Puda：プライベートなユーザーデータエージェントによるユーザー主権とプライバシープロテクト

個人情報が大きなプラットフォーム提供者（検索エンジン、ソーシャルネットワーキングサービス、電子 commerce を含む）によって中央化され、その結果、ユーザーの主権が圧縮されたエコシステムをつくり出し、サービス間でデータ利用に制限がかかり、ユーザー権利が影が成りつつある。一方で、Large Language Model (LLM) 基盤のエージェントが急速な収束によりハイパーオリエンテッドサービスへの関心と個々のデータを動的に提供しようとする消費者のニーズが増えています。これは非常に複雑でチャレンジングな問題であり、そのデータを使用する一方でプライバシー保護も求められています。この課題解決策として、我々はPuda (私user データエージェント) を提案しました。それは、そのデータを跨がすサービス間の統合とクライアントサイドでの管理を可能にするユーザー主権型のアーキテクチャです。 Puda は詳細なブラウジング歴、抽出したキーワード、およびプレ定義されたカテゴリーサブセットあたり、データ解放性をユーザーに制御させることができます：（i）詳細なブラウジング歴、(ii) 效果的に抽出したキーワード、そして（iii）预先設定されたカテゴリーサブセット。 Puda をブラウザベースのシステムとして実装し、異なるサービス間で共通化プラットフォームを提供し、 personalized travel planning 作業を通じてその評価を行いました。 我々の結果は、プレ定義られたカテゴリーのスナップを作成することで、詳細としたブラウジング歴から得られる個人化パフォーマンスの約97.2% を取得できると示しています( LLama-as-a-Judge イヤフレームを通じて評価されています）。これらの結論は、Puda のメトリクルマルタイグの有用な選択を提供し、プライバシー – 個人化のトレードオフを効果的に解消することを示します。 つまりそれはユーザーが個人補助性 AI のフルポテンシャルを安全に利用できるアーキテクチャです。

arXiv:2602.08268v1 Announce Type: new Abstract: Personal data centralization among dominant platform providers including search engines, social networking services, and e-commerce has created siloed ecosystems that restrict user sovereignty, thereby impeding data use across services. Meanwhile, the rapid proliferation of Large Language Model (LLM)-based agents has intensified demand for highly personalized services that require the dynamic provision of diverse personal data. This presents a significant challenge: balancing the utilization of such data with privacy protection. To address this challenge, we propose Puda (Private User Dataset Agent), a user-sovereign architecture that aggregates data across services and enables client-side management. Puda allows users to control data sharing at three privacy levels: (i) Detailed Browsing History, (ii) Extracted Keywords, and (iii) Predefined Category Subsets. We implemented Puda as a browser-based system that serves as a common platform across diverse services and evaluated it through a personalized travel planning task. Our results show that providing Predefined Category Subsets achieves 97.2% of the personalization performance (evaluated via an LLM-as-a-Judge framework across three criteria) obtained when sharing Detailed Browsing History. These findings demonstrate that Puda enables effective multi-granularity management, offering practical choices to mitigate the privacy-personalization trade-off. Overall, Puda provides an AI-native foundation for user sovereignty, empowering users to safely leverage the full potential of personalized AI.