RAT-Bench: риск ре-идентификации как метрика качества анонимизации текста

Анонимизируешь кейс клиента – удаляешь имя, телефон, адрес. Через неделю коллега вычисляет кто это: «женщина ~30 лет, CEO, Санкт-Петербург» – таких в городе можно по пальцам пересчитать. Косвенные комбинации (возраст + профессия + город) опаснее явных идентификаторов, но стандартная анонимизация их пропускает. Бенчмарк RAT-Bench показал: 87% американцев уникальны по трём атрибутам (индекс + дата рождения + пол). Решение: двухшаговая проверка через LLM-атаку – после анонимизации вторая модель в роли атакующего пытается восстановить данные. Если угадала – переписываешь текст. Риск ре-идентификации падает с 69% до безопасного уровня при точной настройке.