כתבה
arXiv cs.CL ·
ניהול זיכרון-קו-מודע: תשתית-מונחה-הפצה לבקרת גישה-עמוקה-פרטית באגנטי AI של חברות
Lineage-Aware Memory Governance: A Derivation-Gated Framework for Privacy-Preserving Column-Level Access Control in Enterprise AI Agents
ניהול זיכרון-קו-מודע לאגנטי AI של חברות: תשתית-מונחה-הפצה לבקרת גישה-עמוקה-פרטית. המחברים הציגו את AMU, תשתית-זיכרון שמחברת גרף-מורכב של קו-מודע (lineage) לכל תוצאה-זיכרון, ומגבילה את הגישה לתוצאה רק אם המבקש רשות לכל העמודות שנגע בהן. המחברים הוכיחו כי AMU מספקת בקרת גישה-עמוקה-פרטית, והציגו תוצאות-ניסוי שמעידות על יעילות-ביצועים טובה.
תקציר מקורי באנגליתarXiv:2610.07258v1 Announce Type: cross Abstract: Enterprise AI agents that share a memory store face two unaddressed risks: sensitive data can leak through legitimately computed results the requester could not derive, and departments can silently compute a same-named key performance indicator (KPI) through conflicting logic. Existing agent-memory systems (e.g., MemGPT, Zep, A-MEM) gate retrieval by content, ownership, and role, not derivation, missing a cached insight that embeds a forbidden column. We introduce the Analytical Memory Unit (AMU), a memory schema that attaches a full derivation (lineage) graph to every cached result, gated by a retrieval policy that serves a hit only when the requester is authorised for every column touched. Provided lineage recording is complete, we prove
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית