신뢰성 있는 AI를 위한 텍스트 익명화 현지화: RAT-Bench를 말레이시아 마이크로데이터와 PII에 확장 적용
요약
본 연구는 민감한 데이터가 LLM 워크플로우에 유입되는 문제를 다루며, RAT-Bench를 말레이시아 PII 및 마이크로데이터에 확장 적용했습니다. LLM 기반 익명화 도구는 비(非)LLM 도구 대비 우수한 프라이버시-유틸리티 트레이드오프를 제공하는 것으로 나타났습니다. 이는 공공 부문 AI 파이프라인 배포 전, 지역 언어 및 문화적 맥락을 고려한 평가가 필수적임을 시사합니다.
핵심 포인트
- LLM 기반 익명화는 재식별 위험(23~29%)과 텍스트 유틸리티를 동시에 확보함.
- 비(非)LLM 도구는 높은 잔여 위험을 남기거나 과도한 삭제 문제를 보임.
- 익명화 도구는 배포 언어, 식별자 형식 등 문화적 맥락 기반 평가가 필수적임.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기