# MemPrivacy 给 AI 记忆加了一层本地化名保护，边端和云端都能用

> 原标题：越懂你，越危险？MemPrivacy揭示AI记忆下一站

- 来源：机器之心 · 公众号
- 发布时间：2026-05-15T02:06:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/21620
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651033181&idx=1&sn=58be8f87e7b906bc0460ee612e007055

## 摘要

MemTensor 和荣耀开源了一套叫 MemPrivacy 的隐私方案，专门保护边端和云端 agent 的记忆数据。做法是在本地把敏感信息换成可逆的化名，模型看到的是假名，但需要时还能还原。他们同时放出了一个 MemPrivacy-4B-RL 模型，在自建的 MemPrivacy-Bench 评测上综合 F1 到了 85.97%，比 OpenAI 的...

## 推荐理由

我会先打个折：这是 MemTensor 和荣耀的单篇开源发布，不是头部大厂，所以重要性停在 78。但选题很准——端云 agent 记忆的隐私风险，用端侧可逆伪匿名化来挡，不是空谈。MemPrivacy-4B-RL 在自家 MemPrivacy-Bench 上 F1 85.97%，比 OpenAI 的隐私过滤器高出 50.47 个百分点，数字看着漂亮，不过正文没披露这个 benchmark 的构造细节和样本量，这点先别太激动。对做 agent 记忆和端侧安全的从业者来说，方案思路和开源代码值得看一眼。

## 锐评

这条消息的核心是 MemTensor 和荣耀联合开源了 MemPrivacy，专门解决一个很实际的问题：当 AI agent 记住你的偏好、习惯后，这些记忆数据怎么防泄露。他们的做法是在本地设备上把真实姓名、地点等敏感信息替换成可逆的化名，模型训练和推理时只接触假名，必要时再还原。这比直接过滤敏感词更灵活，也避免了把原始隐私数据传到云端。

他们同时放出了一个 MemPrivacy-4B-RL 模型，在自建的 MemPrivacy-Bench 评测上综合 F1 达到 85.97%，比 OpenAI 的隐私过滤高出 50.47 个百分点。这个基准覆盖了 200 个用户、超过 15.5 万条隐私项，规模不算小。但要注意，这是自建基准，不是第三方独立评测，而且模型只有 4B 参数，实际部署到手机或边缘设备上的延迟和功耗表现正文没提。

目前最大的信息缺口是：正文被微信验证页挡住了，技术细节、开源地址、实际使用限制都看不到。化名方案的可逆性本身也可能成为新的攻击面——如果化名映射表被拿到，保护就失效了。这点先别太激动，等看到完整论文和代码再判断。