Oct, 2023

带隐私风险指标的神经文本清洗：实证分析

PDF
TL;DR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。
发现论文，激发创造
  • 超越特定领域的文本清洗：基于大型语言模型的零射手密封 & 替换

    使用大型语言模型，我们提出了一种零偏差文本消毒技术，它能够检测和替换潜在的敏感信息，既保护隐私，又保持文本的连贯性和上下文信息，为下游任务保留数据效用。

    Nov, 2023

  • 通过自然文本清洗技术实现文本分析的差分隐私保护

    本文提出了利用局部差分隐私 (DP) 对文本进行隐私保护的方法，使 BERT 自然语言处理可以进行隐私保护并保证了较高的数据效用，然而高效用并未增加推理攻击的成功率。

    Jun, 2021

  • 减轻举报人重新识别风险的半自动化文本清理工具

    我们提出并评估了一种用于重写文本的分类和缓解策略，该策略涉及向揭发者征求风险和实用性评估，并使用微调的 LLM 进行复述，能够显著降低作者归属攻击的准确性，同时保留原始内容语义的多达 73.1%。

    May, 2024

  • C-sanitized：文本涂抹和净化的隐私模型

    本文针对当前信息社会的敏感性信息进行隐私保护的问题，提出了一种基于数据语义和信息理论的文档信息去标识化模型，并通过多种应用案例的实证测试，证明其具备可行性和与人工操作相近的功效。

    Jun, 2014

  • 无监督文本去识别化

    该研究提出了一种利用未标记数据进行自动去识别的方法，采用一种特殊的训练模型来识别红 acted 个人文档中的个人信息，并在保护个人信息的前提下最小化正确识别文档的难度，此方法在去除标示实体的同时更彻底地去识别文档，相较于其他无人监督的方法性能更优。

    Oct, 2022

  • Textwash -- 自动开源的文本匿名化

    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

  • 保护隐私文本匿名化的评估标准：无入侵者即无效性

    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

  • 针对医疗记录去标识化的保护隐私文本表示的对抗性学习

    本论文提出使用 LSTM-CRF 模型和隐私保护技术，创造出不含保护健康信息的医疗文本表示来训练医疗文本去识别化，达到了 97.4% 的 F1 得分。

    Jun, 2019

  • 我非我所写：隐私保护文本表示学习

    该研究提出了一种文本数据双重隐私保护表示学习框架 (DPText), 可以实现高效保护用户隐私同时保证数据在情感分析和词性标注等任务中有较高实用价值。

    Jul, 2019

  • 去标识化文本转化的隐私保证

    本文基于差分隐私原理给出了关于基于文本转换的去识别化方法的形式化隐私保证，并探究了不同的掩盖策略对与自然语言处理任务的影响。作者发现，只有通过深度学习模型进行逐字替换的方法是在多个任务中具有鲁棒性的。

    Aug, 2020