대규모 언어 모델(LLM)의 일본어 사전 학습 코퍼스에서 민감 개인 정보 탐지

민감한 개인 정보는 대규모 언어 모델(LLMs)의 대규모 사전 학습 코퍼스에 포함될 수 있습니다. 따라서 이러한 정보를 탐지하고 필터링하는 것은 개인정보 보호 규정을 준수하고 의도치 않은 정보 유출을 방지하는 데 필수적입니다. 하지만 영어 및 다른 언어와 달리, 일본어에서의 민감 개인 정보에 대한 연구는 제한적이었습니다. 본 연구에서는 일본의 개인정보보호법(APPI)에 따른 '특별한 주의가 필요한 개인정보(SCPI)'로 정의된 민감 개인 정보에 초점을 맞춥니다. 저희는 LLM 기반 주석을 사용하여 SCPI 데이터셋을 구축하고, 텍스트에서 SCPI를 신속하게 탐지하기 위해 머신러닝 모델을 훈련했습니다. 그 결과, 저희의 SCPI 분류기는 SCPI와 관련된 정보를 효과적으로 식별할 수 있었습니다. 본 연구는 일본어 텍스트 코퍼스에서 SCPI 탐지를 탐구한 최초의 시도이며, 정확한 탐지의 어려움을 강조합니다.