論文の概要: PIMENTO: A Privacy Framework for Querying Text

• arxiv url: http://arxiv.org/abs/2609.14745v1
• Date: Sun, 13 Sep 2026 19:17:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.955198
• Title: PIMENTO: A Privacy Framework for Querying Text
• Title（参考訳）: PIMENTO: テキストクエリのためのプライバシーフレームワーク
• Abstract要約: Pimentoは、テキストコーパス、クエリ、プライバシポリシという、自然言語の3つの形式を取るフレームワークである。 それらをリレーショナルデータベースに基盤付け、両方の保証を強制できる共通の基質を作成する。 Pimentoは、CI、DP、およびそれらの構成の下で自然言語分析のための公式なプライバシ保証を提供する最初のフレームワークである。
• 参考スコア（独自算出の注目度）: 6.425984481490725
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Currently, there are two state-of-the-art, complementary privacy guarantees: contextual integrity (CI) for what may flow, and differential privacy (DP) for what may be inferred. Yet neither maps cleanly onto natural language, leaving existing approaches unable to provide these guarantees for analytics over unstructured text. We address this gap with Pimento, a framework that takes three forms of natural language: text corpus, queries, and privacy policies; and grounds them into a relational database, creating a common substrate on which both guarantees can be enforced formally. With this design, we not only provide end to end privacy guarantees, but also improvement to utility through three key contributions: DP aware Text-to-SQL, which searches for correct queries requiring the least DP noise; CI aware Text-to-SQL, which compiles natural language policies into executable CI rules over the database; and a new privacy definition we call contextual differential privacy, which redefines the traditional DP neighborhood under CI, and yields a tighter smooth sensitivity bound. Across new benchmarks, Pimento selects the best query in 75.3% of cases (upto +45 points over baselines) and achieves zero leakage under correct policy grounding. To our knowledge, Pimento is the first framework to provide formal privacy guarantees for natural language analytics under CI, DP, and their composition.
• Abstract（参考訳）: 現在、最先端の補完的なプライバシ保証が2つあり、フローのコンテキスト整合性(CI)と、推測されるものの差分プライバシー(DP)である。 しかし、どちらも自然言語にきれいにマップせず、既存のアプローチでは、構造化されていないテキストを解析するための保証を提供できないままだ。 テキストコーパス、クエリ、プライバシポリシの3つの形式を取り入れたフレームワークであるPimentoでは、このギャップに対処しています。 この設計では、エンドツーエンドのプライバシ保証を提供するだけでなく、3つの重要なコントリビューションを通じて実用性の向上も提供しています。DP対応のText-to-SQLは、最小DPノイズを必要とする正しいクエリを検索します。CI対応のText-to-SQLは、自然言語ポリシをデータベース上で実行可能なCIルールにコンパイルします。 新しいベンチマークで、Pimentoは75.3%のケース(ベースラインを超える+45ポイントまで)で最高のクエリを選択し、正しいポリシー基盤の下でゼロリークを達成する。 私たちの知る限り、PimentoはCI、DP、およびそれらの構成の下で、自然言語分析の正式なプライバシ保証を提供する最初のフレームワークです。

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)
• Zero-Shot Privacy-Aware Text Rewriting via Iterative Tree Search [60.197239728279534]
  クラウドベースのサービスにおける大規模言語モデル(LLM)は、重大なプライバシー上の懸念を引き起こしている。 既存のテキスト匿名化と、ルールベースのリアクションやスクラブのような非識別技術は、プライバシー保護とテキストの自然性と実用性のバランスをとるのに苦労することが多い。 我々は,一貫性,妥当性,自然性を保ちながら,秘密情報を体系的に難読化・削除するゼロショット木探索型反復文書き換えアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-09-25T07:23:52Z)
• Leveraging Semantic Triples for Private Document Generation with Local Differential Privacy Guarantees [18.487751624471777]
  DP-STは,局所的なDP保証の下で,近距離対応の私文書生成にセマンティック・トリプルを利用する。 本手法は,プライバシとユーティリティのバランスを保ちながら,バレプシロンの低い値でもコヒーレントなテキスト生成を可能にする。
  論文  参考訳（メタデータ） (2025-08-28T12:59:01Z)
• The Double-edged Sword of LLM-based Data Reconstruction: Understanding and Mitigating Contextual Vulnerability in Word-level Differential Privacy Text Sanitization [53.51921540246166]
  我々は,言語大モデル (LLM) がDP対応テキストの文脈的脆弱性を活用可能であることを示す。 LLM再建の二重刃剣効果がプライバシーと実用性に与える影響を実験的に明らかにした。 本稿では,データ再構成を後処理のステップとして使用するための推奨事項を提案する。
  論文  参考訳（メタデータ） (2025-08-26T12:22:45Z)
• DP-GTR: Differentially Private Prompt Protection via Group Text Rewriting [25.526993224085093]
  既存の手法は主に文書レベルの書き換えに重点を置いており、リッチで多言語的なテキスト表現を無視している。 DP-GTRは、局所微分プライバシー(DP)とグループテキスト書き換えによる合成定理を利用する新しい3段階フレームワークである。 われわれのフレームワークは既存の書き換え技術と互換性があり、プライバシー保護を強化するためのプラグインとして機能している。
  論文  参考訳（メタデータ） (2025-03-06T21:39:42Z)
• Differentially Private Synthetic Data via Foundation Model APIs 2: Text [56.13240830670327]
  現実世界で生成された高品質なテキストデータはプライベートであり、プライバシー上の懸念から自由に共有したり、利用したりすることはできない。 テキストの複雑な設定に適用可能な拡張PEアルゴリズムであるAug-PEを提案する。 その結果, Aug-PE は SOTA DP の微調整ベースラインと競合する DP 合成テキストを生成することがわかった。
  論文  参考訳（メタデータ） (2024-03-04T05:57:50Z)
• Integrating Differential Privacy and Contextual Integrity [13.49058366283973]
  微分プライバシー(DP)と文脈整合性(CI)を統合するための最初のフレームワークを提案する。 DPは、統計ノイズをデータベース内で表現された個人に関する不明瞭な情報に注入するアルゴリズムである。 CIはプライバシを,社会的コンテキストに適した情報フローとして定義する。
  論文  参考訳（メタデータ） (2024-01-28T21:28:07Z)
• DP-BART for Privatized Text Rewriting under Local Differential Privacy [2.45626162429986]
  本稿では,既存の LDP システムに大きく勝る新システム "DP-BART" を提案する。 提案手法では,新たなクリッピング手法,反復的プルーニング,およびDP保証に必要なノイズを劇的に低減する内部表現の訓練を用いる。
  論文  参考訳（メタデータ） (2023-02-15T13:07:34Z)
• PLUE: Language Understanding Evaluation Benchmark for Privacy Policies in English [77.79102359580702]
  プライバシポリシ言語理解評価ベンチマークは,プライバシポリシ言語理解を評価するマルチタスクベンチマークである。 また、プライバシポリシの大規模なコーパスを収集し、プライバシポリシドメイン固有の言語モデル事前トレーニングを可能にします。 ドメイン固有の連続的な事前トレーニングは、すべてのタスクでパフォーマンスを改善することを実証します。
  論文  参考訳（メタデータ） (2022-12-20T05:58:32Z)
• Privacy Amplification via Shuffling for Linear Contextual Bandits [51.94904361874446]
  ディファレンシャルプライバシ(DP)を用いた文脈線形バンディット問題について検討する。 プライバシのシャッフルモデルを利用して,JDP と LDP のプライバシ/ユーティリティトレードオフを実現することができることを示す。 以上の結果から,ローカルプライバシを保ちながらシャッフルモデルを活用することで,JDPとDPのトレードオフを得ることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-12-11T15:23:28Z)

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。