연구진은 웹 검색 기능을 갖춘 에이전트 LLM의 위협 모델에 맞춰 텍스트 익명화 방어 기술인 AURA를 개발했어요. AURA는 개인 정보 보호와 유용성 보존을 분리하여 에이전트 재식별 공격에 대한 저항성을 높이고 맥락적 유용성을 보존하는 마스크-재구성 익명화 방법을 사용해요. 실제 인터뷰 기록을 활용한 실험 결과, AURA는 기존 방식 대비 개인 정보 보호와 유용성 균형을 개선했어요.
AURA는 개인 정보 보호 범위를 적응적으로 조정하여 에이전트 재식별 공격에 대한 저항성을 강화하고, 고정된 개인 정보 보호 범위 내에서 맥락적 유용성을 더 잘 보존하는 마스크-재구성 익명화 방법을 사용해요. 연구진은 웹 검색 에이전트를 활용한 재식별 공격과 인터뷰 대상자 프로필, 코드북 사실, 맥락적 유용성 그리드를 기반으로 유용성 평가를 진행했어요.
연구 결과, AURA는 기존 방식보다 개인 정보 보호와 유용성 간의 균형을 개선했으며, 이는 에이전트 재식별 공격에 대한 저항성을 강화하고 유용성을 유지하는 데 효과적임을 보여줘요.