Meta 推出 PrivacyLib 公共库，在数据访问边界统一执行隐私检查。系统只需集成一次，新隐私需求以模块形式复用，每秒可执行数十亿次检查。该库通过编译优化、进程内缓存和签名令牌覆盖直接 RPC 路径，并以模拟和分阶段发布方式安全上线。它还支持内部 AI 代理，通过 AgentLib 传递会话上下文，观察并阻止违规数据访问。

微软安全团队介绍，Windows 11 预取文件位于 C:\Windows\Prefetch\，用于记录应用启动时访问的文件和目录，以加快下次启动。删除预取文件不会提速，反而需要重建缓存、拖慢启动，且其占用空间不大，普通用户无需清理。但预取文件会记录运行次数、最近运行时间和访问路径，注重隐私、希望减少本机痕迹的用户可以删除，方法是打开该目录后全选删除。

谷歌更新隐私政策：用户授权搜索等服务读取Gmail、相册和云端硬盘数据后，AI生成的摘要、摘录和推断可能用于个性化广告；广告主无法直接访问用户数据，谷歌也不会依据敏感信息投放广告；用户可在账户隐私设置中查看并断开已连接应用，停止授权。

谷歌安卓设备默认开启手机号验证，会将设备上的号码自动绑定到所有登录的谷歌账号（包括小号），该功能可能自2025年秋季上线，近期因通知邮件引发隐私关注。建议在设置中关闭自动验证，并手动删除已绑定的多余号码，仅保留主号。

音乐人兼调查记者Benn Jordan在播客中批评Flock车牌识别系统：该系统建立私人数据库，警方可无证跨州追踪车辆，并存在多重安全漏洞。目前数百城市已取消合同，Flock因此裁员18%。Jordan认为问题核心在于政府监管失职，呼吁加强透明度与问责，而非仅针对单一公司。

Meta推出无摄像头Ray-Ban Meta Audio智能眼镜，售价349美元。外观似普通眼镜，佩戴无偷拍感，支持开放式音频、通话和AI助手，续航出色、轻便舒适。但音质一般、漏音，AI功能有限，价格偏高。作者认为它更像一副好用的开放式耳机，无摄像头缓解隐私担忧，但未根本解决智能眼镜的监控争议。

AI代理公司纷纷承诺保护隐私。Meta推出Muse，宣称比OpenClaw更安全，但被曝可访问用户数据、存在漏洞并过度收集信息。OpenAI随后发布Dots，强调可信安全，并提供企业数据控制选项。文章质疑这些隐私承诺能否兑现，指出AI代理需大量个人数据，用户仍难安心。

亚马逊利用购物数据推测用户特征，如“臀部扁平”“没朋友”“把猫当亲生孩子”等，引发热议。用户可在账户设置的“购物偏好—关于你”中查看并编辑或删除这些标签。

一项研究分析Reddit上开发者报告，揭示LLM原生IDE的安全隐私风险。研究收集446篇相关帖，归纳出10类32个问题：安全方面以未授权文件操作最突出，隐私方面以缺乏透明度为主。七成问题源于系统设计而非模型本身。开发者多靠自行配置、代码审查等13种方法应对，反映信任缺口。

科技公司正借AI硬件重新定义“录制”：苹果拟推出不存视频、仅用AI生成文字描述的智能家居摄像头，Apple Watch的音频智能也不保存音频，谷歌亦在考虑类似方案。作者认为，只要生成可保存、可查看的文字记录，本质上仍是录制。此类设备模糊了录制边界，涉及他人隐私与公共规范，社会需就“何为录制”达成共识。

苹果将收紧 macOS 的“完全磁盘访问”权限。该权限原为备份、杀毒等软件保留，但 Personal Agent 借机大量读取用户隐私，已出现邮件注入、泄露地址等真实风险。苹果因此加强管控，代价是 macOS 自由度下降。作者认为 Personal Agent 并非处理生活事务的最佳方案，热潮退去后，被收紧的权限却难以恢复。

苹果将限制Mac的“完全磁盘访问”权限。由于AI代理日益自主，该权限风险大增，且部分开发者滥用，可能暴露用户文件、邮件、信息及浏览历史。今后应用需用户非常明确的操作才能获得该权限，以保护隐私。

亚马逊送货司机将佩戴可拍照智能眼镜，每班次可拍摄数千张照片并上传至AI平台。亚马逊称仅用于优化配送，会模糊路人和车牌，但未提供客户退出选项，也不允许客户查看或删除照片。公司计划到2027年底再部署2万副眼镜。

美国东北大学与《消费者报告》测试21辆在美销售新车，发现全部向第三方域名传输数据，过半联系广告、追踪或分析公司；安卓车载系统车型传输域名最多。7款配套应用还泄露车架号、电话和精确位置。本田获知后要求删除位置数据并更新应用。研究认为消费者缺乏透明度和控制权，车企应提供更明确的主动同意机制。

数据从创建到删除经历完整生命周期，同一数据常存于数据库、缓存、搜索索引、分析管道和备份等多处，各有用途与更新节奏。理解该生命周期有助于统筹数据库设计、性能、报表、存储成本、恢复与隐私等决策。

麻省理工学院可感知城市实验室新书《AI如何看城市》探讨视觉AI对城市研究的价值与风险。作者指出，AI可大规模分析图像数据，用于交通、污染、绿化等研究，但普遍监控会侵犯隐私，训练偏差也可能强化社会偏见。AI并非中立，应审慎、批判且创造性地使用。