摘要
随着大型语言模型（LLMs）成为重要的生产力工具，它们在工作流程中的整合却带来了显著的风险，尤其是在缺乏足够保障的情况下。本文提出了一种开源的、注重隐私的用户端防火墙，旨在保护基于Web和程序化的LLM交互安全。
架构设计
该架构结合了浏览器扩展和代理，能够全面拦截HTTP(S)和WebSocket通信中的所有流量。其核心是一个灵活的多代理管道，通过结合确定性检测器与LLM驱动的语义分析，实现数据泄漏防护。这种混合方法不仅防止专有代码泄漏，还具备可扩展组件，以支持未来的安全增强，例如避免提示注入攻击。
层次化架构
该框架的层次化设计使其能够在异构环境中部署，允许组织在计算成本、检测深度和延迟之间找到平衡。评估结果表明，在最佳配置下，其F1分数可达到94.93%。
博主点评： 该研究不仅展示了如何在与大型语言模型交互时保护用户隐私，也为未来的安全措施提供了可扩展的解决方案。随着LLM的普及，这种防火墙架构显得尤为重要，值得关注其实际应用效果。