开放搜索中的隐私:挑战与解决方案综述
密码学与安全
2022-04-05 v4 人工智能
信息检索
摘要
对于涉及敏感数据的活动和过程,隐私是全球关切的问题。因此,许多国家和地区近期已批准法规以控制组织可利用人们所提供数据的程度。人工智能领域,如机器学习和自然语言处理,已成功采用隐私保护机制,以在大量应用中保障数据隐私。信息检索(IR)同样易受隐私威胁,如攻击及文档与搜索历史的非预期披露,这可能损害用户安全并受到数据保护法的处罚。本工作旨在突出并讨论近期IR文献中隐私方面的开放挑战,聚焦于具有用户生成文本数据的任务。我们的贡献有三方面:首先,我们呈现IR任务隐私威胁的概览;其次,我们讨论可应用于解决方案以抑制隐私危害的隐私保护机制;最后,我们就IR任务中隐私保护与应用性能之间的权衡提供见解。
引用
@article{arxiv.2110.10720,
title = {Privacy in Open Search: A Review of Challenges and Solutions},
author = {Samuel Sousa and Christian Guetl and Roman Kern},
journal= {arXiv preprint arXiv:2110.10720},
year = {2022}
}
备注
Paper accepted at OSSYM 2021 - Third International Open Search Symposium