論文の概要: Privacy-Preserving Text Sanitization for Distributed Agents Collaboration via Disentangled Representations

• arxiv url: http://arxiv.org/abs/2606.15335v1
• Date: Sat, 13 Jun 2026 14:55:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.37009
• Title: Privacy-Preserving Text Sanitization for Distributed Agents Collaboration via Disentangled Representations
• Title（参考訳）: アンタングル表現による分散エージェント協調のためのプライバシ保護型テキスト衛生
• Authors: Xuan Liu, Hefeng Zhou, Sicheng Chen, Chao Yang, Xingcheng Xu, Jingjing Qu, Jiong Lou, Jie LI, Xia Hu,
• Abstract要約: マルチエージェントコラボレーションのためのプライバシー保護型衛生化フレームワークとインターン・シャノンの内蔵コンポーネントを提案する。 DiSanは2ストリームエンコーダを使用して、テキストをタスクのセマンティクスとローカルのままのソース識別スタイルのサブスペースを保持するソース不変ロールサブスペースに分解する。
• 参考スコア（独自算出の注目度）: 25.82874340558281
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When distributed agents exchange text across organizational boundaries, privacy leakage arises not only from explicit identifiers but also from distributional signatures such as formatting conventions, vocabulary choices, and syntactic patterns. We propose DiSan(Disentangled Sanitization), a privacy-preserving sanitization framework and a built-in component of Intern-Shannon for multi-agent collaboration. DiSan uses a two-stream encoder to factorize text into a source-invariant role subspace that preserves task semantics and a source-identifying style subspace that remains local. Federated proto-type alignment and adversarial regularization enable joint training without centralizing raw text. Experiments show that identifier-level masking is insufficient: masking 19.2% of tokens reduces TF-IDF stylometric attribution by only 18.6%. By contrast, DiSan reduces answer-level PII exposure by 20 times while maintaining 83% answer faithfulness on a distributed multi-agent RAG benchmark, and lowers Enron stylometric attribution by 73.2% under TF-IDF and 70.6% under a neural probe.
• Abstract（参考訳）: 分散エージェントが組織の境界を越えてテキストを交換する場合、プライバシーの漏洩は明示的な識別子だけでなく、フォーマット規則、語彙選択、構文パターンなどの配布シグネチャからも生じる。 マルチエージェントコラボレーションのためのプライバシー保護型衛生フレームワークであるDiSan(Disentangled Sanitization)を提案する。 DiSanは2ストリームエンコーダを使用して、テキストをタスクのセマンティクスとローカルのままのソース識別スタイルのサブスペースを保持するソース不変ロールサブスペースに分解する。 フェデレートされたプロト型アライメントと逆正則化は、原文を集中化せずにジョイントトレーニングを可能にする。 19.2%のトークンをマスクすると、TF-IDFのテクスチャ属性がわずか18.6%減少する。 対照的に、DiSanは、分散マルチエージェントRAGベンチマークにおいて83%の回答忠実性を保ちながら、回答レベルのPII露光を20倍減少させ、Enronのテクスチャ属性をTF-IDFで73.2%、ニューラルネットワークで70.6%低下させる。

関連論文リスト

• NearID: Identity Representation Learning via Near-identity Distractors [116.71529576796605]
  既存のビジョンエンコーダは、オブジェクトのアイデンティティを背景コンテキストと絡み合わせることで、信頼性の低い表現やメトリクスを生み出します。 我々は、この脆弱性に対処するための最初の原則付きフレームワークをNear-identity distractorsを使って紹介する。 我々は、厳密なマージンベースの評価プロトコルとともに、NearIDデータセット(19KのID、316Kの一致したコンテキストインタプリタ)を提示する。
  論文  参考訳（メタデータ） (2026-04-02T12:33:14Z)
• Towards Context-Aware Image Anonymization with Multi-Agent Reasoning [0.0]
  拡散型匿名化を用いた文脈認識型PIIセグメンテーションのためのエージェントフレームワークCAIAMARを提案する。 Plan-Do-Check-Actサイクルにおいて、3つの特殊エージェントがラウンドロビン話者選択を介して協調する。 CityScapesの画質保存のためには、KID:0.001$とFID:9.1$を達成し、既存の匿名化を著しく上回っている。
  論文  参考訳（メタデータ） (2026-03-29T19:06:43Z)
• Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
  顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。 トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。 IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-10-28T09:28:12Z)
• Truthful Text Sanitization Guided by Inference Attacks [3.3802914883339557]
  そこで本研究では,原文のセマンティックな内容をサブセットとした一般化に基づく新しいテキスト衛生手法を提案する。 このアプローチは命令チューニングされた大規模言語モデル(LLM)の使用に依存しており、2つの段階に分けられる。 Text Anonymization Benchmarkの結果、Mistral 7B Instructで実装された提案手法は、実用性の向上につながることが示された。
  論文  参考訳（メタデータ） (2024-12-17T14:07:01Z)
• FlowSDF: Flow Matching for Medical Image Segmentation Using Distance Transforms [60.195642571004804]
  本稿では,セグメンテーションマスクの暗黙分布を表現するために,画像誘導型条件付きフローマッチングフレームワークであるFlowSDFを紹介する。 本フレームワークは,セグメンテーションマスクの正確なサンプリングと関連する統計指標の計算を可能にする。
  論文  参考訳（メタデータ） (2024-05-28T11:47:12Z)
• Spatial Semantic Recurrent Mining for Referring Image Segmentation [63.34997546393106]
  高品質なクロスモーダリティ融合を実現するために,Stextsuperscript2RMを提案する。 これは、言語特徴の分散、空間的意味的再帰的分離、パーセマンティック・セマンティック・バランシングという三部作の作業戦略に従う。 提案手法は他の最先端アルゴリズムに対して好適に機能する。
  論文  参考訳（メタデータ） (2024-05-15T00:17:48Z)
• Open-Vocabulary Segmentation with Unpaired Mask-Text Supervision [87.15580604023555]
  Unpair-Segは、弱制御されたオープン語彙セグメンテーションフレームワークである。 未ペア画像マスクと画像テキストペアから学習し、独立して効率的に収集することができる。 ADE-847とPASCAL Context-459データセットで14.6%と19.5%のmIoUを達成した。
  論文  参考訳（メタデータ） (2024-02-14T06:01:44Z)
• Neural Text Sanitization with Privacy Risk Indicators: An Empirical Analysis [2.9311414545087366]
  テキスト・サニタイズのための2段階のアプローチを検討し、その経験的性能を詳細に分析する。 テキストサニタイズプロセスは、プライバシー指向のエンティティ認識器から始まり、識別可能な個人情報を表すテキストを識別する。 本稿では,言語モデルの確率,テキストスパン分類,シーケンスラベリング,摂動,Web検索に基づく再識別リスクの指標を5つ提示する。
  論文  参考訳（メタデータ） (2023-10-22T14:17:27Z)

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。