Anonymization of Documents for Law Enforcement with Machine Learning

要約

法執行機関などの機密性の高い個人情報を扱う分野でデータ駆動型の手法やアプローチの利用が着実に増加しているため、これらの機関ではデータ保護ガイドラインを遵守するための努力がますます強化されています。
この研究では、スキャンされた文書の画像を自動的に匿名化し、データ保護コンプライアンスを確保しながら手動の労力を削減するシステムを紹介します。
私たちの方法では、機密領域の自動検出と手動で匿名化された参照文書からの知識を組み合わせて、自動的に編集される領域を最小限に抑えることで、匿名化後のさらなるフォレンジック処理の実行可能性を考慮します。
参照文書の取得などに自己教師あり画像モデルを使用するこのアプローチでは、匿名化されたサンプルが 1 つだけ必要で、同じ種類のすべての文書を効率的に編集できるため、処理時間が大幅に短縮されます。
私たちのアプローチは、純粋に自動の編集システムだけでなく、手作りのグランドトゥルース編集データセット上の他の文書への参照匿名化の単純なコピーアンドペーストスキームの両方よりも優れていることを示します。

要約(オリジナル)

The steadily increasing utilization of data-driven methods and approaches in areas that handle sensitive personal information such as in law enforcement mandates an ever increasing effort in these institutions to comply with data protection guidelines. In this work, we present a system for automatically anonymizing images of scanned documents, reducing manual effort while ensuring data protection compliance. Our method considers the viability of further forensic processing after anonymization by minimizing automatically redacted areas by combining automatic detection of sensitive regions with knowledge from a manually anonymized reference document. Using a self-supervised image model for instance retrieval of the reference document, our approach requires only one anonymized example to efficiently redact all documents of the same type, significantly reducing processing time. We show that our approach outperforms both a purely automatic redaction system and also a naive copy-paste scheme of the reference anonymization to other documents on a hand-crafted dataset of ground truth redactions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google