في عالم يعتمد بشكل متزايد على الذكاء الاصطناعي، تعتبر الوكالات الذاتية التي تعمل بواسطة نماذج اللغات الضخمة (LLMs) من العناصر الأساسية للعديد من التطبيقات. هذه الوكالات تحتاج إلى الوصول إلى حالات واجهات المستخدم الغنية لتحقيق الاستجابة الدقيقة في البيئات الرقمية المعقدة. ومع ذلك، غالبًا ما تتطلب هذه الأنظمة إرسال معلومات شاملة حول حالة الواجهة إلى خوادم البيانات الخارجية، مما يؤدي إلى تسرب معلومات حساسة مثل رموز التحقق والإشعارات الخاصة.

هنا يأتي دور MINIM، النظام الرائد الذي يقدم حلاً فعالاً لحماية الخصوصية من خلال تنفيذ تقييم موثوق للبيانات على الجانب المحلي قبل انتقال أي معلومات إلى الخادم. يعتمد MINIM على مفهوم النزاهة السياقية (Contextual Integrity) لتقديم تمثيل مزدوج لكل عنصر في واجهة المستخدم، من خلال تحديد درجة حساسية (s) ودرجة الضرورة المرتبطة بالمهمة (n).

تعمل هذه الدرجات على توجيه سياسة الكشف الثلاثية، التي تحتفظ بالعناصر الأساسية، وتلخص الصفات الحساسة عند الحاجة، وتزيل المحتوى غير ذي الصلة بالمهمة. وبهذا، يوفر MINIM توازنًا ممتازًا بين الأمان وفعالية الأداء، مما يُمكن الوكالات من العمل بشكل موثوق بينما يحافظ على معلومات المستخدم محمية.

أظهرت التجارب التي أُجريت على بيانات حقيقية مأخوذة من WebArena أن MINIM يقلل بشكل ملحوظ من تسرب المعلومات الحساسة غير المتعلقة بالمهمة، فيما يحتفظ بالسياق الدلالي الضروري والسماح بالتفاعل المطلوب لتنفيذ الإجراءات بشكل موثوق.