI（Perspective-Aware AI, PAi）至关重要，其中身份被建模为“编年史”（Chronicle）——即一种时间的、谓词标记的知识图谱——而非静态文档。

方法论：溯源保留编年史 (Provenance Preserving Chronicles, PPC)
本文提出了一种名为溯源保留编年史 (PPC) 的协议，旨在按需编译授权的证据子图。该方法论建立在三个支柱之上：

数据结构（编年史）：
- 用户数据被结构化为情境图 ( $G_{t_i}$ )，即捕捉特定时刻（实体、属性、上下文）的谓词标记知识图谱。
- 编年史 ( $C_u$ ) 是这些情境图的时间序列，并被整合为一个具有原始制品溯源指针的纵向身份图 ( $G^C_u$ )。
授权函数 ( $A$ )：
- 访问权限不仅基于身份，还基于请求者与持有者之间的关系 ( $r$ )（例如，对待医生与保险审计员的区别）以及查询的目的 ( $p$ )。
- $A$ 通过领域专家本体论对节点和边进行评估，以确定特定的证据是否适用于特定的上下文。
编译协议（两阶段流程）：
- 阶段 1：授权证据编译。
  - 请求者的代理发送一个查询 ( $Q$ ) 和一个可验证呈现（身份/角色）。
  - 规划器利用领域本体将 $Q$ 分解为模式层面的信息需求 ( $I(Q)$ )。
  - 持有者通过 $A$ 在本地过滤其编年史，检索相关的节点/边，并执行最小化剪枝，以提取一个紧凑的子图 ( $S_i$ )，该子图既能覆盖信息需求，又剔除了经授权但不必要的数据。
  - 协调器组装这些片段，对不同持有者之间的实体进行对齐，并重新验证充分性。
  - 输出： 请求者接收到与溯源引用（指向特定三元组的指针）相连的文本响应，而非原始制品。
- 阶段 2：制品发布。
  - 如果请求者需要底层的原始数据（例如，实验室图像），则必须明确请求。
  - 这将触发第二次更严格的授权检查，要求持有者进行针对每个制品的显式人工批准。

核心贡献

最小必要披露的形式化： 本文将该问题定义为一个最小化目标（公式 1），旨在寻找既经过授权又在结构上足以满足查询的最小子图 $S^*$ 。
充分性验证： 引入了算法 1，该算法通过检查路径覆盖、谓词类型完整性、连通性和溯源性来进行验证。它区分了结构充分性（由协议保证）与任务/临床充分性（取决于领域，并被视为一个开放性挑战）。
架构差距识别： 作者映射了现有系统（区块链、Solid、P2P），并证明没有任何系统能同时支持持有者主权、无账本交换以及针对谓词标记时间图的交换时最小化。
威胁模型： 本文明确界定了威胁范围，包括恶意请求者、消费者推理（例如，LLM 推断被拒绝的数据）和提示注入，同时假设协调器是诚实但好奇的，且凭证体系是可靠的。

结果与领域实例化
本文并未展示经验基准测试或部署的原型，而是提供了两个受监管领域的理论实例化，以展示该协议的灵活性：

医疗领域： 心脏科医生查询患者的编年史以了解药物相互作用。
- 结果： 协议成功过滤掉了精神科记录和计费记录，同时保留了处方链和过敏数据。
- 识别出的张力： 文中指出，“结构最小化”（丢弃未明确请求的诊断）与“临床效用”（该诊断在上下文中可能具有必要性）之间存在冲突。这凸显了“充分性”取决于信息需求分解 ( $I(Q)$ ) 的质量。
诉讼领域： 对造律师请求证据进行取证。
- 结果： 协议过滤了受特权保护的律师-客户通信，同时发布了非特权的合同条款和通信。
- 洞察： 最小化可能会产生误导，因为它可能会将合同条款与其谈判背景隔离，这进一步强化了“最小且充分”的集合是基于领域对充分性定义的函数。

意义与主张
本文声称 PPC 填补了一个独特的架构空白：它是将“请求者被允许看到什么”（访问控制）转化为“请求实际需要什么”（最小必要披露）的编译层。

适度主张： 作者明确指出，他们并未解决激进最小化与效用之间的张力，也未解决估计 LLM 在子图上的答案分布的问题（“分布层”）。他们将最小化目标界定为一个开放性问题。
核心价值： 该协议实现了溯源优先、联邦式披露，其中数据保持在持有者主权之下，且原始制品在未经显式二次批准前绝不传输。它定位为对现有主权身份堆栈（如 Solid）的补充，增加了用于动态、上下文感知子图编译的必要逻辑。

总之，本文提出了一个严谨的面向视角感知 AI 的框架，其中数据共享受“仅分享请求所需之内容”原则的约束，并通过一个将授权文本摘要与原始制品发布分离的两阶段协议来执行。

技术摘要：仅分享请求所需之内容：面向视角感知 AI 的联邦式披露

类似论文