面向推理阶段的隐私保护机器翻译：新任务与基准

当前的在线翻译服务需要将用户文本发送到云端服务器，在文本包含敏感信息时会存在隐私泄露风险。这一风险阻碍了在隐私敏感场景中应用在线翻译服务。缓解此风险的一种方法是针对翻译模型的推理阶段引入隐私保护机制。然而，与文本分类和摘要等 NLP 子领域相比，机器翻译研究社区在推理阶段的隐私保护探索有限。尚未明确定义推理阶段的隐私保护任务、专用评估数据集与指标，以及参考基准方法。缺乏这些要素严重限制了研究者深入探索此方向的能力。为弥合这一鸿沟，本文提出一种新的"隐私保护机器翻译"（PPMT）任务，旨在保护翻译模型推理阶段文本中的私人信息。为此任务，我们构建了三个基准测试数据集，设计了相应的评估指标，并提出了一系列基准方法作为该任务的起点。隐私定义复杂且多样。鉴于专有名词往往包含大量个人隐私和商业机密，我们将研究重点放在仅保护文本中专有名词的隐私上。我们期望本研究工作将为机器翻译中的隐私保护问题提供新的视角和坚实基础。