新论文:风格感知改写让文本匿名化，作者识别 F1 降 60-70%
chaumian · x · 2026-09-14
被 Interspeech 2026 接收的论文提出风格感知的文本匿名化方法。背景:作者归属模型可利用稳定的文风指纹在删除显式标识符后重新识别用户，ASR 转写(会议、呼叫中心)同样存在风格泄露风险，而差分隐私方法往往严重损害文本质量。
方法:用预训练 LLM 从少量样本构建紧凑的风格画像，再改写文本以抑制可识别的风格标记，同时保留语义。
结果:在博客与评论数据集上，作者归属 F1 降低 60-70%，同时保持内容质量与可读性，显著优于 DP 基线和非 DP 基线。
「安全」频道最新
- 中方称放缓前沿 AI 是「冷战」策略，安全争议走向地缘化 — TansuYegen · 2026-09-14
- 网友警告:EA 势力若成常驻第三方审计,安全委员会权力将失控 — beffjezos · 2026-09-14
- 用户收到泄露警报:AI 音乐平台 Suno 疑发生数据库泄露从未公告 — ChrisUniverse · 2026-09-14
- Szepesvári 谈 AI 安全评估：先把老式安全实践做扎实 — CsabaSzepesvari · 2026-09-14
- AgentChaos 开源工具实测:MCP 工具结果成提示注入入口 — DiscussionHealthy802 · 2026-09-14
- 新论文揭示：float32 精度可阻断神经网络参数提取攻击 — chaumian · 2026-09-14