"Nothing to See Here'': Unintended Disclosure through Revision Traces of LLM Deliverables

arXiv cs.CR · 29 sept, 06:00

Investigadores descubren que los modelos de lenguaje dejan «rastros de revisión» (revision traces) cuando los usuarios eliminan información sensible durante la redacción: el modelo borra el contenido pero lo revela accidentalmente en comentarios sobre la edición. En un análisis de tres corpus públicos de conversaciones, el 8,8% de las 26.753 solicitudes de revisión dejaban estos rastros, permitiendo a terceros recuperar información retirada como contraseñas o datos confidenciales.