跳到正文
arXiv · NLP· David Hong Liang Chew, Zexi Yao, Nata\v{s}a Kr\v{c}o, Matthieu Meeus, Waqas Khalid Obeidy, Yves-Alexandre de Montjoye·· 13 小时前AI 评分22

RAT-Bench 马来西亚扩展:LLM 匿名化工具将再识别风险降至 23-29%

Localizing Text Anonymization for Trustworthy AI: Extending RAT-Bench to Malaysian Microdata and PII

AI 导读

研究将 RAT-Bench 扩展至马来西亚微数据,评估 NER 与 LLM 匿名化工具的隐私效用权衡。 LLM 匿名化工具在马来西亚英语和马来语中表现最佳,将易/难再识别风险降至 23-29%,同时保持 0.77-0.94 的 BLEU 分数。 非 LLM 工具存在过度遮蔽或残留高风险的失效模式,凸显在本地化 AI 流水线中需针对特定语言和文化背景评估匿名化工具。

来源:arXiv · NLP · arxiv.org