論文の概要: Detecting Sensitive Personal Information in Japanese Pre-Training Corpora for Large Language Models
- arxiv url: http://arxiv.org/abs/2606.12114v1
- Date: Wed, 10 Jun 2026 14:07:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.498805
- Title: Detecting Sensitive Personal Information in Japanese Pre-Training Corpora for Large Language Models
- Title（参考訳）: 大規模言語モデルのための日本語事前学習コーパスにおける感性的個人情報の検出
- Authors: Rei Minamoto, Yusuke Oda, Daisuke Kawahara,
- Abstract要約: 本研究は、日本の個人情報保護法(APPI)に基づく特別ケア要求個人情報(SCPI)として定義された機密個人情報に焦点を当てる。
LLMに基づくアノテーションを用いてSCPIデータセットを構築し、機械学習モデルを用いてテキスト中のSCPIを高速に検出する。
- 参考スコア（独自算出の注目度）: 12.05234772692272
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sensitive personal information can appear in large-scale pre-training corpora for large language models (LLMs). Detecting and filtering such information is therefore essential to ensure compliance with privacy regulations and prevent unintended information leakage. However, in contrast to English and other languages, research into sensitive personal information has been limited in the Japanese language. In this study, we focus on sensitive personal data defined as special care-required personal information (SCPI) under Japan's Act on the Protection of Personal Information (APPI). We construct an SCPI dataset using LLM-based annotation and train machine learning models to rapidly detect SCPI in text. As a result, our SCPI classifier can effectively identify information related to SCPI. This study is the first to explore SCPI detection in Japanese text corpora, highlighting the challenges of accurate detection.
- Abstract（参考訳）: 感性のある個人情報は、大規模言語モデル(LLM)のための大規模事前学習コーパスに現れる。
そのため、プライバシー規制の遵守と意図しない情報漏洩を防止するためには、そのような情報の検出とフィルタリングが不可欠である。
しかし、英語や他の言語とは対照的に、日本語では機密性のある個人情報の研究が限られている。
本研究では,日本の個人情報保護法(APPI)に基づき,特別ケア要求個人情報(SCPI)として定義された機密個人情報に着目した。
LLMに基づくアノテーションを用いてSCPIデータセットを構築し、機械学習モデルを用いてテキスト中のSCPIを高速に検出する。
その結果,SCPI分類器はSCPIに関連する情報を効果的に識別できることがわかった。
本研究は,日本語テキストコーパスにおけるSCPI検出を初めて検討し,精度の高い検出の課題を浮き彫りにした。
関連論文リスト
- Towards Privacy-Preserving Machine Translation at the Inference Stage: A New Task and Benchmark [52.063283137654196]
現在のオンライン翻訳サービスでは、ユーザテキストをクラウドサーバーに送信する必要がある。
本稿では,モデル推論段階におけるテキスト中のプライベート情報を保護することを目的とした,PPMT(Privacy-Preserving Machine Translation)タスクを提案する。
論文 参考訳（メタデータ） (2026-03-16T02:41:06Z) - MultiGraSCCo: A Multilingual Anonymization Benchmark with Annotations of Personal Identifiers [7.23434530131568]
私たちは10言語で多言語匿名化ベンチマークを作成します。
2,500以上の個人情報のアノテーションを用いたベンチマークは、多くのアプリケーションで使用できます。
論文 参考訳（メタデータ） (2026-03-09T19:44:36Z) - Unintended Memorization of Sensitive Information in Fine-Tuned Language Models [24.228889351240838]
センシティブデータセット上の微調整大言語モデル(LLM)は、意図しない暗記と個人識別情報漏洩の重大なリスクをもたらす(PII)
我々は、意図しないPII記憶の定量化と、言語、PII周波数、タスクタイプ、モデルサイズなどの要因が記憶行動にどのように影響するかを研究するために、制御された抽出プローブを設計した。
論文 参考訳（メタデータ） (2026-01-24T15:08:45Z) - Controlling What You Share: Assessing Language Model Adherence to Privacy Preferences [73.5779077857545]
ローカルモデルがこれらの命令を使ってクエリを書き換えるフレームワークを構築します。
軽量なローカルLCMを用いた実験では、微調整後、はるかに大きなゼロショットモデルの性能を著しく上回った。
同時に、このシステムは、ユーザー定義プライバシの好みをよりよく理解したモデルの必要性を強調し、ユーザー指示に完全に準拠するという課題に直面している。
論文 参考訳（メタデータ） (2025-07-07T18:22:55Z) - FLTrojan: Privacy Leakage Attacks against Federated Language Models Through Selective Weight Tampering [2.2194815687410627]
悪意のあるクライアントが、サーバからの協力なしに、FL内の他のユーザのプライバシーに敏感なデータを漏洩させる方法を示す。
提案手法は, 最大71%の個人データ再構成を達成し, 会員推算率を29%向上させる。
論文 参考訳（メタデータ） (2023-10-24T19:50:01Z) - PrivacyMind: Large Language Models Can Be Contextual Privacy Protection Learners [81.571305826793]
コンテキストプライバシ保護言語モデル(PrivacyMind)を紹介する。
我々の研究はモデル設計に関する理論的分析を提供し、様々な手法をベンチマークする。
特に、肯定的な例と否定的な例の両方による命令チューニングは、有望な方法である。
論文 参考訳（メタデータ） (2023-10-03T22:37:01Z) - How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。
プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
論文 参考訳（メタデータ） (2022-11-18T11:39:03Z)
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。