Loading article…
敵対的文体測定法とは、文体を変更して、文体測定法によって著者の身元や特徴が判明する可能性を減らす手法である。この作業は、著者の難読化または著者の匿名化とも呼ばれる。文体測定法は、匿名の著者を暴いたり、仮名を著者の他の身元にリンクしたりする能力において、プライバシーに関する重大な課題を提起し、たとえば、内部告発者、活動家、および詐欺師や詐欺師にとって困難を生じさせる。機械学習技術とテキストコーパスが発達するにつれて、プライバシーリスクは増大すると予想される。
すべての敵対的文体測定法は、意味を変えずに文体のシグナルが不明瞭になるように原文を忠実に言い換えるという中核的な考え方を共有しています。このような忠実な言い換えは、文体測定法分類器の敵対的例です。これには、多少の重複はあるものの、いくつかの広範なアプローチがあります。模倣 (著者自身のスタイルを別のスタイルに置き換える) 、翻訳 (機械翻訳を適用して原文の特徴的なスタイルを排除することを期待する)、難読化(テキストのスタイルを意図的に変更して著者自身のスタイルに似ないようにする) です。
手動でスタイルを隠すことは可能ですが、手間がかかります。状況によっては、それが望ましいか、必要になります。半自動または全自動の自動化ツールは、著者の役に立つ可能性があります。このタスクを最も効果的に実行する方法と、そのようなツールの設計は、未解決の研究課題です。いくつかのアプローチは、特に敵対性の可能性を考慮していない特定の文体分析を破ることができることが示されていますが、未知の分析に直面した場合の安全性を確立することは問題です。自動ツールにとって、言い換えの忠実性を保証することは重要な課題です。
敵対的文体測定の実践自体が検出可能かどうかは不明です。いくつかの研究では、特定の方法が出力テキストにシグナルを生成することが判明していますが、どのような方法が使用されたか不明な文体測定者は、そのシグナルを確実に検出できない可能性があります。
歴史
敵対的文体測定法の初期の研究であるRao & Rohatgi (2000) [1] は、機械翻訳の可能性を特定しましたが、当時利用可能な翻訳者の質が大きな課題であると指摘しました。[2] Kacmarcik & Gamon (2006) も初期の研究です。 Brennan、Afroz & Greenstadt (2012) は、実際のテキストで敵対的文体測定法を初めて評価しました。[1]
ブレナンとグリーンシュタット（2009）は、特に文体測定法を評価するために、敵対的に執筆されたテキストの最初のコーパスを導入しました。[3]他のコーパスには、国際ヘミングウェイ模倣コンテスト、偽フォークナーコンテスト、偽ブログ「ダマスカスのゲイガール」などがあります。[4]
動機
Rao & Rohatgi (2000) は、短く出典が明記されていない文書 (匿名の投稿など) は文体測定法による識別のリスクはないが、何千語もの単語のコーパスを作成する際に敵対的文体測定法を実践していない匿名の著者は脆弱である可能性があると示唆している。 [5] Narayanan et al. (2012) は、10 万人のブログ著者の大規模な匿名化解除を試み、結果はまちまちだった。識別は偶然よりもはるかに正確だったが、ブログと著者を正確に一致させたのは 5 分の 1しかなかった。 [6]コーパス内の著者の投稿数が増えるにつれて、識別が向上した。[7]著者が特定されない場合でも、文体測定法によってその特徴の一部を推測できる場合があり、[8]あるいは文体測定法によって潜在的な著者の匿名セットが十分に絞り込まれ、他の情報で識別を完了できる場合がある。[7]著者の特徴（性別や年齢など）を検出することは、多数の候補の中から著者を特定するよりも簡単な場合が多い。[9]
現代の機械学習技術は、識別のための強力なツールを提供しています。[10]コーパスと計算文体測定技術のさらなる発展は、さらなるプライバシーの問題を引き起こす可能性があります。[11] GröndahlとAsokan（2020a）は、文体測定の根底にある仮説（著者は不変で内容に依存しない「スタイル指紋」を持っている）の一般的な妥当性は不明ですが、「匿名化解除攻撃は真のプライバシーの懸念です」と述べています。[12]
敵対的文体測定法と文体欺瞞の実践に関心がある者には、報復を逃れようとする内部告発者、 [13]ジャーナリストや活動家、[10]詐欺やいたずらの加害者、[14]偽のレビューの著者、[15] 文学の贋作者、[16]捜査官から身元を隠す犯罪者、[17]および、一般に匿名またはペンネームを望む人々が含まれる。 [13]著者、または著者に代わって行動する代理人は、著者の特性（人種や性別など）に関する文体の手がかりを取り除こうとすることもある。そうすることで、それらの特性に関する知識が差別に使用されないようにする（アルゴリズムによる偏見などによる）ことができる。[18] [19]敵対的文体測定法のもう1つの用途は、自動生成されたテキストを人間が作成したものとして偽装することである。 [20]
方法
模倣では、作者は自分のスタイルを他の作者のスタイルに合わせることで、文体測定を誤解させようとします。[21]不完全な模倣、つまり、真の作者のユニークな特徴の一部が模倣された作者の特徴と並んで現れる場合、それは敵対的文体測定の使用を検出できるシグナルとなり得ます。[22]模倣はスタイル転送システムによって自動的に実行できますが、通常、システムが学習するためのターゲットスタイルの大規模なコーパスが必要です。[23]
もう一つのアプローチは翻訳で、これは特徴的な文体を取り除くために原文を機械翻訳し、多くの場合は複数の翻訳者が順番に翻訳して往復翻訳を作成する。このような連鎖翻訳は文体が大幅に変更され、理解不能に陥ることもあるが、翻訳ツールの改良によりこのリスクは軽減される。構造が単純な文体であれば、元の意味を失うことなく機械翻訳しやすくなる。[21]機械翻訳は文体の直接的な模倣や、文体の自動転送による難読化に曖昧になり、入力と出力が同じ言語による「翻訳」とみなすことができる。[24] [25]低品質の翻訳ツールでは、文体の特徴が再び現れる危険を避けながら、著者が手動で大きな翻訳エラーを修正しなければならない場合がある。[2] Wang、Juola、Riddell（2022）は、Google翻訳によってもたらされる重大なエラーはまれであるが、中間翻訳が複数ある場合はより一般的であることを発見した。ただし、ソーステキスト内の単純または短い文やスペルミスは、出力にそのまま表示されることがあり、識別信号となる可能性がある。[26]チェーン翻訳は、文書に適用された特徴的な痕跡を残す可能性があり、これにより、使用された中間言語と実行された翻訳ステップの数を再構築できる可能性がある。[23]
難読化とは、ある基準で他のテキストとの類似性を減らすために、テキストのスタイルを意図的に変更することです。これは、執筆時に意識的に変更することによって実行される場合もあれば、テキストが十分に難読化されたかどうかを判断するための入力として対象となる基準からのフィードバックを伴う改訂プロセスの一環として実行される場合もあります。翻訳とは対照的に、複雑なテキストでは、意味を変えずに効果的に難読化する機会が多くあり、[27]同様に、許容されるバリエーションが多いジャンルでは、より多くの難読化が可能です。[28]しかし、長いテキストでは、徹底的に難読化することが難しくなります。[29]著者が元のスタイルとは異なる新しいターゲットスタイルを開発した場合、難読化が模倣と混ざり合う可能性があります。[30]著者の特徴を隠すことに関して、難読化は、他の著者のスタイルの結合（模倣された特徴のシグナルの追加）または交差（シグナルの削除と正規化）を達成することを目的とします。[31]著者自身の特異性を避けて「標準化された」テキストを作成することは、難読化の重要なステップです。著者は、特定の単語をスペルミスしたり、特定の変形を使用したり、文書を特徴的な方法でフォーマットしたりする独特の傾向がある場合があります。[2] [32]文体測定シグナルは、敵対的にマスクされる容易さが異なります。著者は意識的な選択によって語彙を簡単に変更できますが、文法のパターンやテキスト内の文字の頻度を変更することは達成が難しい場合があります。ただし、Juola & Vescovi (2011) は、模倣は通常、難読化よりも多くの特徴をマスクすることに成功すると報告しています。 [33]自動難読化には、著者が作成した大量のトレーニングデータが必要になる場合があります。[29]
敵対的文体測定法の自動化された実装に関しては、パラフレーズのためのルールベースのシステムと、テキストが（意図された）文体中立な中間フォーマットを通過するエンコーダー-デコーダーアーキテクチャーの2つの実装が考えられます。[34]自動化された方法のもう1つの区分は、識別システムからのフィードバックがあるかどうかです。[35]このようなフィードバックがある場合、著者マスキングのパラフレーズを見つけることは、ヒューリスティックな 検索問題として特徴付けられ、結果が文体的に十分に遠い（難読化の場合）または近い（模倣の場合）までテキストのバリエーションを探索し、それがその識別システムの敵対的例を構成します。[36] [37]
評価
実際に文体特性を最もよくマスクする方法、およびどのタスクを手動で実行し、何をツールの支援を受けて実行し、何を完全に自動的に実行するかは、特に潜在的な変動性が限られている短い文書の場合、未解決の研究分野です。[38] [11]著者が利用可能なコンピューターをタスクに信頼していない場合（たとえば内部告発者の場合など）、手動の敵対的文体測定が好まれるか、必須になることもあります。[23]ソフトウェアツールにはメンテナンスが必要です。Wang、Juola、Riddell（2022）は、一般的な使用に適したメンテナンスされた難読化ソフトウェアは存在しないと報告しています。[39] Zhai et al.（2022）は、DS-PAN（Castro-Castro、Ortega Bueno、Muñoz 2017）とMutant-X（Mahmood et al. 2019）を2022年の自動難読化の最新技術として特定しています。[40]手動での文体の調整は多大な労力を要し、スケーラビリティも低いが、ツールの支援により負担をある程度軽減できる。[41]決定論的な自動化手法は、敵対的に訓練された分類器に対しては効果を失う可能性がある。敵対的に訓練された分類器では、分類器の訓練セットに文体転送プログラムの出力が使用される。[42]
Potthast、Hagen & Stein (2016) は、敵対的文体測定法の評価に使用する 3 つの基準を挙げている。安全性(文体特性が確実に除去されている)、健全性(テキストの意味内容が許容できないほど変更されていない)、そして分別 (出力が「整形式で目立たない」) である。いずれか 1 つでも妥協しすぎると通常は許容できない結果となり、実際にはこの 3 つは互いにトレードオフの関係にある。[43] Potthast、Hagen & Stein (2016) は、分別性、特に出力が許容できる文法的で整形式であるかどうかを自動的に評価することは難しいことを発見した。[44]健全性の自動評価はやや有望だが、手動レビューが最良の方法である。[45]
安全性は敵対的スタイロメトリー法の重要な特性であるが、認められたスタイロメトリー識別の可能性が非スタイロメトリー分析によって可能である場合、安全性は有益にトレードオフされる可能性がある。たとえば、英国での自身の生い立ちについて論じている著者は、スタイロメトリーによってそのテキストが典型的なイギリス英語であることが明らかにされても気にしない可能性が高い。[46] [47]
異なるアプローチの安全性を評価することは、識別抵抗性が基本的に検討中の識別方法に依存するため複雑です。[48]未知の分析に対して回復力があるという特性は、移転可能性と呼ばれます。[49] Gröndahl & Asokan (2020b) は、テキストがどのように分析され、どのようなトレーニングデータが使用されるかについての著者の知識に応じて、4つの異なる脅威モデルを特定しています。クエリアクセスでは、最も弱いアナリストと、分析方法とトレーニングデータの両方を知っている最も強い著者が対象となります。アーキテクチャアクセスでは、著者は分析方法は知っていますが、トレーニングデータは知りません。データアクセスでは、著者はトレーニングデータを知っていますが、分析方法は知りません。代理アクセスでは、最も弱い著者と最も強いアナリストが対象となりますが、著者は分析方法もトレーニングデータも知りません。[34]さらに、著者が手法を選択する際には、脅威モデルに頼り、それが有効であること、残りの文体シグナルを検出できる未知の分析は実行できないか実行されないこと、またはマスキングがうまく転移することを信頼する必要があります。[50]しかし、著者が自分のスタイルをマスキングしようとした方法を知っている文体測定学者は、その手法の弱点を悪用して、それを安全でないものにすることができます。[51]自動化手法に関する研究の多くは、著者がクエリにアクセスできることを前提としていますが、これは他の設定には一般化できない可能性があります。[52]異なる分析のアンサンブルを内部的に敵のモデルとして使用するマスキング手法は、目に見えない分析に対してよりうまく転移する可能性があります。[35]
健全性の完全な喪失はコミュニケーションの目的を損ないますが、中核となるメッセージが保持されていれば、ある程度の意味の変化は許容されるかもしれません。テキストの含意のみを要求するか、自動要約を許可することは、おそらく許容できる方法で意味の一部を失うための他の選択肢です。[53]入力テキストを書き直して文体測定法を無効にすることは、作文中に文体上の特徴を意識的に削除することとは対照的に、テキストの意味を保持する上で課題をもたらします。[54] GröndahlとAsokan（2020a）は、不健全性の問題を、完全に自動化されたアプローチの研究における「最も重要な課題」と評価しています。[11]
感性に関しては、テキストが理解不能なほど文法的に間違っているか、ジャンルに当てはまらないほど不完全な形式である場合、この方法は失敗しているが、その点に達しない妥協は有用かもしれない。[44]目立たなさが部分的に失われると、疑惑を確認したりさらなる証拠を集めたりするために、より高価で拡張性の低い分析（法医学言語学者への相談など）が行われる可能性がある。[55]目立たなさが完全に失われた場合の影響は、敵対的文体測定を行う動機によって異なる。単に匿名を保とうとしている人（内部告発者など）にとっては、発見は問題にならないかもしれない。しかし、文学の贋作者にとっては、発見は悲惨なものとなるだろう。[16]敵対的文体測定は、その実践の証拠を残す可能性があり、これは目立たなさの失敗である。[56] [57]ブレナン・グリーンシュタットコーパスでは、テキストはそれぞれ独自の「スタイル」を共有していることが判明している。[58]しかし、GröndahlとAsokan（2020a）は、既存の証拠は敵対的スタイロメトリーが常に検出可能であることを証明するには不十分であり、限られた方法しか研究されていないと評価している。[59]出力テキストの滑らかさを改善すると、自動化ツールの検出可能性が低下する可能性がある。[60]敵対的著者の全体的な検出可能性は徹底的に研究されておらず、著者が使用できる方法がスタイロメトリストに知られていない場合、検出は不可能である可能性がある。[11]
敵対的な状況での著者の識別と検証の問題は、無知な著者や協力的な著者を認識することとは大きく異なります。[61]故意に著者を隠そうとする試みは、Juola & Vescovi (2011) によって「現在の文体測定技術の問題」と説明されており、[62] Brennan、Afroz & Greenstadt (2012) は、文体測定が非敵対的な著者を識別する際のパフォーマンスが高いにもかかわらず、敵対的な方法を手動で適用すると信頼性が低下すると述べています。[63]
Kacmarcik & Gamon (2006) は、少数の特徴で動作する低次元の文体測定モデルは、敵対的文体測定に対する耐性が低いことを指摘している。[64]研究により、著者が自分の文体をどれだけうまく調整できるかはさまざまであり、訓練を受けなくてもタスクをうまく実行できる人もいることがわかっている。[39] Wang、Juola & Riddell (2022) は、Brennan、Afroz & Greenstadt (2012) の複製および再現であり、模倣、翻訳、難読化の3つすべてが著者帰属の有効性を有意に低下させ、手動の難読化は、互いに同様のパフォーマンスを示した手動の模倣または翻訳よりもいくらか効果的であることを発見した。元の研究では、模倣が優れていることが判明した。[65] Potthast、Hagen & Stein (2016)は、単純な自動敵対的スタイル測定法でさえ、最先端の著者識別システムに大きな困難を引き起こしたが、かなりの健全性と感受性のコストがかかったと報告した。[66]敵対的認識型識別システムは、どの匿名化方法が使用されたかを識別者が分析する際に間違いを犯したとしても、どの潜在的な難読化方法が使用されたかを知っていれば、敵対的スタイル測定法に対してはるかに優れたパフォーマンスを発揮することができる。[67]
参照
参考文献
- ^ ab Brennan、Afroz、Greenstadt 2012、p.3-4を参照。
- ^ abc Kacmarcik & Gamon 2006、445ページ。
- ^ Juola & Vescovi 2011、p. 117.
- ^ アフロズ、ブレナン、グリーンシュタット 2012年、466ページ。
- ^ Rao & Rohatgi 2000、1.3 貢献。
- ^ グレンダール＆アソカン 2020a、p. 19.
- ^ ab ナラヤナンら。 2012、p. 301.
- ^ エメリー、カダール、チュルパワ 2021、p. 2388。
- ^ Shetty、Schiele、Fritz 2018、1 はじめに。
- ^ ab Mahmoodら。 2019年、p. 54.
- ^ abcd グレンダール & アソカン 2020a、p. 28.
- ^ グレンダール＆アソカン 2020a、p. 3.
- ^ ab Kacmarcik & Gamon 2006、p. 444.
- ^ アフロズ、ブレナン、グリーンシュタット 2012年、461ページ。
- ^ グレンダール＆アソカン 2020a、p. 4.
- ^ ab Potthast、Hagen & Stein 2016、p. 5.
- ^ Juola & Vescovi 2011、p. 115.
- ^ Xu et al. 2019、247頁。
- ^ ミレシュガラ＆バーグ・カークパトリック 2021、2009ページ。
- ^ Uchendu、Le & Lee 2022、p. 1.
- ^ ab Neal et al. 2018、p.6。
- ^ Kacmarcik & Gamon 2006、p. 446.
- ^ abc Wang、Juola、Riddell 2022、p.2。
- ^ Shetty、Schiele、Fritz 2018、2関連研究。
- ^ アデラニら。 2021年、p. 8687。
- ^ ワン、ジュオラ、リデル 2022、8頁。
- ^ ニールら2018年、6-7頁。
- ^ ニールら2018年26頁。
- ^ ab Mahmoodら。 2019年、p. 55.
- ^ アフロズ、ブレナン、グリーンシュタット 2012年、471ページ。
- ^ ミレシュガラ＆バーグ・カークパトリック 2021、p.2009-2010。
- ^ Rao & Rohatgi 2000、5将来の方向性。
- ^ Juola & Vescovi 2011、p. 121-123。
- ^ ab グレンダール & アソカン 2020b、p. 177.
- ^ ab Haroon et al. 2021、p.1。
- ^ ベベンドルフら。 2019年、p. 1098。
- ^ Saedi & Dras 2020、181頁。
- ^ ニールら2018年、27頁。
- ^ ab Wang、Juola、Riddell 2022、p.3。
- ^ Zhai et al. 2022、p.7374。
- ^ グレンダール＆アソカン 2020a、p. 21-22。
- ^ グレンダール＆アソカン 2020b、p. 176.
- ^ ポットハスト、ハーゲン、スタイン 2016、p. 6.
- ^ ab Potthast、Hagen & Stein 2016、p. 12-13。
- ^ ポットハスト、ハーゲン、スタイン 2016、p. 11.
- ^ アルミシャリ、オグズ、ツディク、2014、p. 6.
- ^ Xu et al. 2019、p.247-248。
- ^ Kacmarcik & Gamon 2006、p. 448.
- ^ Haroon et al. 2021、p.3。
- ^ エメリー、カダール、チュルパワ 2021、p. 2388～2389。
- ^ ポットハスト、ハーゲン、スタイン 2016、p. 9-10。
- ^ グレンダール＆アソカン 2020b、p. 189.
- ^ ポットハスト、ハーゲン、スタイン 2016、p. 11-12。
- ^ McDonald et al. 2012、7.1 さらなる研究。
- ^ ポットハスト、ハーゲン、スタイン 2016、p. 13.
- ^ マフムード、シャフィク、スリニヴァサン 2020年、2235頁。
- ^ アフロズ、ブレナン、グリーンシュタット 2012年、462ページ。
- ^ Juola 2012、93-94ページ。
- ^ グレンダール＆アソカン 2020a、p. 2.
- ^ マフムード、シャフィク、スリニヴァサン 2020年、2243頁。
- ^ アフロズ、ブレナン、グリーンシュタット 2012年、464ページ。
- ^ Juola & Vescovi 2011、p. 123.
- ^ ブレナン、アフロズ、グリーンシュタット 2012、2ページ。
- ^ Kacmarcik & Gamon 2006、p. 451.
- ^ ワン、ジュオラ、リデル 2022、p.7-8。
- ^ ポットハスト、ハーゲン、スタイン 2016、p. 21.
- ^ Zhai et al. 2022、p.7373。
文献
- Adelani, David; Zhang, Miaoran; Shen, Xiaoyu; Davody, Ali; Kleinbauer, Thomas; Klakow, Dietrich (2021). 「ゼロショット多言語バック翻訳による著者プロファイリングの防止」。2021年自然言語処理における経験的手法に関する会議の議事録。pp. 8687–8695。arXiv : 2109.09133。doi : 10.18653 / v1 /2021.emnlp-main.684。
- Afroz, Sadia; Brennan, Michael ; Greenstadt, Rachel (2012)。「オンラインの文章スタイルにおけるデマ、詐欺、欺瞞の検出」。2012 IEEE セキュリティとプライバシーシンポジウム。pp. 461–475。doi : 10.1109 / SP.2012.34。ISBN 978-1-4673-1244-8。
- Almishari, Mishari; Oguz, Ekin; Tsudik, Gene (2014)。「クラウドソーシングによる著者のリンク可能性への対抗」。第2回 ACM オンライン ソーシャル ネットワーク カンファレンスの議事録 - COSN '14。pp. 69–82。arXiv : 1405.4918。doi : 10.1145 / 2660460.2660486。ISBN 9781450331982. S2CID 7741036。
- Bevendorff , Janek; Potthast, Martin; Hagen, Matthias; Stein, Benno (2019)。「ヒューリスティック著者難読化」。計算言語学会第57回年次会議議事録。pp. 1098–1108。doi : 10.18653/v1/P19-1104。
- Brennan, Michael; Afroz, Sadia; Greenstadt, Rachel (2012). 「敵対的様式測定法: プライバシーと匿名性を保護するために著者認識を回避する」(PDF) . ACM Transactions on Information and System Security . 15 (3): 1–22. doi :10.1145/2382448.2382450. S2CID 16176436.
- ブレナン、マイケル・ロバート、グリーンスタット、レイチェル (2009)。著者認識技術に対する実践的な攻撃。人工知能の革新的な応用。
- Castro-Castro, Daniel; Ortega Bueno, Reynier; Muñoz, Rafael (2017)。「文の変換による著者マスキング - CLEF 2017 の PAN 用ノートブック」(PDF)。CLEF 2017 評価ラボおよびワークショップ - 作業ノート ペーパー、9 月 11 ～ 14 日、アイルランド、ダブリン。ISSN 1613-0073 。
- エメリー、クリス; カダール、アコス; クルパワ、グジェゴシュ (2021)。「野生の敵対的スタイロメトリー：著者プロファイリングに対する移転可能な語彙置換攻撃」。計算言語学協会ヨーロッパ支部第16回会議議事録：本編。pp . 2388–2402。arXiv ：2101.11310。doi： 10.18653 / v1 /2021.eacl-main.203。S2CID 231719026。
- Gröndahl, Tommi; Asokan, N. (2020a). 「敵対的状況でのテキスト分析：欺瞞は文体の痕跡を残すか？」ACM Computing Surveys . 52 (3): 1–36. arXiv : 1902.08939 . doi :10.1145/3310331. S2CID 67856540.
- Gröndahl, Tommi; Asokan, N. (2020b). 「組み合わせ的言い換えによる効果的な文章スタイルの模倣」. arXiv : 1905.13464 . doi : 10.2478/popets-2020-0068 .
{{cite journal}}:ジャーナルを引用するには|journal=(ヘルプ)が必要です - Haroon, Muhammad; Zaffar, Fareed; Srinivasan, Padmini; Shafiq, Zubair (2021). 「アベンジャーズアンサンブル！著者不明化の移転可能性の向上」。arXiv : 2109.07028。
{{cite journal}}:ジャーナルを引用するには|journal=(ヘルプ)が必要です - Juola, Patrick ; Vescovi, Darren ( 2011)。「著者難読化に対する文体測定学的アプローチの分析」。デジタルフォレンジックの進歩 VII。IFIP情報通信技術の進歩。第 361 巻。pp. 115–125。doi : 10.1007 / 978-3-642-24212-0_9。ISBN 978-3-642-24211-3。
- Juola, Patrick (2012 年 4 月)。「文体上の欺瞞の検出」。欺瞞検出への計算的アプローチに関するワークショップの議事録。pp. 91–96。
- Kacmarcik, Gary; Gamon, Michael (2006 年 7 月 17 日)。「著者の匿名性を保つために文書のスタイル測定法を難読化する」COLING/ACL 2006 メイン カンファレンス ポスター セッションの議事録。pp. 444–451。
- Mahmood, Asad; Ahmad, Faizan; Shafiq, Zubair; Srinivasan, Padmini; Zaffar, Fareed (2019). 「A Girl Has No Name: 自動著者難読化 (Mutant-X を使用)」プライバシー 強化技術に関する議事録。2019 (4): 54–71。doi : 10.2478 /popets-2019-0058。S2CID 197621394。
- Mahmood, Asad; Shafiq, Zubair; Srinivasan, Padmini ( 2020). 「少女には名前がある: 著者の難読化の検出」。 計算言語学協会第58回年次会議の議事録。pp . 2235–2245。arXiv : 2005.00702。doi : 10.18653 / v1/2020.acl-main.203。S2CID 218486757。
- McDonald, Andrew WE; Afroz, Sadia; Caliskan, Aylin; Stolerman, Ariel; Greenstadt, Rachel (2012)。「文字「i」の使用頻度を減らす: ライティング スタイルの匿名化に向けて」(PDF)。プライバシー強化テクノロジ。コンピュータ サイエンスの講義ノート。第 7384 巻。pp . 299–318。doi :10.1007 / 978-3-642-31680-7_16。ISBN 978-3-642-31679-1.S2CID 15715170 。
- Mireshghallah, Fatemehsadat; Berg-Kirkpatrick, Taylor (2021). 「スタイルプーリング: 分類の公平性を向上させるためのテキストスタイルの自動難読化」。2021年自然言語処理における経験的手法に関する会議の議事録。pp . 2009–2022。arXiv : 2109.04624。doi : 10.18653/ v1 /2021.emnlp-main.152。
- Narayanan, Arvind; Paskov, Hristo; Gong, Neil Zhenqiang; Bethencourt, John; Stefanov, Emil; Shin, Eui Chul Richard; Song, Dawn (2012)。「インターネット規模の著者識別の実現可能性について」。2012 IEEEセキュリティおよびプライバシーシンポジウム。pp. 300–314。doi : 10.1109/ SP.2012.46。ISBN 978-1-4673-1244-8. S2CID 6733582。
- Neal, Tempestt; Sundararajan, Kalaivani; Fatima, Aneez; Yan, Yiming; Xiang, Yingfei; Woodard, Damon (2018). 「測量スタイロメトリーの手法と応用」ACM Computing Surveys . 50 (6): 1–36. doi :10.1145/3132039. S2CID 21360798.
- Potthast, Martin; Hagen, Matthias; Stein, Benno (2016)。著者の難読化: 著者検証の最新技術への挑戦(PDF)。評価フォーラムのカンファレンスとラボ。
- Rao, Josyula R.; Rohatgi, Pankaj (2000)。仮名で本当にプライバシーを保証できるか? USENIX セキュリティ シンポジウム。
- Saedi, Chakaveh、Dras, Mark (2020 年 12 月)。「Siamese 変分オートエンコーダーを使用した大規模な著者難読化: SiamAO システム」。第 9 回語彙および計算意味論合同会議の議事録。pp. 179–189。
- Shetty, Rakshith; Schiele, Bernt; Fritz, Mario (2018)。「A4NT: ニューラル機械翻訳の敵対的トレーニングによる著者属性の匿名性」。第 27 回 USENIX セキュリティシンポジウムの議事録。ISBN 978-1-939133-04-5。
- Uchendu, Adaku; Le, Thai; Lee, Dongwon (2022). 「ニューラルテキスト著者の帰属と難読化：データマイニングの観点」. arXiv : 2210.10488 .
{{cite journal}}:ジャーナルを引用するには|journal=(ヘルプ)が必要です - 王海寧、パトリック・ジュオラ、アレン・リデル（2022）。「敵対的スタイロメトリー実験の再現と複製」。arXiv：2208.07395。
{{cite journal}}:ジャーナルを引用するには|journal=(ヘルプ)が必要です - Xu, Qiongkai; Qu, Lizhen; Xu, Chenchen; Cui, Ran (2019). 「プライバシーを考慮したテキスト書き換え」。第12回国際自然言語生成会議の議事録。pp. 247–257。doi : 10.18653/ v1 / W19-8633。hdl : 1885/317479。
- Zhai, Wanyue; Rusert, Jonathan; Shafiq, Zubair; Srinivasan, Padmini (2022). 「少女には名前があり、それは... 難読化解除のための敵対的著者帰属」。計算言語学会第60回年次会議の議事録 (第1巻: 長編論文) 。pp . 7372–7384。arXiv : 2203.11849。doi : 10.18653 / v1/2022.acl- long.509。S2CID 248780012 。