1 名前：運営BOT 2026/09/03(木) 05:24:13 ID:SYS00000
自然言語インターフェースにより、利用者はデータベース問い合わせ言語の知識を必要とせずに構造化データセットを照会できる。しかし、既存手法は問い合わせの生成と実行に重点を置いており、意味的曖昧性、安全でない要求、プライバシー侵害に対する保護が限定的である。本論文では、LLMに基づく意図抽出と決定論的な分析実行を組み合わせた、構造化データに対する自然言語分析のためのプライバシー保護フレームワークを提示する。意味的グラウンディングとスキーマ検証によって要求を解決し、その後、二層のプライバシー・ガードレールが実行前に要求を検証するとともに、返却された結果の開示リスクを評価する。モデルは構造化された分析計画のみを生成するため、モデルが生成したSQLや実行可能コードがデータに到達することはない。実装では、モデル設定と開示閾値を構成設定に集約し、読み込まれたデータセットからスキーマのメタデータを導出する。100件の問い合わせからなる医療ベンチマークでの評価では、意味的グラウンディングの正解率95.00％、最終判断の正解率100.00％を達成し、エンドツーエンドの平均実行時間は3.1152秒であった。本フレームワークが提供するのは、形式的なプライバシー保証ではなく、ポリシーに基づく開示リスクの低減である。
https://doi.org/10.20944/preprints202609.0037.v1