RedactBuster：从涂黑文档中识别实体类型
密码学与安全
2024-04-22 v1
摘要
各领域中数字文档的广泛交换导致了大量私人信息的共享。这种激增需要涂黑技术来保护敏感内容和用户隐私。尽管存在许多涂黑方法，但其有效性各不相同，有些方法被证明比其他方法更稳健。因此，文献提出了几种去匿名化技术，以提高人们对潜在隐私威胁的认识。然而，尽管这些方法中没有一种能成功对抗最有效的涂黑技术，且这些攻击仅关注被匿名化的词元而忽略了句子上下文。在本文中，我们提出了 RedactBuster，这是第一个利用句子上下文对涂黑文本执行命名实体识别的去匿名化模型。我们的方法利用微调的最先进的 Transformer 和深度学习模型来确定文档中被匿名化的实体类型。我们针对最有效的涂黑技术测试了 RedactBuster，并使用公开的文本匿名化基准 (TAB) 进行了评估。结果表明，无论文档性质或实体类型如何，准确率均高达 0.985。在提高人们对这一隐私问题的认识的同时，我们提出了一种称为字符规避的对策，以帮助增强敏感信息的保密性。此外，我们将模型和测试平台开源，以帮助研究人员和从业者评估新型涂黑技术的稳健性并增强文档隐私。
引用
@article{arxiv.2404.12991,
title = {RedactBuster: Entity Type Recognition from Redacted Documents},
author = {Mirco Beltrame and Mauro Conti and Pierpaolo Guglielmin and Francesco Marchiori and Gabriele Orazi},
journal= {arXiv preprint arXiv:2404.12991},
year = {2024}
}