多租户AI智能体记忆存在跨用户语义泄露
原文标题：MemLeak: Cross-User Semantic Leakage in Multi-Tenant AI Agent Memory
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
一篇 arXiv 论文提出「跨用户可采性失效」概念，指出企业多租户部署的 AI 智能体共享同一向量存储时，普通余弦相似度检索即可让用户查询到他人的语义相邻记忆，无需任何攻击手段。实验显示非对抗性泄露率达 70%–100%，对抗性构造记忆的 top-k 命中率达 90%–100%，端到端响应污染评分高达 5.00/5。三种缓解方案中仅检索后硬性归属门控能恢复干净基线，每查询延迟开销约 1.4 毫秒。
- 问题
- 多租户AI智能体共享向量存储时，用户记忆会跨用户泄露。
- 方法
- 形式化「跨用户可采性失效」，用TF-IDF与MiniLM-L6-v2检索做六组实验并测试三种缓解方案。
- 结果
- 非对抗泄露率70%–100%，对抗构造top-k命中90%–100%，仅检索后硬性归属门控恢复干净基线，延迟约1.4毫秒/查询。
- 影响
- 企业级Agent记忆架构必须加归属门控，否则普通检索就会泄露他人数据。
深读 · 结论先行AI 生成展开看要点与影响 ↓
多租户智能体共享向量库时，普通余弦检索即可跨用户泄露记忆，非对抗泄露率达70%–100%。
- •提出「跨用户可采性失效」：共享嵌入空间让查询检索到他人语义相邻记忆，无需攻击手段
- •在稀疏TF-IDF与生产级MiniLM-L6-v2检索下做六组实验及后续消融
- •同团队池化检索下非对抗性附带泄露达70%–100%
- •对抗构造记忆的top-k命中率达90%–100%，密集检索下分数提升+0.416至+0.511
- •端到端响应污染达5.00/5，Claude Sonnet 4.5下为4.67/5，污染回答常被评为更有帮助
为什么重要：企业多租户部署的默认共享向量存储存在结构性隐私缺陷，且污染回答更「有用」会掩盖问题，硬性归属门控是当前唯一经验证有效的方案。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。