自然语言处理中的差分隐私：迄今历程
计算与语言
2022-08-18 v1
摘要
随着大数据浪潮持续影响自然语言处理（NLP）的格局，现代 NLP 方法已立足于这些数据，以应对各类基于文本的任务。这些方法无疑可能包含私人或 otherwise 个人可识别信息。因此，近年来 NLP 中的隐私问题愈发热烈，并与新兴的隐私增强技术（PETs）的发展相呼应。在这些 PETs 中，差分隐私在数据隐私相关讨论中具备若干可取特性。自然而然地，问题变为差分隐私是否适用于大体非结构化的 NLP 领域。该主题已引发新颖研究，其统一于一个基本目标：如何将差分隐私适配于 NLP 方法？本文旨在总结差分隐私所应对的漏洞、当前思考，以及最重要的、必须考虑的关键后续步骤。
引用
@article{arxiv.2208.08140,
title = {Differential Privacy in Natural Language Processing: The Story So Far},
author = {Oleksandra Klymenko and Stephen Meisenbacher and Florian Matthes},
journal= {arXiv preprint arXiv:2208.08140},
year = {2022}
}