该研究探讨了文本匿名化在保护数据隐私和遵守相关法律方面的困境和挑战，并提出了一种名为 TILD 的评估标准来衡量匿名化方法的性能和信息损失，以及人类重新识别隐去文档的能力，为实现匿名化性能标准化提供了可能。

Mar, 2021

本研究通过对比分析使用转换器模型和大型语言模型 (LLM) 与传统架构进行文本匿名化任务的性能，评估了几种模型的表现，并展示了每种方法的优点和缺点，为研究人员选择最合适的模型提供了明确的视角。

Apr, 2024

文本消毒是将文档进行编码以掩盖其中所有（直接或间接的）个人标识符的任务，以掩盖所指个体的身份。本文考虑了一种两步法的文本消毒方法，并对其在最近发布的两个数据集（Text Anonymization Benchmark 和一组维基百科传记）上的实证表现进行了详细分析。

Oct, 2023

本文提出一种基于远程监督的方法，利用知识图谱自动标注出表示个人信息的文档，以训练文本匿名化模型，进而实现 k - 匿名。通过在 Wikipedia 等网站上提取的知识图谱，并利用 RoBERTa 模型进行评估，本方法显示出潜力，但也揭示了可能由于知识图谱存在噪声或不完整而引起的问题。

May, 2022

我们使用一种基于 BERT 模型的新方法，将现有的匿名化软件与机器学习相结合，进一步减少人工劳动，增强自动建议，从而提高了超过 5％的 F1 分数，并演示了将法院决定发布给公众所依赖的适当匿名化的重要性。

Oct, 2023

本研究讨论了 NLP 模型性能评估中存在的偏向、伪相关以及假象等因素，并提出了使用 Text Characterization Toolkit 这一工具进行更深层次的结果分析和性质研究的方法。使用这一工具，可以预测难以处理的样本，识别数据集中潜在的（有害的）偏向和启发式方法。

Oct, 2022

本文介绍了一种名为 Textwash 的开源文本匿名化软件，并使用 TILD 标准对其进行了实证评估，结果表明其在实体识别模型方面的表现类似于最先进的模型，且信息损失很小，匿名比例在 1.01%-2.01% 之间。

Aug, 2022

探究匿名化技术对多种 NLP 任务中 ML 模型性能的影响，旨在寻找更好的匿名化技术，同时发现一些技术并不能有效避免由相似性搜索发起的重新识别攻击。

Sep, 2022

通过开发 Text2Analysis 基准和创新的注释方法，我们展示了在表格数据分析领域中大规模语言模型的潜力，以推动进一步的研究机会。

Dec, 2023

本研究的目标是解决临床报告去识别化的问题，以允许访问数据以进行研究，同时确保患者隐私。作者通过使用深度学习模型和手动规则，对临床文件进行伪匿名化，取得了 0.99 的 F1 评分，并分享了相关代码和指南。

Mar, 2023