論文の概要: Privacy-Preserving Text Inference for Health-Misinformation Classification and Semantic Retrieval

• arxiv url: http://arxiv.org/abs/2610.20796v2
• Date: Mon, 19 Oct 2026 13:31:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 06:32:45.305818
• Title: Privacy-Preserving Text Inference for Health-Misinformation Classification and Semantic Retrieval
• Title（参考訳）: 健康情報分類と意味検索のためのプライバシー保護テキスト推論
• Abstract要約: 誤解を招くクレームは公衆の幸福に影響を与え、それらを検出するように設計されたシステムは、機密性の高いユーザー投稿のテキストを露出する可能性がある。 これは、ユーザーのクエリが機密の医療情報を含む可能性がある公衆衛生アプリケーションに対するプライバシー保護推論を動機付けている。 我々は、健康情報分類と意味検索のためのCKKS準同型暗号化に基づくプライバシー保護テキスト推論フレームワークを設計する。
• 参考スコア（独自算出の注目度）: 1.1570042851431979
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Health-misinformation analysis presents a dual challenge: misleading claims can affect public well-being, while systems designed to detect them may expose sensitive user-submitted text. This motivates privacy-preserving inference for public-health applications in which user queries may contain confidential medical information and trained models and reference databases are maintained on organizational servers. We design a privacy-preserving text inference framework based on CKKS homomorphic encryption for health-misinformation classification and semantic retrieval. The classification pipeline fuses BioBERT embeddings, PCA-reduced MPNet embeddings, and SVD-reduced TF-IDF features, while the retrieval pipeline combines MPNet embeddings with ISCC-SCT semantic fingerprints through late fusion. We evaluate predictive performance and benchmark plaintext versus ciphertext-based execution. The hybrid classifier achieved an accuracy of 0.971 and a macro-F1 score of 0.950, with identical reported metrics under plaintext and ciphertext-based inference. The hybrid late-fusion similarity model achieved a Pearson correlation of 0.8691 with human sentence-pair similarity scores on STS-B. For ciphertext-based retrieval, we evaluated naive and optimized implementations. The optimized implementation uses CKKS single instruction, multiple data (SIMD) packing to compute and return multiple similarity scores together, reducing single-query latency over 7,128 indexed items from 222.028 to 5.168 seconds and communication overhead from 6.11 GB to 2.13 MB. These findings demonstrate the technical feasibility of privacy-preserving text inference for health-misinformation applications and characterize its predictive utility and efficiency trade-offs.
• Abstract（参考訳）: 誤解を招くクレームは公衆の幸福に影響を与え、それらを検出するように設計されたシステムは、機密性の高いユーザー投稿のテキストを露出する可能性がある。 これは、ユーザのクエリに機密の医療情報が含まれ、トレーニングされたモデルと参照データベースが組織サーバーに保持される、公開ヘルスアプリケーションのプライバシ保護推論を動機付けている。 我々は、健康情報分類と意味検索のためのCKKS準同型暗号化に基づくプライバシー保護テキスト推論フレームワークを設計する。 分類パイプラインはBioBERT埋め込み、PCA-reduced MPNet埋め込み、SVD-reduced TF-IDF特徴を融合し、検索パイプラインは後期融合によるMPNet埋め込みとISCC-SCTセマンティックフィンガーを結合する。 我々は予測性能を評価し、平文と暗号文による実行をベンチマークする。 ハイブリット分類器は0.971の精度と0.950のマクロF1スコアを達成した。 ハイブリッドレイトフュージョン類似度モデルでは, STS-BでPearsonの0.8691と人文対類似度スコアとの相関が得られた。 暗号文に基づく検索では、単純で最適化された実装を評価した。 最適化された実装では、CKKS単一命令、複数のデータ(SIMD)パッキングを使用して複数の類似点の計算と返却を行い、7,128個のインデックス項目のシングルクエリ遅延を222.028秒から5.168秒に削減し、通信オーバーヘッドを6.11GBから2.13MBに短縮した。 これらの結果は、健康情報アプリケーションに対するプライバシー保護テキスト推論の技術的実現可能性を示し、その予測実用性と効率のトレードオフを特徴づけるものである。

関連論文リスト

• PrivDev: Mapping Static-Analysis Data Types to DPV [0.09332987715848712]
  静的解析スキャナーはソースコード中の個人データ型を識別できるが、それらの発見を標準化されたプライバシー語彙に結びつけるメカニズムが欠如している。 PrivDevは122 Bearer CLIのデータタイプをData Privacy Personal Data (DPV-PD)カテゴリにマップし、それらと潜在的に関連する条項をリンクする。 以上の結果から,提案したマッピングは信頼性が高く再現可能であるとともに,スキャナ定義データ型ラベルの曖昧さやDPV-PDのカバレッジギャップも明らかである。
  論文  参考訳（メタデータ） (2026-10-02T16:11:45Z)
• Interpretable Synthetic Medical Tabular Data Generation for Clinical Decision Support Using Fuzzy Cognitive Maps [3.716965622352967]
  既存の確率的および深い生成モデルは解釈可能性に欠け、臨床的に意味のある依存関係を保存できないことが多い。 本稿では,ファジィ・コグニティブ・マップ(FCM)を明示的な因果関係とプライバシ保護を備えた合成医療データ生成フレームワークに応用することを提案する。
  論文  参考訳（メタデータ） (2026-09-30T11:15:59Z)
• GoldenRetriever: Non-Interactive Homomorphic Encrypted Retrieval for Privacy-Preserving RAG [20.647970767787225]
  しきい値選択に基づくRAGのための非対話型暗号化検索フレームワークを提案する。 我々の方法では、暗号化の下で高価なトップ$ランク付けを行う代わりに、類似性のスコアが予め定義された閾値を超える文書を選択する。 その結果、スケーラブルでセキュアなRAGシステムのための実用的な基盤として、しきい値ベースの選択が強調された。
  論文  参考訳（メタデータ） (2026-07-31T04:44:24Z)
• BioZKFHE: Scalable Encrypted Biometric Identification via Verifiable Homomorphic Similarity Evaluation [20.524348401618735]
  BioZKFHEは、検証可能な同型類似性評価によるスケーラブルな暗号化生体認証のためのフレームワークである。 BGV準同型計算と委員会による証明/復号化とオープンな証明バッチのスマートコントラクト検証を組み合わせる。 FaceNetとMobileFaceNetの実験では、ほぼ無数のバイオメトリックなユーティリティ、最大67%の暗号化ストレージの削減、22～44秒のエンドツーエンドの証明検証ランタイムが示されている。
  論文  参考訳（メタデータ） (2026-07-24T08:08:54Z)
• Significance-Gain Pair Encoding for LLMs: A Statistical Alternative to Frequency-Based Subword Merging [0.0]
  Significance-Gain BPE は、独立型ヌルモデルの下でz統計による凝集を測定する代替マージ基準である。 検証とテストの難易度をそれぞれ13%、テストの難易度を12%削減し、検証とテストのBPCを0.9～1.0%改善する。
  論文  参考訳（メタデータ） (2026-02-26T20:29:18Z)
• Minimum Bayes Risk Decoding for Error Span Detection in Reference-Free Automatic Machine Translation Evaluation [50.83502171176548]
  Maximum a Posteriori (MAP) を用いた最新造形ESD法 生成ESDモデルに最小ベイズリスク(MBR)デコードを適用することでこの問題に対処する。
  論文  参考訳（メタデータ） (2025-12-08T13:21:44Z)
• Human Texts Are Outliers: Detecting LLM-generated Texts via Out-of-distribution Detection [71.59834293521074]
  我々は,人間によるテキストと機械によるテキストを区別する枠組みを開発した。 提案手法は,DeepFakeデータセット上で98.3%のAUROCとAUPRを8.9%のFPR95で達成する。 コード、事前トレーニングされたウェイト、デモがリリースされる。
  論文  参考訳（メタデータ） (2025-10-07T08:14:45Z)
• Urania: Differentially Private Insights into AI Use [102.27238986985698]
  $Urania$は、クラスタリング、パーティション選択、ヒストグラムベースの要約といったDPツールを活用することによって、エンドツーエンドのプライバシ保護を提供する。 結果は、厳密なユーザのプライバシを維持しながら、意味のある会話の洞察を抽出するフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2025-06-05T07:00:31Z)
• SUN: Exploring Intrinsic Uncertainties in Text-to-SQL Parsers [61.48159785138462]
  本稿では,ニューラルネットワークに基づくアプローチ(SUN)における本質的な不確かさを探索することにより,テキストから依存への変換性能を向上させることを目的とする。 5つのベンチマークデータセットの大規模な実験により、我々の手法は競合より大幅に優れ、新しい最先端の結果が得られた。
  論文  参考訳（メタデータ） (2022-09-14T06:27:51Z)
• Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
  本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。 具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
  論文  参考訳（メタデータ） (2020-06-25T12:42:01Z)

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。