速報
大型語言模型驅動的動態員工代理人：預測員工在 AI 驅動變革下的行為
全球勞動力面臨人工智慧整合帶來的轉型壓力。研究提出以大型語言模型驅動的動態員工代理人，將同意的人資紀錄、心理測量與數位行為資料做為種子，日級模擬員工在組織變革下的認知、情緒與行為軌跡，並闡述隱私與準確性等部署防護，主張此預測基礎設施為管理AI驅動人力重整的關鍵技術。
隱私保護
深度分析
資料仲介與人工智慧供應商的操控式退出：EPIC 揭示八類障礙與治理挑戰
EPIC針對美國多家大型資料蒐集者檢查退出機制，發現廠商用藏匿連結、分散或重複表單、預設同意、付費牆等設計阻礙用戶退出。報告指出，像OpenAI、Meta、Google與人肉搜尋業者未提供清楚或實際的退出途徑，導致個資持續流通，並可能帶來隱私與人身安全風險。
速報
AuraMask：美學化反臉部辨識濾鏡，兼顧隱私與可接受外觀
面對日益普及的視覺監控與臉部辨識，研究尋求讓影像對電腦失效但保留人類可接受的外觀。AuraMask提出生成美學化反臉部辨識濾鏡的流程，模擬一鍵濾鏡風格並整合對抗擾動以維持外觀一致性與模型混淆。實驗顯示其對抗效果不遜於既有方法，且在630名線上受試者研究中取得更高接受度。
深度分析
HARMONY：以元學習與隱私保護對比對齊，緩解混合分割聯邦學習的表示偏移
隨著行動裝置算力與資料分布各異，混合分割聯邦學習面臨客戶端表示偏移問題。HARMONY透過元學習模擬多樣化提取器、隨機早期特徵抽取與隱私保護的監督式對比對齊，使伺服器能在不揭露標籤下對齊跨客戶端特徵，兼顧本地個人化與伺服器回退。實驗顯示在多模型族與資料分布下，整體測試準確率大幅改善。
Login.gov
TTS 任命 DOGE 關聯官員監管 Login.gov，擴展行動駕照驗證引發治理疑慮
美國總務管理局旗下技術轉型服務（TTS）由與所謂「政府效率部」有關聯的人士臨時接任，負責的重點是推動 Login.gov 的成長與升級。官方內部路線圖提出將整合行動駕照與護照作為驗證方式，並強調打擊詐欺。此舉在朝向集中化身分管理的同時，也引發部分現職與前職公務員對隱私、監控與中央資料庫化的擔憂；
合成資料
教育合成資料比較：SMOTE/Bootstrap 與 VAE/Copula‑GAN 在隱私與預測效用的權衡
學習分析受限於學生資料的隱私與稀缺，阻礙教育科技發展。研究以一萬筆學生成績資料比較傳統重抽樣（SMOTE、Bootstrap、隨機過採樣）與深度生成模型（自編碼器、變分自編碼器、Copula-GAN）的統計擬合、效用與隱私指標。結果發現重抽樣在TSTR上接近實資料但DCR趨近0，而深度模型DCR趨近1；變分自編碼器在效用與隱私間取得最佳折衷。
深度分析
多伺服器安全多方計算結合差分隱私的垂直聯邦學習框架
在垂直聯邦學習中，特徵分散於多客戶端且標籤不共享。研究者將聚合者拆分至多伺服器，利用安全多方計算與差分隱私保護模型與特徵聚合，並提出支援全域與全域‑本地更新的優化協議，顯著減少計算與通訊負擔，實驗證實其效能與隱私保護能力。
Meta 智慧眼鏡
Meta 智慧眼鏡「Name Tag」臉部辨識功能遭民權團體聯合抗議
超過七十個民權與社會團體聯名要求 Meta 停止在 Ray‑Ban、Oakley 智慧眼鏡上部署臉部辨識功能「Name Tag」。此功能透過 AI 助理辨識視野內人物，可能被跟蹤者與執法機關濫用。團體呼籲立即撤除，以保護公共隱私。
深度分析
CAIAMAR：多代理人與擴散模型結合的情境感知影像匿名化框架
街景影像常含情境依賴的個人可識別資訊，研究提出 CAIAMAR 框架，透過多代理人推理與擴散式去識別，同時使用 PDCA 循環與 IoU 去重，兼顧隱私與影像品質。實驗在 CUHK03‑NP 上將人員再辨識風險降低 73%，在 CityScapes 上取得 KID 0.001、FID 9.1，明顯優於現有匿名化方案。
速報
macOS 知名網路監控軟體 Little Snitch 正式登陸 Linux 且完全免費
macOS 知名網路監控工具 Little Snitch 現已推出 Linux 版本且完全免費。使用者可藉此監控並阻斷不必要的網路連線，掌握軟體數據傳輸行為。開發商提醒，Linux 版定位為監控工具而非安全工具，目前支援核心版本 6.12 或更新版本。