An Evaluation of Data Leakage Risks in Tool-Using LLM Agents in Realistic Scenarios

• 类型：arxiv
• 标识：2606.17114
• 链接：http://arxiv.org/abs/2606.17114v1
• 主分类：agent
• 形态：benchmark
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：A joint evaluation by the Singapore AI Safety Institute and the Korea AI Safety Institute examining agent data leakage in 12 realistic, non-adversarial tasks spanning customer support, DevOps, web automation, and enterprise and personal productivity indicates that operational data leakage is a first-order agent-safety concern distinct from adversarial exfiltration.
• OpenAlex ID：W7165020928
• OpenAlex DOI：10.48550/arxiv.2606.17114
• DOI：10.48550/arxiv.2606.17114
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2606.17114
• OpenAlex更新：2026-07-19
• 副分类：evaluation
• 待LLM分类：否
• 标题中文：现实场景下工具调用型 LLM Agent 数据泄露风险评估
• TLDR中文：新加坡 AI Safety Institute 与韩国 AI Safety Institute 联合评估了涵盖客服、DevOps、网页自动化以及企业与个人生产力场景下 12 项真实非对抗任务中的 Agent 数据泄露问题，表明操作性数据泄露是与对抗性数据外泄不同的一阶 Agent 安全问题。
• 来源文件：
• /inbox/tom/_candidates/2026-06-17-agent-memory-tool-use-candidates.json
• [S2 enrich]
• [OpenAlex backfill]