이 논문은 서로 다른 주체를 대신하는 LLM 에이전트들이 협업하는 AI 매개 플랫폼에서, 최종 답변이 나오기 전에 메모리 기록이나 공유 워크스페이스 갱신, 에이전트 간 메시지 등으로 프라이버시 유출이 이미 발생할 수 있다는 문제를 '프라이버시 전파 외부성'으로 정식화한다. 저자들은 정보 이동 이벤트를 최종 상태 반영 전에 가로채 정책·출처·토폴로지/팬아웃·권한·내용 신호를 종합해 허용, 정책 안전 요약본 공개, 원본 격리, 전이 차단, 권한 축소 중 하나를 선택하는 플랫폼 매개 메커니즘 'PAPC'를 제안한다. 검색-메모리 및 다중 에이전트 워크플로우 벤치마크 실험에서 PAPC는 결정론적 작업 완수를 유지하면서 측정된 원본 값 노출과 외부 원본 노출을 모두 제거했다. 이는 최종 출력만 통제하는 기존 방식이 중간 노출 비용을 놓치는 이유와, 팬아웃이 큰 객체일수록 전파가 증폭되는 이유를 설명한다.

• •AI 매개 플랫폼에서 최종 답변 전 메모리·공유워크스페이스·에이전트 메시지로 발생하는 유출을 '프라이버시 전파 외부성'으로 정식화
• •정보 이동 이벤트를 가로채 정책·출처·토폴로지/팬아웃·권한·내용 신호로 대응(허용/요약 공개/격리/차단/권한 축소)하는 'PAPC' 제안
• •검색-메모리·다중 에이전트 벤치마크에서 결정론적 작업 완수를 유지하면서 원본 값 노출을 완전히 제거
• •최종 출력 통제만으로는 중간 노출 비용을 놓치며, 팬아웃이 큰 객체일수록 전파 위험이 커짐을 설명