TAILIEUCHUNG - Báo cáo khoa học: "Obfuscating Document Stylometry to Preserve Author Anonymity"

This paper explores techniques for reducing the effectiveness of standard authorship attribution techniques so that an author A can preserve anonymity for a particular document D. We discuss feature selection and adjustment and show how this information can be fed back to the author to create a new document D’ for which the calculated attribution moves away from A. Since it can be labor intensive to adjust the document in this fashion, we attempt to quantify the amount of effort required to produce the anonymized document and introduce two levels of anonymization: shallow and deep. . | Obfuscating Document Stylometry to Preserve Author Anonymity Gary Kacmarcik Michael Gamon Natural Language Processing Group Microsoft Research Redmond WA USA garykac mgamon @ Abstract This paper explores techniques for reducing the effectiveness of standard authorship attribution techniques so that an author A can preserve anonymity for a particular document D. We discuss feature selection and adjustment and show how this information can be fed back to the author to create a new document D for which the calculated attribution moves away from A. Since it can be labor intensive to adjust the document in this fashion we attempt to quantify the amount of effort required to produce the anonymized document and introduce two levels of anonymization shallow and deep. In our test set we show that shallow anonymization can be achieved by making 14 changes per 1000 words to reduce the likelihood of identifying A as the author by an average of more than 83 . For deep anonymization we adapt the unmasking work of Koppel and Schler to provide feedback that allows the author to choose the level of anonymization. 1 Introduction Authorship identification has been a long standing topic in the field of stylometry the analysis of literary style Holmes 1998 . Issues of style genre and authorship are an interesting sub-area of text categorization. In authorship detection it is not the topic of a text but rather the stylistic properties that are of interest. The writing style of a particular author can be identified by analyzing the form of the writing rather than the content. The analysis of style therefore needs to ab stract away from the content and focus on the content-independent form of the linguistic expressions in a text. Advances in authorship attribution have raised concerns about whether or not authors can truly maintain their anonymity Rao and Rohatgi 2000 . While there are clearly many reasons for wanting to unmask an anonymous author notably law enforcement and

• Báo cáo khoa học
• Obfuscating Document Stylometry
• Preserve Author Anonymity
• Gary Kacmarcik Michael Gamon
• báo cáo khoa học
• mô hình ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học