再写一次：增强语义相似性与隐私保护的后处理方法

差分隐私(Diffential Privacy)在自然语言处理中常将文本隐私化视为rewrite任务，即将敏感输入文本重写以隐藏显式或隐式的私人信息。为评估DP文本rewrite机制的隐私保护能力，常采用empirical privacy测试。在这些测试中，建模一个对（隐私化后）文本中作者关于敏感信息（例如性别）的推断能力的对手。为了提高DP rewrite方法提供的empirical保护，我们提出一种基于align rewritten texts with their original counterparts（以目标为目标，重新rewrite DP rewrite后的文本）的简单后处理方法。我们的结果表明，这种方法不仅产生更语义上接近原始输入的输出，还能在empirical隐私评估中平均获得更好的分数。因此，我们的方法提高了DP rewrite方法在其empirical隐私评估中的标准，为抵御恶意对手提供了额外的保护层。