論文の概要: A-COMPASS: Formal Foundations for Anonymity Analysis in Microdata
- arxiv url: http://arxiv.org/abs/2606.20492v1
- Date: Thu, 18 Jun 2026 17:08:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:40.010417
- Title: A-COMPASS: Formal Foundations for Anonymity Analysis in Microdata
- Title（参考訳）: A-COMPASS: マイクロデータにおける匿名分析のための形式的基礎
- Authors: Tamara Tagliavia, Silvia Ghilezan,
- Abstract要約: A-COMPASSは、新機能として匿名化アクションの実行を可能にする。
我々は、決定論や構成論のような導入された意味論の最も重要な性質を証明している。
我々は、k-匿名性やl-多様性などの匿名性を検証するメカニズムを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the information age, one of the leading problems is how to ensure individual's privacy. Depending on the context in which privacy is considered, various data privacy models have emerged. However, the domain of formal verification of these models is still not sufficiently explored even when it comes to the most basic models. An attempt to verify privacy requirements is the Compliance Assertion Language (COMPASS). In COMPASS, one can specify an anonymity condition that a table needs to satisfy, and an action that will modify the table if the condition is not satisfied. It is designed to operate on preprocessed tables in a form one record - one group of people. In this paper, we modify the COMPASS language in order to operate on microdata tables in their usual form of one record - one person. The modified language is called A-COMPASS. Along with checking of previously applied anonymity conditions, A-COMPASS enables the execution of anonymization actions as a new feature. We further provide the syntax and the semantics for the A-COMPASS language. We also prove the most important properties of the introduced semantics like determinism and compositionality. Finally, we provide a mechanism to verify anonymity properties, such as k-anonymity and l-diversity.
- Abstract（参考訳）: 情報時代において、主要な問題の1つは個人のプライバシーを確保する方法である。
プライバシが考慮されるコンテキストによって、さまざまなデータプライバシモデルが生まれている。
しかしながら、これらのモデルの形式的検証の領域は、最も基本的なモデルであっても十分には研究されていない。
プライバシ要件を検証する試みとして、Compliance Assertion Language (COMPASS)がある。
CompASSでは、テーブルが満たすべき匿名条件と、条件が満たされない場合にテーブルを変更するアクションを指定することができる。
事前処理されたテーブル上で、1つのレコード、すなわち1つのグループで操作するように設計されている。
本稿では,従来のマイクロデータテーブルを1人1人1人で操作するために,CompASS言語を改良する。
修正された言語はA-COMPASSと呼ばれる。
A-COMPASSは、前に適用した匿名条件のチェックに加えて、新しい機能として匿名化アクションの実行を可能にする。
さらに、A-COMPASS言語の構文とセマンティクスを提供する。
また、決定論や構成論のような導入された意味論の最も重要な性質も証明する。
最後に、k-匿名性やl-多様性などの匿名性を検証するメカニズムを提供する。
関連論文リスト
- Adaptive Text Anonymization: Learning Privacy-Utility Trade-offs via Prompt Optimization [7.9049991577473735]
適応型テキスト匿名化(Adaptive text anonymization)は、匿名化戦略を特定のプライバシ・ユーティリティー要件に自動的に適合させる新しいタスク定式化である。
さまざまなドメイン、プライバシ制約、ユーティリティ目的の5つのデータセットにまたがるベンチマークを提示する。
本手法は,プライバシ・ユーティリティ・トレードオフフロンティアのさまざまな点を探索する新たな匿名化戦略を発見することができることを示す。
論文 参考訳（メタデータ） (2026-02-24T10:12:40Z) - Semantically-Aware LLM Agent to Enhance Privacy in Conversational AI Services [0.0]
遠隔Large Language Models (LLM) を用いた場合, センシティブなPIIデータを保護するためのセマンティック・アウェア・プライバシ・エージェントを提案する。
応答品質を劣化させるような以前の作業とは異なり、我々のアプローチはユーザプロンプトのセンシティブなPIIエンティティを意味的に一貫した名前で動的に置き換える。
この結果から,LOPSIDEDは基本手法と比較して意味的ユーティリティエラーを5倍に削減できることがわかった。
論文 参考訳（メタデータ） (2025-10-30T21:34:23Z) - Current State in Privacy-Preserving Text Preprocessing for Domain-Agnostic NLP [0.0]
現代の大きな言語モデルは、言語的なバリエーションを学ぶのに膨大な量のデータを必要とする。
このような言語モデルから個人情報を抽出することが可能である。
本報告はドメインに依存しないNLPタスクに対するいくつかのアプローチに焦点を当てる。
論文 参考訳（メタデータ） (2025-08-05T08:26:45Z) - 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) - Self-Refining Language Model Anonymizers via Adversarial Distillation [48.280759014096354]
本稿では,Self-refining Anonymization with Language Model (SEAL)を紹介する。
SEALは、推論時に外部モデルに頼ることなく効果的な匿名化を行うために、小型言語モデル(SLM)をトレーニングするための新しい蒸留フレームワークである。
合成個人プロファイルとテキストコメントのデータセットであるSynthPAIの実験は、SEALでトレーニングされたSLMが匿名化機能を大幅に改善したことを示す。
論文 参考訳（メタデータ） (2025-06-02T08:21:27Z) - Robust Utility-Preserving Text Anonymization Based on Large Language Models [80.5266278002083]
機密情報を含む匿名化は、幅広いアプリケーションにとって不可欠である。
既存の技術は、大規模言語モデルの再識別能力の新たな課題に直面している。
本稿では,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の3つの重要な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) - 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) - 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) - Selective Differential Privacy for Language Modeling [36.64464956102432]
これまでの研究は、RNNベースの言語モデルを異なるプライバシ保証でトレーニングすることで、この問題に対処しようとしてきた。
我々は、データの機密部分に対して厳密なプライバシー保証を提供するために、新しいプライバシー概念、選択的差分プライバシーを提案する。
言語モデリングとダイアログシステム構築の実験は、提案したプライバシー保護機構がより良いユーティリティを実現することを示す。
論文 参考訳（メタデータ） (2021-08-30T01:11:10Z) - KART: Privacy Leakage Framework of Language Models Pre-trained with
Clinical Records [0.0]
我々は,MIMIC-IIIコーパスで事前学習したBERTモデルを用いて,言語モデルのプライバシリスクを実証的に評価した。
BERTモデルは、各攻撃のTop-100精度が偶然に予想よりはるかに低いため、おそらく低リスクであった。
我々は、KART(Knowledge, Anonymization, Resource, and Target)フレームワークという、普遍的な新しいフレームワークで、さまざまなプライバシー漏洩シナリオを定式化した。
論文 参考訳（メタデータ） (2020-12-31T19:06:18Z)
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。