TRIDENT——面向移动网络中隐私保护的三级虚假信息检测模型
密码学与安全
2025-06-13 v2 计算机与社会
摘要
移动平台上虚假信息的传播引发关于检测准确性和用户隐私的重大关切。为此，我们提出了 TRIDENT ——一种采用 Transformer、对抗学习和差分隐私的三级虚假信息检测模型，该模型整合了语法混淆和标签扰动，以在保持虚假信息检测准确性的同时减轻隐私泄露风险。TRIDENT 利用多语言回译引入语义变异，添加字符级噪声和实体混淆，以实现差分隐私保护，并将这些技术整合为统一的防御机制。使用二分类虚假信息数据集，我们对基线 Transformer 模型（BERT、GPT-2）实现了 0.89 和 0.90 的 F1 分数。应用 TRIDENT 的第三级防御后，累计 F1 分数降至 0.83，但仍有效，显示出在移动端机器学习部署中具有强大的隐私保护能力，同时对性能影响有限。
关键词
引用
@article{arxiv.2506.05421,
title = {TRIDENT -- A Three-Tier Privacy-Preserving Propaganda Detection Model in Mobile Networks using Transformers, Adversarial Learning, and Differential Privacy},
author = {Al Nahian Bin Emran and Dhiman Goswami and Md Hasan Ullah Sadi and Sanchari Das},
journal= {arXiv preprint arXiv:2506.05421},
year = {2025}
}