本文探讨了大型语言模型在识别个人身份信息（PII）方面的可靠性，尤其是在处理模糊人名时的系统性失误。通过AMBENCH数据集评估模型能力，实验结果显示模糊人名的识别率显著低于易识别人名，强调依赖大型语言模型保护用户隐私的风险。

本研究探讨了在线个人身份信息（PII）存储及其在深度伪造技术影响下易受身份欺诈攻击的问题。通过文献综述，分析了43篇相关文献，并提出了基于人工智能的身份欺诈检测与预防方法，为数字身份欺诈研究提供基础。

本文探讨了语言模型在生成摘要时的隐私保护能力，发现这些模型难以避免泄露个人身份信息（PII），且现有评估指标无法充分反映隐私风险。

Cloudflare发现客户网站上的一个可疑和混淆的脚本，该脚本窃取个人身份信息，包括信用卡详细信息，并将窃取的数据传输到攻击者控制的服务器。脚本使用数据编码和解码函数来隐藏发送的数据的性质。它还监视网站上的特定输入字段并收集用户数据。脚本以伪装成正常互联网流量的方式将收集到的数据发送到攻击者的服务器。Cloudflare的机器学习算法成功将该脚本标记为Magecart类型的攻击。Cloudflare建议实施安全措施，如WAF Managed Rule Product、ML-Based WAF Attack Score、Page Shield和Sensitive Data Detection（SDD），以增强安全性并防止类似威胁。

美国全国学生信息交换中心遭遇数据泄露，890所学校受影响，个人身份信息被盗，与CloP勒索软件团伙有关，赎金预计达7500万至1亿美元。