論文の概要: Defending Against Authorship Identification Attacks

• arxiv url: http://arxiv.org/abs/2310.01568v1
• Date: Mon, 2 Oct 2023 19:03:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-04 19:18:52.629748
• Title: Defending Against Authorship Identification Attacks
• Title（参考訳）: 権限識別攻撃に対する防御
• Authors: Haining Wang
• Abstract要約: 著者の識別は、署名されていない文書の著者の同一性を推測するのに不安定に有効であることが証明されている。 この論文は、過去20年以上にわたるこの研究領域の進歩に関する総合的なレビューを提供する。
• 参考スコア（独自算出の注目度）: 9.148691357200216
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Authorship identification has proven unsettlingly effective in inferring the identity of the author of an unsigned document, even when sensitive personal information has been carefully omitted. In the digital era, individuals leave a lasting digital footprint through their written content, whether it is posted on social media, stored on their employer's computers, or located elsewhere. When individuals need to communicate publicly yet wish to remain anonymous, there is little available to protect them from unwanted authorship identification. This unprecedented threat to privacy is evident in scenarios such as whistle-blowing. Proposed defenses against authorship identification attacks primarily aim to obfuscate one's writing style, thereby making it unlinkable to their pre-existing writing, while concurrently preserving the original meaning and grammatical integrity. The presented work offers a comprehensive review of the advancements in this research area spanning over the past two decades and beyond. It emphasizes the methodological frameworks of modification and generation-based strategies devised to evade authorship identification attacks, highlighting joint efforts from the differential privacy community. Limitations of current research are discussed, with a spotlight on open challenges and potential research avenues.
• Abstract（参考訳）: 著者の識別は、機密個人情報が慎重に省略された場合でも、署名されていない文書の著者の身元を推測するのに不安定に有効であることが証明されている。 デジタル時代には、個人は、ソーシャルメディアに投稿されたり、雇用主のコンピュータに保管されたり、あるいは他の場所にあったりして、書かれたコンテンツを通じてデジタルの足跡を残している。 個人が公の場でコミュニケーションを取る必要があるが、匿名を希望する場合は、望ましくない著者の身元確認から保護することはほとんどできない。 このプライバシーに対する前例のない脅威は、内部告発のようなシナリオで明らかだ。 著者識別攻撃に対する防御は、主に文章のスタイルを曖昧にすることを目的としており、それによって、元の意味と文法的完全性を同時に保持しながら、既存の文章とリンクできないようにしている。 この論文は、過去20年以上にわたるこの研究領域の進歩に関する総合的なレビューを提供する。 著者識別攻撃を避けるために考案された修正および世代ベースの戦略の方法論的枠組みを強調し、差分プライバシーコミュニティによる共同の取り組みを強調している。 現在の研究の限界について論じ、オープンチャレンジと潜在的研究の道に注目する。

関連論文リスト

• RedactBuster: Entity Type Recognition from Redacted Documents [13.172863061928899]
  文コンテキストを用いた最初の匿名化モデルであるRedactBusterを提案し、反応テキスト上で名前付きエンティティ認識を行う。 我々はRedactBusterを最も効果的なリアクション技術に対してテストし、公開されているテキスト匿名化ベンチマーク(TAB)を用いて評価する。 その結果,文書の性質やエンティティタイプに関わらず,最大0.985の精度が得られた。
  論文  参考訳（メタデータ） (2024-04-19T16:42:44Z)
• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• JAMDEC: Unsupervised Authorship Obfuscation using Constrained Decoding over Small Language Models [53.83273575102087]
  著者の難読化に対する教師なし推論時間アプローチを提案する。 本稿では,著者難読化のためのユーザ制御推論時間アルゴリズムであるJAMDECを紹介する。 提案手法は,GPT2-XL などの小型言語モデルに基づいて,オリジナルコンテンツをプロプライエタリな LLM の API に公開するのを防ぐ。
  論文  参考訳（メタデータ） (2024-02-13T19:54:29Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• User-Centered Security in Natural Language Processing [0.7106986689736825]
  自然言語処理(NLP)におけるユーザ中心のセキュリティの枠組みの提案 NLP内の2つのセキュリティドメインに重点を置いている。
  論文  参考訳（メタデータ） (2023-01-10T22:34:19Z)
• Unsupervised Text Deidentification [101.2219634341714]
  個人識別情報を漏洩する単語を隠蔽する教師なしの識別手法を提案する。 K匿名性に基づくプライバシによって動機づけられた私たちは、最小の再識別ランクを保証するリアクションを生成します。
  論文  参考訳（メタデータ） (2022-10-20T18:54:39Z)
• Statistical anonymity: Quantifying reidentification risks without reidentifying users [4.103598036312231]
  データ匿名化は、参加者の再識別を防ぐためのプライバシ保護データリリースに対するアプローチである。 リリースされたデータに$k$匿名を強制するための既存のアルゴリズムは、匿名化を実行するキュレーターが元のデータに完全にアクセスできることを前提としている。 本稿では,キュレーターに置かれなければならない信頼を減らすためのアイデアについて検討するが,それでも$k$匿名性の統計的概念は維持されている。
  論文  参考訳（メタデータ） (2022-01-28T18:12:44Z)
• Protecting Anonymous Speech: A Generative Adversarial Network Methodology for Removing Stylistic Indicators in Text [2.9005223064604078]
  我々は,生成的敵ネットワークの構築によるオーサリングの匿名化への新たなアプローチを開発する。 完全自動方式は,コンテンツ保存や流布の点で他の手法と同等の結果が得られる。 我々のアプローチは、オープンセットの文脈に順応し、これまで遭遇したことのない著者の文章を匿名化することができる。
  論文  参考訳（メタデータ） (2021-10-18T17:45:56Z)
• No Intruder, no Validity: Evaluation Criteria for Privacy-Preserving Text Anonymization [0.48733623015338234]
  自動テキスト匿名化システムを開発する研究者や実践者は,その評価手法が,個人を再同定から保護するシステムの能力に本当に反映しているかどうかを慎重に評価すべきである。 本稿では,匿名化手法の技術的性能,匿名化による情報損失,不正文書の非匿名化能力を含む評価基準のセットを提案する。
  論文  参考訳（メタデータ） (2021-03-16T18:18:29Z)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。