現実的なテキスト匿名化評価のための被験者（サブジェクト）レベル推論

要旨: 現在のテキスト匿名化の評価は、スパン（部分文字列）ベースの指標に依存しています。しかしこれらは、攻撃者が実際に推測できる事柄を十分に捉えられず、さらに「単一のデータ主体」を前提としているため、複数主体のシナリオを無視しています。これらの制約に対処するため、私たちはSPIA（Subject-level PII Inference Assessment）を提示します。SPIAは、評価の単位をテキストスパンから個人へと切り替える初めてのベンチマークであり、法的領域とオンライン領域の両方を対象に、675件の文書を含みます。加えて、新しい「主体レベル」の保護指標を備えています。大規模な実験の結果、PIIスパンの90%超をマスクしている場合でも、主体レベルの推論に対する保護は最大で33%まで低下し、文脈的な推論によって大部分の個人情報が再構築可能であることが示されました。さらに、対象となる主体に焦点を当てた匿名化は、標的以外の主体を、標的主体に比べて大幅により曝露された状態にします。私たちは、現実の状況で安全なテキスト匿名化を保証するには、主体レベルの推論に基づく評価が不可欠であることを示します。