一种基于差分隐私的定制化文本净化机制

Huimin Chen; Fengran Mo; Yanhao Wang; Cen Chen; Jian-Yun Nie; Chengyu Wang; Jamie Cui

doi:10.18653/v1/2023.findings-acl.355

一种基于差分隐私的定制化文本净化机制

密码学与安全 2023-09-04 v2 计算与语言

作者: Huimin Chen , Fengran Mo , Yanhao Wang , Cen Chen , Jian-Yun Nie , Chengyu Wang , Jamie Cui

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

随着自然语言处理(NLP)领域对隐私问题的日益关注，已有众多方法被提出以在差分隐私约束下对文本进行净化。然而，基于度量局部差分隐私(MLDP)的现有最优文本净化机制不适用于非度量的语义相似度度量，且无法在隐私与效用之间取得良好权衡。为克服上述局限，我们提出了一种基于原始 $\epsilon$ -差分隐私(DP)定义的新型定制化文本(CusText)净化机制，该机制与任意相似度度量兼容。此外，CusText为每个输入词元分配一个定制化的输出词元集合，从而在词元级别提供更高级别的隐私保护。在多个基准数据集上的大量实验表明，CusText比现有机制实现了更好的隐私-效用权衡。代码见 https://github.com/sai4july/CusText。

关键词

文本净化差分隐私定制化机制词元级隐私自然语言处理隐私-效用权衡

引用

@article{arxiv.2207.01193,
  title  = {A Customized Text Sanitization Mechanism with Differential Privacy},
  author = {Huimin Chen and Fengran Mo and Yanhao Wang and Cen Chen and Jian-Yun Nie and Chengyu Wang and Jamie Cui},
  journal= {arXiv preprint arXiv:2207.01193},
  year   = {2023}
}

备注

This work has been accepted to the Findings of ACL 2023

一种基于差分隐私的定制化文本净化机制

摘要

关键词

引用

备注

相关论文