面向情境感知的本地语言模型自适应隐私化

定性研究常包含个人、情境和组织细节，如果处理不当会带来隐私风险。手动匿名化耗时、一致性差，常常遗漏关键识别符。现有自动化工具倾向于依赖模式匹配或固定规则，无法捕捉情境信息，可能改变数据的含义。本研究使用本地 LLM 构建一个可靠、可重复且情境感知的匿名化流程，用于检测和匿名化定性记录中的敏感数据。我们引入了一个结构化自适应匿名器框架（SFAA），包括检测、分类和自适应匿名化三个步骤。SFAA 包含四种匿名化策略：基于规则的替换、情境感知重写、概括化和抑制。根据标识符类型和风险等级应用这些策略。由 SFAA 处理的标识符依据主要国际隐私和研究伦理标准（包括 GDPR、HIPAA 和 OECD 指南）进行指导。本研究遵循双方法评估，将人工处理与 LLM 辅助处理相结合。使用两个案例研究进行评估。第一个包括 82 份面对面访谈，关于组织中的游戏化。第二个涉及 93 份由 AI 智能访谈者进行的机器人访谈，用于测试 LLM 的意识和工作场所隐私。我们使用 LLaMA 和 Phi 两个本地模型来评估所提出框架的性能。结果表明，LLM 发现的数据比人类审阅员更多。Phi 在发现敏感数据方面优于 LLaMA，但会稍多出错。Phi 能够发现超过 91% 的敏感数据，并保持 94.8% 的情感与原文一致，这意味着它非常准确，因此不会影响对定性数据的分析。