本論文では、従来の大規模言語モデル（LLMs）を用いたコミュニケーションにおけるユーザープライバシーの重要性を強調しています。ユーザーが感情的または敏感な話題について会話する際、送信されるプロンプトには個人を特定できる情報（PII）が含まれるリスクがあります。特に、友人や同僚に関する話題はこのリスクが高まります。本研究では、ユーザーのプライバシーを保護するために、プロンプトをLLMに送信する前に修正する「Whistledown」を提案しています。Whistledownは、擬似匿名化とε-局所的微分プライバシー（ε-LDP）を組み合わせて、会話の有用性を損なうことなくプライバシー保護を実現します。また、ユーザーのデバイス内で直接展開でき、企業利用者向けにはゼロトラスト環境内での中央集権的な配置も可能です。