Gli Agenti LLM Possono De-Anonimizzare Individui da Deboli Indizi di Dati

Un nuovo studio da arXiv (2603.18382) dimostra che agenti basati su LLM possono ricostruire identità reali combinando indizi sparsi e non identificativi con prove pubbliche, anche durante compiti benigni. Nell'impostazione di de-anonimizzazione del Netflix Prize, gli agenti hanno ricostruito il 79,2% delle identità contro il 56,0% del matching classico. La ricerca introduce InferLink, un benchmark controllato che varia il tipo di impronta, l'inquadramento del compito e la conoscenza dell'attaccante, e analizza anche tracce di interazione umano-IA a risposta aperta. I risultati mostrano che gli agenti collegano individui anche senza richieste esplicite di re-identificazione, e più spesso quando tali richieste vengono fatte.