論文の概要: Tau-Eval: A Unified Evaluation Framework for Useful and Private Text Anonymization

• arxiv url: http://arxiv.org/abs/2506.05979v1
• Date: Fri, 06 Jun 2025 10:59:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-09 17:28:43.439783
• Title: Tau-Eval: A Unified Evaluation Framework for Useful and Private Text Anonymization
• Title（参考訳）: Tau-Eval: 有用でプライベートなテキスト匿名化のための統一評価フレームワーク
• Authors: Gabriel Loiseau, Damien Sileo, Damien Riquet, Maxime Meyer, Marc Tommasi,
• Abstract要約: 本稿では,テキスト匿名化手法をベンチマークするオープンソースフレームワークであるTau-Evalを紹介する。 Pythonライブラリ、コード、ドキュメント、チュートリアルが公開されている。
• 参考スコア（独自算出の注目度）: 5.239989658197324
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text anonymization is the process of removing or obfuscating information from textual data to protect the privacy of individuals. This process inherently involves a complex trade-off between privacy protection and information preservation, where stringent anonymization methods can significantly impact the text's utility for downstream applications. Evaluating the effectiveness of text anonymization proves challenging from both privacy and utility perspectives, as there is no universal benchmark that can comprehensively assess anonymization techniques across diverse, and sometimes contradictory contexts. We present Tau-Eval, an open-source framework for benchmarking text anonymization methods through the lens of privacy and utility task sensitivity. A Python library, code, documentation and tutorials are publicly available.
• Abstract（参考訳）: テキスト匿名化(英: Text anonymization)とは、個人のプライバシーを守るために、テキストデータから情報を削除または隠蔽するプロセスである。 このプロセスは本質的にプライバシ保護と情報保存の間の複雑なトレードオフを伴い、厳密な匿名化手法は下流アプリケーションに対するテキストの有用性に大きな影響を及ぼす可能性がある。 テキスト匿名化の有効性を評価することは、プライバシーとユーティリティの両方の観点から難しいことを証明している。 本稿では,プライバシとユーティリティタスクの感度の両面から,テキスト匿名化手法をベンチマークするオープンソースフレームワークであるTau-Evalを紹介する。 Pythonライブラリ、コード、ドキュメント、チュートリアルが公開されている。

関連論文リスト

• Self-Refining Language Model Anonymizers via Adversarial Distillation [49.17383264812234]
  大きな言語モデル(LLM)は、個人情報を推測する能力がプライバシーのリスクを生じさせるセンシティブなドメインで、ますます使われています。 本稿では,SLM(Small Language Model)を訓練し,効率的な匿名化を実現するための新しい蒸留フレームワークであるSEAL(Self-refining Anonymization with Language Model)を紹介する。
  論文  参考訳（メタデータ） (2025-06-02T08:21:27Z)
• A False Sense of Privacy: Evaluating Textual Data Sanitization Beyond Surface-level Privacy Leakage [77.83757117924995]
  我々は、データリリース時の個人のプライバシーリスクを定量化するために、再識別攻撃を評価する新しいフレームワークを提案する。 本手法は, 衛生データから年齢や物質使用履歴などのセンシティブな属性を推測するために, 一見無害な補助情報を利用できることを示す。
  論文  参考訳（メタデータ） (2025-04-28T01:16:27Z)
• Robust Utility-Preserving Text Anonymization Based on Large Language Models [80.5266278002083]
  テキストの匿名化は、プライバシーを維持しながら機密データを共有するために重要である。 既存の技術は、大規模言語モデルの再識別攻撃能力の新たな課題に直面している。 本稿では,3つのLCMベースコンポーネント – プライバシ評価器,ユーティリティ評価器,最適化コンポーネント – で構成されるフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T14:28:56Z)
• IncogniText: Privacy-enhancing Conditional Text Anonymization via LLM-based Private Attribute Randomization [8.483679748399037]
  IncogniTextは,テキストを匿名化して潜在的敵を誤認し,誤った属性値を予測する手法である。 実証評価の結果,8種類の属性に対して,プライベート属性リークが90%以上減少していることがわかった。
  論文  参考訳（メタデータ） (2024-07-03T09:49:03Z)
• NAP^2: A Benchmark for Naturalness and Privacy-Preserving Text Rewriting by Learning from Human [56.46355425175232]
  我々は,人間によって使用される2つの共通戦略を用いて,機密テキストの衛生化を提案する。 我々は,クラウドソーシングと大規模言語モデルの利用を通じて,NAP2という最初のコーパスをキュレートする。 匿名化に関する以前の研究と比較すると、人間に触発されたアプローチはより自然な書き直しをもたらす。
  論文  参考訳（メタデータ） (2024-06-06T05:07:44Z)
• The Text Anonymization Benchmark (TAB): A Dedicated Corpus and Evaluation Framework for Text Anonymization [2.9849405664643585]
  本稿では,テキスト匿名化手法の性能評価のための新しいベンチマークと関連する評価指標を提案する。 テキスト匿名化は、個人情報の開示を防ぐためにテキスト文書を編集するタスクとして定義されており、現在、プライバシー指向の注釈付きテキストリソースが不足している。 本稿では,TAB (Text Anonymization Benchmark) について述べる。
  論文  参考訳（メタデータ） (2022-01-25T14:34:42Z)
• 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)

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。