$A^{4}NT$:基于神经机器翻译对抗训练的作者属性匿名化

基于文本的分析方法能够揭示与隐私相关的作者属性，如性别、年龄以及文本作者的身份。即使作者试图移除隐私敏感内容，此类方法仍可能损害匿名作者的隐私。在本文中，我们提出一种称为对抗性作者属性匿名化神经翻译（$A^4NT$）的自动方法，以对抗此类基于文本的攻击者。我们结合机器翻译中使用的序列到序列语言模型与生成对抗网络（generative adversarial networks）来混淆作者属性。与需要配对数据的机器翻译技术不同，我们的方法可以在包含不同作者的非配对文本语料库上进行训练。重要的是，我们提出并评估了在$A^4NT$上施加约束以保留输入文本语义的技术。$A^4NT$学习对输入文本进行最小改动，以成功欺骗作者属性分类器，同时力求保持输入的含义。我们通过在两个不同数据集和三种设置下的实验表明，我们所提出的方法能有效地欺骗作者属性分类器，从而提升作者的匿名性。