인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
텍스트 데이터는 현대 기계학습 응용에서 핵심적 자원이지만, 민감한 정보를 포함하는 경우가 많아 공유 과정에서 개인정보 유출 위험이 발생할 수 있다. 차분 프라이버시(differential privacy, DP)는 데이터 공유 과정에서 프라이버시 유출 방지를 이론적으로 보장하며, 최근에는 대규모 언어모델(LLM) 기반 텍스트 재작성 기법에도 활용되고 있다. 그러나 기존 연구들은 LLM 모델 내부 구조에 접근할 수 있는 화이트박스 환경을 전제로 하여, 실제와 같은 블랙박스 API 환경에서는 활용이 어렵다는 한계가 있다. 본 논문에서는 이러한 제약을 해결하기 위해 SafeDP-Rewrite라는 LLM 블랙박스 기반 DP 텍스트 재작성 기법을 제안한다. 제안 방식은 무작위 마스킹을 통해 다양한 후보 텍스트를 생성하고, 지수 메커니즘을 적용하여 DP를 보장하는 최종 텍스트를 선택한다. SafeDP-Rewrite는 추가 학습이나 내부 정보 접근이 필요 없으며, 단순하고 실용적인 활용이 가능하다. 실데이터셋을 이용한 실험 결과, 제안 기법은 문장의 의미와 유창성을 유지하면서도 프라이버시와 유용성을 동시에 확보할 수 있음을 보였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094820607
