利用语义三元组实现具备局部差分隐私保障的私有文档生成

自然语言处理中许多工作旨在通过差分隐私（DP）保护隐私，对文本进行变换，这通常以词级扰动或完整文档重写的方式实现，常在局部DP下进行。此时，输入文本必须在某些由隐私参数$\varepsilon$控制的界限内与任何其他可能文本不可区分。这种保证相当严格，近期研究表明，在局部DP下对文本进行隐私保护只能在相当高的$\varepsilon$值下才可实现。针�此挑战，我们引入DP-ST，通过语义三元组实现具备局部DP保障的邻域感知私有文档生成。通过对本方法的评估，我们展示了分治范式的有效性，尤其是在将DP概念（及其隐私保障）限制于私有化邻域范围内时。结合LLM后处理，我们的方法即使在较低的$\varepsilon$值下也能生成连贯的文本，同时在隐私与实用性之间取得平衡。这一发现凸显了在合理的$\varepsilon$水平下实现平衡隐私化输出的连贯性的重要性。