論文の概要: STAMP: Selective Task-Aware Mechanism for Text Privacy

• arxiv url: http://arxiv.org/abs/2603.12237v1
• Date: Thu, 12 Mar 2026 17:55:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:26.275692
• Title: STAMP: Selective Task-Aware Mechanism for Text Privacy
• Title（参考訳）: STAMP: テキストプライバシのための選択的なタスク認識メカニズム
• Authors: Fengwei Tian, Payel Bhattacharjee, Heidi Hanson, Geoffrey D. Rubin, Joseph Y. Lo, Ravi Tandon,
• Abstract要約: STAMPはタスク対応のテキスト民営化のための新しいフレームワークで、プライバシーとユーティリティのトレードオフを改善している。 単位球面への埋め込み方向のみを摂動する極性機構を導入し,その大きさを保存した。 SQuAD、Yelp、AG Newsのデータセットに対する実験的評価は、STAMPが正常化された極性メカニズムと組み合わせることで、優れたプライバシユーティリティトレードオフが一貫して達成されることを示している。
• 参考スコア（独自算出の注目度）: 5.453215632053115
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present STAMP (Selective Task-Aware Mechanism for Text Privacy), a new framework for task-aware text privatization that achieves an improved privacy-utility trade-off. STAMP selectively allocates privacy budgets across tokens by jointly considering (i) each token's importance to the downstream task (as measured via a task- or query-specific representation), and (ii) its privacy sensitivity (e.g., names, dates, identifiers). This token-level partitioning enables fine-grained, group-wise control over the level of noise applied to different parts of the input, balancing privacy protection with task relevance. To privatize individual token embeddings, we introduce the polar mechanism, which perturbs only the direction of embeddings on the unit sphere while preserving their magnitude. Decoding is performed via cosine nearest-neighbor search, aligning the perturbation geometry with the decoding geometry. Unlike isotropic noise mechanisms, the polar mechanism maintains semantic neighborhoods in the embedding space and better preserves downstream utility. Experimental evaluations on SQuAD, Yelp, and AG News datasets demonstrate that STAMP, when combined with the normalized polar mechanism, consistently achieves superior privacy-utility trade-offs across varying per-token privacy budgets.
• Abstract（参考訳）: 本稿では,STAMP(Selective Task-Aware Mechanism for Text Privacy)を提案する。 STAMPはトークン間でのプライバシー予算を共同検討により選択的に割り当てる i) 各トークンがダウンストリームタスク(タスクまたはクエリ固有の表現によって測定される)に対して重要であること、 (ii)プライバシーの感度(名前、日付、識別子など)。 このトークンレベルのパーティショニングは、入力の異なる部分に適用されるノイズのレベルを細かくグループ単位で制御し、プライバシ保護とタスク関連性のバランスをとることができる。 個別のトークンの埋め込みを民営化するために、極性機構を導入し、その大きさを保ちながら、単位球上に埋め込まれる埋め込みの方向のみを摂動させる。 復号化はコサイン近傍探索によって行われ、摂動幾何学と復号化幾何学を一致させる。 等方性ノイズ機構とは異なり、極性メカニズムは埋め込み空間におけるセマンティックな近傍を維持し、下流のユーティリティをよりよく保存する。 SQuAD、Yelp、AG Newsのデータセットに対する実験的評価は、STAMPが正常化された極性メカニズムと組み合わせることで、トーケン毎のさまざまなプライバシー予算における優れたプライバシー利用トレードオフを一貫して達成していることを示している。

関連論文リスト

• CityGuard: Graph-Aware Private Descriptors for Bias-Resilient Identity Search Across Urban Cameras [16.147944008359957]
  CityGuardは、分散型監視におけるプライバシー保護ID検索のためのトポロジ対応トランスフォーマーである。 分散適応計量学習器は、特徴展開に応じてインスタンスレベルのマージンを調整し、クラス内コンパクト性を高める。 プライベート埋め込みマップは、セキュアでコスト効率の良いデプロイメントをサポートするために、コンパクトな近似インデックスと結合される。
  論文  参考訳（メタデータ） (2026-02-20T08:00:17Z)
• DP-MGTD: Privacy-Preserving Machine-Generated Text Detection via Adaptive Differentially Private Entity Sanitization [26.29089564225218]
  本稿では,Adaptive Differentially Private Entity Sanitizationアルゴリズムを組み込んだフレームワークを提案する。 提案手法は,検出精度がほぼ良好であり,非プライベートベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2026-01-08T06:33:15Z)
• Breaking the Gaussian Barrier: Residual-PAC Privacy for Automatic Privatization [27.430637970345433]
  PACプライバシーアルゴリズムによって得られる上限は、摂動機構の出力が独立雑音を伴うガウス的である場合にのみ厳密であることを示す。 本稿では,逆推定後に残るプライバシを定量化するf-divergenceベースの尺度であるResidual-PAC(R-PAC)プライバシーを紹介する。 提案手法は,任意のデータ分布に対する効率的なプライバシ予算利用を実現し,複数のメカニズムがデータセットにアクセスすると自然に構成する。
  論文  参考訳（メタデータ） (2025-06-06T20:52:47Z)
• Unified Mechanism-Specific Amplification by Subsampling and Group Privacy Amplification [54.1447806347273]
  サブサンプリングによる増幅は、差分プライバシーを持つ機械学習の主要なプリミティブの1つである。 本稿では、メカニズム固有の保証を導出するための最初の一般的なフレームワークを提案する。 サブサンプリングが複数のユーザのプライバシに与える影響を分析する。
  論文  参考訳（メタデータ） (2024-03-07T19:36:05Z)
• Adaptive Privacy Composition for Accuracy-first Mechanisms [55.53725113597539]
  ノイズ低減機構はますます正確な答えを生み出す。 アナリストは、公表された最も騒々しい、あるいは最も正確な回答のプライバシー費用のみを支払う。 ポスト前のプライベートメカニズムがどのように構成されるかは、まだ研究されていない。 我々は、分析者が微分プライベートとポストプライベートのメカニズムを適応的に切り替えることのできるプライバシーフィルタを開発した。
  論文  参考訳（メタデータ） (2023-06-24T00:33:34Z)
• Breaking the Communication-Privacy-Accuracy Tradeoff with $f$-Differential Privacy [51.11280118806893]
  サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。 有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。 より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
  論文  参考訳（メタデータ） (2023-02-19T16:58:53Z)

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。