从标识符到推断：重建式身份、跨模态关联与 AI 系统中实用隐匿性的瓦解

文章指出传统隐私模型把身份视为姓名、人脸、邮箱等显式数据对象，而现代语言模型、多模态系统、检索管线与行为分类器可结合文本、图像、行为、元数据与公开记录中的弱信号，推断看似独立的观察是否属于同一人，身份因此可被“重建”而非仅被存储。文中引用 Lermen、Paleka、Swanson、Aerni、Carlini、Tramèr 的 2026 年研究，称基于 LLM 的方法在 90% 精度下对匿名用户的去匿名化召回率最高达 68%。

AI推荐理由 讨论 AI 时代身份隐私模型从显式标识符转向“推断重建”的范式变化，引用 Lermen、Paleka、Swanson、Aerni、Carlini、Tramèr 等 2026 年研究，称基于 LLM 的去匿名化方法在 90% 精度下召回率可达 68%。议题对隐私、安全与模型能力评估有实际价值，但来源为 Reddit 帖子，摘要为论文式概述，具体方法与复现细节未在输入中给出。