Проблема: стилистические отпечатки как угроза приватности
Даже после удаления явных идентификаторов (имен, email) модели атрибуции автора способны реидентифицировать пользователя, используя стабильные стилистические отпечатки. Эта проблема особенно актуальна для текстов, полученных из речи (ASR-транскрипты звонков и встреч), где акустическая анонимизация не скрывает лингвистические паттерны. Традиционные методы на основе дифференциальной приватности (DP) часто приводят к критической деградации качества текста и его полезности.
Решение: Style-Aware Paraphrasing
Команда авторов (Ahmed Sohair Khan, Estrid He, Monica Wachowicz, Elham Naghizade) предложила подход, основанный на предварительно обученных больших языковых моделях (LLM). Метод работает в два этапа:
- Создание профиля: На основе минимальных выборок текста формируется компактный стилистический профиль автора.
- Перефразирование: LLM переписывает исходный текст, подавляя узнаваемые стилистические маркеры, но строго сохраняя семантическое содержание.
Результаты: сравнение с базовыми методами
Эксперименты проводились на наборах данных блогов и отзывов. Ключевая метрика — F1-score модели атрибуции автора. Чем ниже этот показатель, тем лучше анонимизация. Предложенный метод существенно превосходит как подходы с дифференциальной приватностью, так и базовые методы без DP.
| Метод | Снижение F1-атрибуции | Сохранение качества текста |
|---|---|---|
| Предложенный метод (Style-Aware) | 60–70% | Высокое (сохранение смысла и читаемости) |
| Дифференциальная приватность (DP) | Информация недостаточна | Сильная деградация |
| Базовые методы (Non-DP) | Ниже, чем у нового метода | Информация недостаточна |
Значение для индустрии
Работа принята к публикации на конференции Interspeech 2026. Представленный подход открывает путь к безопасной публикации пользовательского контента и анализу корпоративных коммуникаций без риска утечки личных данных через стилистику. Это критически важно для сервисов, работающих с транскрипциями голосовых данных, где традиционные методы защиты оказываются неэффективными.
Источник: arXiv cs.CL ↗