도깨비방

Privacy- and Utility-Preserving NLP with Anonymized data: A case study of Pseudonymization

Privacy- and Utility-Preserving NLP with Anonymized data: A case study of PseudonymizationOleksandr Yermilov, Vipul Raheja, Artem ChernodubPrivacy- and Utility-Preserving NLP with Anonymized Data: A case studyof PseudonymizationOlexandr Yermilov1∗, Vipul Raheja2 , Artem Chernodub21Ukrainian Catholic University, Applied Sciences Faculty, 2Grammarlyoleksandr.yermilov@ucu.edu.ua,{vipul.raheja,artem..

자기진화 - 비식별화 마스킹 정책별 정보 손실률(Entropy) 자동 계산 알고리즘 구조 마스킹 정책별 정보 손실률을 자동 계산하려면, 원문과 마스킹 후 텍스트의 분포 차이를 정책 단위로 측정하는 구조가 가장 좋습니다. 텍스트 비식별화 연구에서는 엔트로피, precision, non-uniform entropy, masked language modeling 기반 정보 손실 등을 utility/정보손실 평가에 사용합니다.[pmc.ncbi.nlm.nih]핵심 아이디어 “마스킹 전에는 정보가 많고, 마스킹 후에는 정보가 줄어드는데, 그 줄어든 양을 엔트로피로 재는 것” 입니다. 엔트로피는 데이터가 "얼마나 예측하기 어려운지", 다시 말해 "얼마나 많은 정보가 들어 있는지 "를 나타내는 값입니다 핵심 아이..

자기진화모델 - 데이터 비식별화 평가 정량적 지표 계산 파이썬 예시비식별화 성능 평가 지표와 Python 예시를 정리한 문서와 차트를 생성해 두었습니다. 문서에는 Precision, Recall, F1, residual PII rate, over-masking rate, utility score 계산법과 Python 코드 예시가 들어 있습니다.[1]## 포함된 파일- 지표 설명 및 코드 예시: `deidentification_metrics_python_examples.md`- 요약 문서: `deid_metrics_summary.md`- 예시 차트 2개: `deid_metrics_comparison.png`, `deid_metrics_risk_utility.png`- 전체 패키지 압축본: `deid_me..

자가진화형 LLM 모델이란 ?LLM의 자기/자가 관련 개념(Self-involvement, Self-correction, Self-evolution 등)은 AI가 외부의 개입 없이 스스로 생각의 오류를 고치거나, 능력을 발전시키고, 자기가 만든 결과물을 선호하는 현상들을 의미1. Self-involvement (자기 관여 / 자기 개입):AI가 특정 작업에 대해 외부의 지시나 피드백 없이, 내부적으로 사고 과정(Chain-of-Thought)에 깊이 관여하여 문제를 해결하는 방식한 번에 정답을 출력하는 대신, 스스로 문제를 어떻게 풀 것인지 계획을 세우고(Planning), 중간 과정을 검토개념 및 메커니즘: 모델이 주어진 태스크를 수행할 때 단순 단답형 생성을 넘어, 내부적인 인지 자원을 능동적으로 배..

자가진화 와 스킬 결정화 관련 소스를 자동 생성 버전 관리와 중복 방지 방안을.설명하고,비식별화 에서 어떻게 가능 한가?자가진화(self-evolution)와 스킬 결정화 과정에서 스킬 라이브러리가 무분별하게 커지고 중복되거나 충돌하는 스킬이 쌓이면, 비식별화 작업에서도 같은 컬럼 마스킹 로직이 여러 버전으로 존재하는 등 효율이 떨어집니다. 이 문제를 해결하기 위해서는 (1) 스킬 생성 품질 관리 (2) 버전 관리 (3) 중복 제거라는 세 가지 방어를 체계적으로 적용해야 합니다.자가진화(self-evolution)와 스킬 결정화에서 비식별화 등의 작업을 수행할 때, 스킬 라이브러리가 무분별하게 커지고 중복되거나 충돌하는 로직이 쌓이면 효율이 떨어집니다. 이를 방지하기 위해서는 (1) 스킬 생성 품질 관..

PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analyses) 모델은 체계적 문헌고찰(Systematic Review)과 메타분석(Meta-Analysis)의 투명성과 재현성을 보장하기 위해 고안된 세계 표준 가이드라인입니다.PRISMA 모델을 기반으로 연구를 분석할 때는 기본적으로 "방대한 기존 논문 중 연구 목적에 맞는 핵심 논문을 어떻게 엄격하게 걸러내고 종합했는가"를 증명하는 정형화된 방법론들을 적용할 수 있습니다.할 수 있는 주요 연구 분석 방법과 절차는 다음과 같습니다.1. PRISMA 4단계 흐름도(Flow Diagram) 분석연구 분석의 첫 단추이자 핵심으로, 검색된 수천 개의 논문이 최종 분석 대상이 되기까지의 과정을..

Cultural Bias and Cultural Alignment of Large Language Models (Tao et al., 2024) — 논문 심층 분석ㅁ Cultural Bias and Cultural Alignment of Large Language ModelsAPA: Tao, Y., Viberg, O., Baker, R. S., & Kizilcec, R. F. (2024). Cultural bias and cultural alignment of large language models. PNAS Nexus, 3(9), pgae346.연관성: GPT 계열 5개 모델을 대상으로 각국 대표 설문 데이터와 비교해 문화적 편향을 평가했다연구 배경문화는 개인의 사고, 행동, 의사소통 방식을 근본적으로..

***LLM 도덕 추론 벤치마크# Aligning AI With Shared Human Values (Hendrycks et al., 2021) — 논문 심층 분석APA: Hendrycks, D., Burns, C., Basart, S., Critch, A., Li, J., Song, D., & Steinhardt, J. (2021). Aligning AI with shared human values. Proceedings of ICLR.연관성: LLM 도덕 추론 벤치마크의 선구적 연구로, 정의·의무·덕윤리·상식 도덕 등 5개 범주## 연구 배경2021년 당시 AI 윤리 연구는 공정성(Fairness), 안전성(Safety), 친사회적 행동(Prosocial Behavior), 유틸리티(Utility) ..

논문 조사: LLM 도덕적 추론 & AI 윤리 평가1. 핵심 선행 벤치마크 논문Aligning AI With Shared Human Values (ETHICS 데이터셋)APA: Hendrycks, D., Burns, C., Basart, S., Critch, A., Li, J., Song, D., & Steinhardt, J. (2021). Aligning AI with shared human values. Proceedings of ICLR.연관성: LLM 도덕 추론 벤치마크의 선구적 연구로, 정의·의무·덕윤리·상식 도덕 등 5개 범주에 걸쳐 LLM의 도덕적 판단을 평가하는 ETHICS 데이터셋을 제안했다 [1]. Responsible AI Initiative(2025) 논문이 "기초 도덕 원칙(Fou..

논문 LLM의 도덕적 추론 능력과 AI윤리 평가 프레임워크 [APA 인용]Responsible AI Initiative. (2025). LLM Ethics Benchmark: A Three-Dimensional Assessment System for Evaluating Moral Reasoning in Large Language Models. Scientific Reports (Nature), 15. https://www.nature.com/articles/s41598-025-18489-7[다운로드 URL]https://www.nature.com/articles/s41598-025-18489-7(코드 및 데이터셋: https://github.com/The-Responsible-AI-Initiative/L..