LLM 기반 자율 에이전트는 안정적 행동 그라운딩을 위해 풍부한 UI 상태 관찰에 의존하지만, 대다수 배포는 대부분 무관한 요소까지 전체 UI 상태를 원격 추론 서버로 전송해 인증 코드·비공개 알림·배경 앱 상태 같은 민감하고 불필요한 맥락을 유출할 수 있다. MINIM은 관찰이 기기를 떠나기 전 클라이언트 측에서 프라이버시 인식 최소화를 수행하는 신뢰된 로컬 브로커다. 맥락 무결성(Contextual Integrity)에 기반해 각 UI 요소에 내재 민감도 점수(s)와 과제 조건부 필요도 점수(n)의 이중 점수를 학습하고, 이를 통해 필수 요소는 유지, 민감 속성은 추상화, 무관 콘텐츠는 제거하는 3진 공개 정책을 구동한다. WebArena 기반 실제 UI 관찰 실험에서 과제 핵심 의미 맥락과 상호작용 어포던스를 보존하면서 무관한 민감 정보 유출을 크게 줄였다.
- •에이전트가 전체 UI 상태를 원격 서버로 보내면 인증 코드·비공개 알림 등이 유출될 수 있음
- •MINIM은 관찰이 기기를 떠나기 전 클라이언트 측에서 최소화하는 신뢰된 로컬 브로커
- •맥락 무결성 기반으로 각 UI 요소에 민감도(s)·과제 최필요도(n) 이중 점수 학습
- •필수 요소 유지·민감 속성 추상화·무관 콘텐츠 제거의 3진 공개 정책
- •WebArena 실험에서 과제 핵심 맥락 보존하며 무관 민감 정보 유출 대폭 감소
Minim: Privacy-Aware Minimal View for Agents via Trusted Local Sanitization
본문 미리보기
arXiv:2606.13949v1 Announce Type: new Abstract: Modern LLM-powered autonomous agents increasingly rely on rich user interface (UI) state observations to achieve reliable action grounding in complex digital environments. However, many deployments transmit the full UI state to remote inference servers even when most elements are irrelevant to the current task, which can leak sensitive but unnecessary context such as authentication codes, private notifications, and background application states. W
전체 내용이 궁금하다면?
원문을 직접 읽어보세요