RISKS OF INFORMATION LEAKAGE USING ONLINE MACHINE TRANSLATION SERVICES

Леся Матвієнко; Любов Хоменко

doi:10.28925/2663-4023.2025.27.730

Автор(и)

Леся Матвієнко Полтавський державний аграрний університет https://orcid.org/0000-0003-1211-3056
Любов Хоменко Полтавський національний педагогічний університет імені В.Г. Короленка https://orcid.org/0000-0001-6806-2783

DOI:

https://doi.org/10.28925/2663-4023.2025.27.730

Ключові слова:

машинний переклад, онлайн-сервіси, витік інформації, кібербезпека, конфіденційність даних

Анотація

Стаття присвячена аналізу ризиків витоку інформації при використанні онлайн-сервісів машинного перекладу та пропонує методи мінімізації цих ризиків. У зв'язку з розвитком технологій та зростаючою популярністю онлайн-сервісів для перекладу текстів, питання забезпечення конфіденційності та безпеки даних набувають особливої актуальності. Онлайн-сервіси машинного перекладу, такі як Google Translate, Microsoft Translator, DeepL та інші, є зручними інструментами для обробки великих обсягів текстів, однак вони створюють значні загрози, пов'язані з витоком чутливої інформації, що може мати серйозні юридичні, фінансові та репутаційні наслідки.

У статті розглядаються основні фактори, які сприяють витоку інформації при використанні онлайн-сервісів перекладу, зокрема збереження даних на серверах сторонніх постачальників послуг, недосконалість політики конфіденційності та технічні вразливості. Зокрема, підкреслюється проблема безпеки даних при передачі чутливої інформації через онлайн-сервіси перекладу. Наведено приклади конкретних випадків витоку даних, що підкреслюють необхідність посиленої уваги до аспектів безпеки при використанні цих сервісів у професійній діяльності.

Окрему увагу приділено методам захисту даних, таким як шифрування, знеособлення та анонімізація, що дозволяють зменшити ризики витоку чутливої інформації. Водночас акцентується увага на необхідності вдосконалення існуючих стандартів і політик безпеки в онлайн-сервісах машинного перекладу, що забезпечить належний захист конфіденційної інформації, зокрема у таких сферах, як юридична, медична, фінансова та державна діяльність.

Автори також в межах статті порівнюють рівень безпеки різних онлайн-сервісів машинного перекладу, зокрема їх здатність забезпечити належний захист інформації за допомогою гарантованого видалення даних після перекладу. Окремо розглядається перспектива застосування локальних моделей перекладу як альтернативи хмарним сервісам, що знижує ризики витоку даних.

Висвітлено основні напрямки подальших досліджень у галузі інформаційної безпеки машинного перекладу, зокрема щодо нових технологій захисту даних та підвищення обізнаності користувачів щодо потенційних загроз.

Завантаження

Дані завантаження ще не доступні.

Посилання

Aletras, N., Gkotsis, G., & Baldwin, T. (2021). Neural machine translation and data privacy: Challenges and solutions. Computational Linguistics Journal, 47(3), 521–540.

Bajpai, S., & Sharma, R. (2023). Cybersecurity threats in online translation services. Journal of Information Security, 12(1), 67–84.

Council of Europe. (2022). GDPR and machine translation: Legal implications of cross-border data processing. European Data Protection Review, 5(2), 201–215.

OpenAI Research. (2023). Privacy issues in large-scale AI translation models. AI & Society, 38(4), 299–315.

Smith, J., Tan, H., & Williams, K. (2020). Cloud-based translation services: Vulnerabilities and risk mitigation. Cybersecurity Review, 45(2), 102–118.

Vashee, K. (2022). Ethical challenges in AI-driven machine translation. Journal of Artificial Intelligence Ethics, 7(1), 33–48.

Belinkov, Y., & Bisk, Y. (2021). Robustness of neural machine translation to input perturbations. Transactions of the Association for Computational Linguistics, 9, 1169–1185.

Koehn, P. (2020). Neural machine translation. Cambridge University Press.

Sun, Z., Wang, J., & Li, H. (2023). Privacy-preserving approaches in neural machine translation: A survey. IEEE Transactions on Artificial Intelligence, 4(2), 145–162.

Kocmi, T., & Bojar, O. (2022). Security risks of online translation platforms: A case study on data leakage. Cybersecurity & AI Research Journal, 5(1), 21–39.

Ruder, S., Vulić, I., & Søgaard, A. (2021). A survey of cross-lingual word embedding models. Journal of Natural Language Processing, 58(3), 215–238.

Zoph, B., Yuret, D., & Knight, K. (2022). Data security in neural machine translation: Threats and countermeasures. Transactions of the Association for Computational Linguistics, 10, 231–250.

Green, S., & Manning, C. D. (2023). Confidentiality in AI-based translation: Evaluating risks and solutions. Journal of Machine Learning & Security, 6(2), 101–123.

Klymchuk, O. (2023). Threats of data leakage when using machine translation in government agencies. Scientific Notes of the Institute of Information Security, 4(1), 45–58.

Sydorenko, L. (2022). Cryptographic protection of textual information in automated translation systems. Cybersecurity: theory and practice, 8(3), 102–118.

Zakharchenko, M., & Polishchuk, V. (2023). Local machine translation models as an alternative to cloud services. Analysis of efficiency and security. Ukrainian Journal of Computer Linguistics, 6(2), 77–90.

Serhieieva, T. I. (2020). Fundamentals of information security in information systems. Kyiv: Naukova dumka.

Taran, O. V. (2019). Data protection methods in online translation services. Kharkiv: KhNU.