研究数据去匿名化研究议程 —— 卡尔・奶奶 27 岁

Aug, 2023

研究数据去匿名化研究议程 —— 卡尔・奶奶 27 岁

Grandma Karl is 27 years old -- research agenda for pseudonymization of research data

Elena Volodina, Simon Dobnik, Therese Lindström Tiedemann, Xuan-Son Vu

TL;DR本文概述了数据伪装领域的研究议程，即关于伪装处理对非结构化数据的影响，如可读性和语言评估等方面的研究需求，以及伪装作为保护作者身份的有效方式以及在非结构化数据中检测、标记和替换个人信息的不同上下文敏感算法的发展方法。刚获得的伪装项目 “Grandma Karl is 27 years old” 正好解决了这些挑战。

Abstract

Accessibility of research data is critical for advances in many research fields, but textual data often cannot be shared due to the personal and sensitive information which it contains, e.g names or political opinions. General Data Protection Regulation (GDPR) suggests →

research data pseudonymization unstructured data readability writer identity

发现论文，激发创造

隐形分类器：对敏感分类任务的伪姓名策略

分享我们的指南以及我们在处理敏感 NLP 数据时遇到的挑战和结果数据集，强调在数据共享中保护隐私的重要性，并确保数据的实用性和稳健的隐私保障。

Jun, 2024

临床数据仓库中自然语言处理算法的开发和验证，用于匿名化文件

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

基于匿名化的隐私和效用保护自然语言处理：假名化案例研究

本研究探讨了不同的假名化技术在各种数据集和用于两种广泛使用的 NLP 任务（文本分类和摘要）的模型中的有效性，重点关注假名化技术对原始数据和模型质量之间差距的关键见解，并促进未来研究更高质量的匿名化技术，以更好地平衡数据保护和效用保护之间的权衡。其中，代码、假名化数据集和下游模型均可公开获取。

Jun, 2023

自动去识别纵向临床叙述的调查