Privacy-Preserving Text Sanitization for Distributed Agents Collaboration via Disentangled Representations

En 3 lignesDiSan, un framework de sanitization préservant la vie privée, factorise le texte en deux sous-espaces : un préservant la sémantique métier et un contenant les signatures stylistiques. Sur un benchmark RAG multi-agent distribué, DiSan réduit l'exposition PII de 20× tout en maintenant 83% de fidélité, et abaisse l'attribution stylométrique Enron de 73,2% (TF-IDF) et 70,6% (sonde neurale).

Résumé généré par Claude — vérifié par l'humain