![]()
LLM-Assisted Deanonymization
好的，用户让我总结一篇文章，控制在100字以内，而且不需要特定的开头。首先，我需要仔细阅读文章内容。
文章主要讲的是大型语言模型（LLMs）在去匿名化方面的能力。研究显示，LLMs可以通过分析匿名的在线帖子识别出用户的真实身份。测试范围包括Hacker News、Reddit、LinkedIn以及匿名的面试记录，准确率很高，并且可以处理大量候选人。
接下来，文章提到过去虽然知道少数属性就能识别个人，但实际操作中受限于数据结构和需要人工调查。而LLMs现在可以从少量评论中推断出用户的居住地、职业和兴趣，并在网页上搜索匹配的信息。研究结果表明这种方法不仅可行，而且越来越实用。
总结时要抓住关键点：LLMs去匿名化的能力、测试平台、准确率高、处理大规模数据、以及传统方法的限制被克服。同时要控制在100字以内，语言简洁明了。
可能的结构是先说明LLMs的能力，然后提到测试范围和结果，接着对比传统方法的不足，最后点出研究的意义。
检查一下是否有遗漏的重要信息：比如准确率高、处理大量候选人、从少量评论推断信息等。确保这些都包含进去。
最后，确保语言流畅自然，不使用复杂的术语，让读者容易理解。
</think>
大型语言模型（LLMs）能够通过分析匿名在线帖子识别用户身份，在Hacker News、Reddit等平台实现高精度去匿名化，并可扩展至数万候选人。传统方法受限于数据结构和人工调查，而LLMs能从少量评论推断个人信息并搜索匹配对象。研究显示此技术不仅可行且日益实用。
2026-3-2 12:5:48
Author: www.schneier.com(查看原文)
阅读量:8
收藏
Turns out that LLMs are good at de-anonymization:
We show that LLM agents can figure out who you are from your anonymous online posts. Across Hacker News, Reddit, LinkedIn, and anonymized interview transcripts, our method identifies users with high precision and scales to tens of thousands of candidates.
While it has been known that individuals can be uniquely identified by surprisingly few attributes, this was often practically limited. Data is often only available in unstructured form and deanonymization used to require human investigators to search and reason based on clues. We show that from a handful of comments, LLMs can infer where you live, what you do, and your interests—then search for you on the web. In our new research, we show that this is not only possible but increasingly practical.
Tags: anonymity, de-anonymization, LLM
Posted on March 2, 2026 at 7:05 AM •
0 Comments
Sidebar photo of Bruce Schneier by Joe MacInnis.
文章来源: https://www.schneier.com/blog/archives/2026/03/llm-assisted-deanonymization.html
如有侵权请联系:admin#unsafe.sh