LLM Anonymization Against Agentic Re-Identification

这篇论文把匿名化威胁模型升级到 web-search agent：弱上下文线索可以被跨源检索组合成再识别证据。它提出 AURA，也就是 Anonymization with Utility-Retention Adaptation，用 mask-reconstruct 框架分离 privacy localization 和 utility-preserving reconstruction。评估使用真实访谈 transcript，并以 interviewee-profile facts、codebook facts 和 contextual utility grid 评估保真度，适合关注隐私防护和文本分析可用性的交界。