論文の概要: LLMs as Linguistic Chameleons: Decoupling Semantics and Structure for Privacy-Preserving Communication

• arxiv url: http://arxiv.org/abs/2609.23193v1
• Date: Sat, 19 Sep 2026 19:41:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.72553
• Title: LLMs as Linguistic Chameleons: Decoupling Semantics and Structure for Privacy-Preserving Communication
• Title（参考訳）: LLMs as Linguistic Chameleons: Decoupling Semantics and Structure for Privacy-Preserving Communications
• Abstract要約: 既存のアプローチでは、ダウンストリームのパフォーマンスを維持するために、元のセマンティックコンテンツの大半を保存しているが、元のテキストを再構築するための悪用可能な手がかりも残している。 本研究は,LLM推論に必要な構造を保ちながら,元のセマンティクスを代替コンテンツに置き換えるセマンティクスデカップリングについて検討する。 提案するCROSS-MAPは,プライベート入力を推論前に別のセマンティックドメインにマッピングし,その後に対応する出力を復元する双方向フレームワークである。
• 参考スコア（独自算出の注目度）: 6.316681951241347
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As Large Language Model (LLM) APIs become increasingly integrated into privacy-sensitive workflows, ensuring inference-time privacy without compromising task utility remains a major challenge. Existing approaches preserve most of the original semantic content to maintain downstream performance, but this also leaves exploitable cues for reconstructing the original text. This work investigates semantic decoupling, which replaces original semantics with alternative content while preserving the structure needed for LLM reasoning. Based on this idea, we propose CROSS-MAP, a bidirectional framework that maps private inputs into a different semantic domain before inference and recovers the corresponding outputs afterward. Local models are trained with multi-objective optimization to maximize semantic divergence in the mapping stage while minimizing semantic inconsistency in the recovery stage. Experiments show that CROSS-MAP reduces reconstruction success across multiple attack settings while outperforming existing baselines in utility.
• Abstract（参考訳）: 大規模言語モデル(LLM)APIがますますプライバシに敏感なワークフローに統合されるにつれて、タスクユーティリティを犠牲にすることなく、推論時のプライバシを確保することが大きな課題である。 既存のアプローチでは、ダウンストリームのパフォーマンスを維持するために、元のセマンティックコンテンツの大半を保存しているが、元のテキストを再構築するための悪用可能な手がかりも残している。 本研究は,LLM推論に必要な構造を保ちながら,元のセマンティクスを代替コンテンツに置き換えるセマンティクスデカップリングについて検討する。 このアイデアに基づいて、プライベート入力を推論する前に別のセマンティックドメインにマッピングし、その後に対応する出力を復元する双方向フレームワークであるCROSS-MAPを提案する。 局所モデルは、マッピング段階における意味的ばらつきを最大化し、回復段階における意味的不整合を最小限に抑えるために、多目的最適化を用いて訓練される。 実験により、CROSS-MAPは、既存のベースラインを実用性で上回りながら、複数のアタック設定における再構築成功を減らすことが示された。

関連論文リスト

• ModuSeg: Decoupling Object Discovery and Semantic Retrieval for Training-Free Weakly Supervised Segmentation [8.671473711194741]
  弱教師付きセマンティックセグメンテーションは、画像レベルのラベルを用いてピクセルレベルの予測を実現することを目的としている。 我々は、オブジェクト発見と意味代入を明確に分離することに焦点を当てた、トレーニング不要な弱教師付きセマンティックセマンティックセマンティクスフレームワークであるModuSegを紹介する。
  論文  参考訳（メタデータ） (2026-04-08T12:38:07Z)
• Semantic Encryption: Secure and Effective Interaction with Cloud-based Large Language Models via Semantic Transformation [35.137599131314296]
  クラウドベースの大規模言語モデル(CLLM)は、ユーザインタラクション中のデータのプライバシに関する重要な懸念を提起している。 本稿では,プライバシとユーティリティの両方を維持するために設計されたセマンティック暗号化(SE)のプラグイン・アンド・プレイフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-03T07:54:40Z)
• DeepSPG: Exploring Deep Semantic Prior Guidance for Low-light Image Enhancement with Multimodal Learning [0.0]
  低照度画像強調のためのRetinex画像分解に基づく新しいディープセマンティック事前誘導フレームワーク(DeepSPG)を提案する。 提案したDeepSPGは,5つのベンチマークデータセットを対象とした最先端手法と比較して,優れた性能を示す。
  論文  参考訳（メタデータ） (2025-04-27T06:56:07Z)
• Retrieval-Augmented Semantic Parsing: Improving Generalization with Lexical Knowledge [6.948555996661213]
  本稿では,Retrieval-Augmented Semantic Parsing (RASP)を紹介する。 実験の結果,LLMはセマンティック解析において,従来のエンコーダ・デコーダベースラインよりも優れていることがわかった。 RASPはさらに、目に見えない概念を予測する能力を強化し、アウト・オブ・ディストリビューションの概念で以前のモデルのパフォーマンスをほぼ2倍にします。
  論文  参考訳（メタデータ） (2024-12-13T15:30:20Z)
• Text-Video Retrieval with Global-Local Semantic Consistent Learning [122.15339128463715]
  我々は,シンプルで効果的なグローバル局所意味的一貫性学習(GLSCL)を提案する。 GLSCLは、テキストビデオ検索のためのモダリティをまたいだ潜在共有セマンティクスを活用する。 本手法はSOTAと同等の性能を実現し,計算コストの約220倍の高速化を実現している。
  論文  参考訳（メタデータ） (2024-05-21T11:59:36Z)
• Enhancing Few-shot CLIP with Semantic-Aware Fine-Tuning [61.902254546858465]
  Contrastive Language-Image Pre-Trainingに基づく手法は、数発の適応タスクで有望な性能を示した。 本稿では,タスク固有のセマンティクスに焦点を合わせるために,トレーニングプロセス中にアテンションプーリング層のパラメータを微調整することを提案する。
  論文  参考訳（メタデータ） (2023-11-08T05:18:57Z)
• Guiding the PLMs with Semantic Anchors as Intermediate Supervision: Towards Interpretable Semantic Parsing [57.11806632758607]
  本稿では,既存の事前学習言語モデルを階層型デコーダネットワークに組み込むことを提案する。 第一原理構造をセマンティックアンカーとすることで、2つの新しい中間管理タスクを提案する。 いくつかのセマンティック解析ベンチマークで集中的な実験を行い、我々のアプローチがベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2022-10-04T07:27:29Z)

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。