論文の概要: Automated Detection of GDPR Disclosure Requirements in Privacy Policies
using Deep Active Learning
- arxiv url: http://arxiv.org/abs/2111.04224v1
- Date: Mon, 8 Nov 2021 01:28:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-10 02:36:57.658390
- Title: Automated Detection of GDPR Disclosure Requirements in Privacy Policies
using Deep Active Learning
- Title（参考訳）: 深層能動学習を用いたプライバシーポリシーにおけるGDPR開示要求の自動検出
- Authors: Tamjid Al Rahat, Tu Le, Yuan Tian
- Abstract要約: ほとんどのプライバシポリシは冗長で、ジャーゴンに満ちており、企業のデータプラクティスとユーザの権利を曖昧に記述しています。
本稿では,18の要件をラベル付けした1,080のWebサイトのプライバシポリシデータセットを作成する。
我々は、89.2%の精度でプライバシーポリシーを分類できる畳み込みネットワーク(CNN)ベースのモデルを開発した。
- 参考スコア（独自算出の注目度）: 3.659023646021795
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since GDPR came into force in May 2018, companies have worked on their data
practices to comply with this privacy law. In particular, since the privacy
policy is the essential communication channel for users to understand and
control their privacy, many companies updated their privacy policies after GDPR
was enforced. However, most privacy policies are verbose, full of jargon, and
vaguely describe companies' data practices and users' rights. Therefore, it is
unclear if they comply with GDPR. In this paper, we create a privacy policy
dataset of 1,080 websites labeled with the 18 GDPR requirements and develop a
Convolutional Neural Network (CNN) based model which can classify the privacy
policies with an accuracy of 89.2%. We apply our model to perform a measurement
on the compliance in the privacy policies. Our results show that even after
GDPR went into effect, 97% of websites still fail to comply with at least one
requirement of GDPR.
- Abstract（参考訳）: 2018年5月にGDPRが施行されて以来、企業はこのプライバシー法に従うためにデータプラクティスに取り組んでいる。
特に、プライバシーポリシーはユーザーがプライバシーを理解し制御するための重要なコミュニケーションチャネルであるため、GDPRが施行された後、多くの企業がプライバシポリシーを更新した。
しかし、ほとんどのプライバシーポリシーは冗長であり、用語に満ちており、企業のデータプラクティスとユーザの権利を曖昧に記述している。
したがって、GDPRに準拠しているかどうかは不明である。
本稿では、GDPR18の要件をラベル付けした1,080のWebサイトのプライバシポリシデータセットを作成し、89.2%の精度でプライバシポリシを分類可能な畳み込みニューラルネットワーク(CNN)ベースのモデルを開発する。
我々は、プライバシーポリシーの遵守度を測定するために、このモデルを適用します。
その結果、GDPRが施行された後も、ウェブサイトの97%は少なくとも1つのGDPR要件を満たしていないことがわかった。
関連論文リスト
- PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action [54.11479432110771]
PrivacyLensは、プライバシに敏感な種子を表現的なヴィグネットに拡張し、さらにエージェントの軌跡に拡張するために設計された新しいフレームワークである。
プライバシの文献とクラウドソーシングされたシードに基づいて、プライバシの規範のコレクションをインスタンス化する。
GPT-4やLlama-3-70Bのような最先端のLMは、プライバシー強化の指示が出されたとしても、機密情報を25.68%、38.69%のケースでリークしている。
論文 参考訳（メタデータ） (2024-08-29T17:58:38Z) - A BERT-based Empirical Study of Privacy Policies' Compliance with GDPR [9.676166100354282]
本研究は,5Gネットワークにおけるプライバシポリシ間のコンプライアンス分析の課題を解決することを目的とする。
約70のMNOから手動でプライバシポリシを収集し,BERTベースの自動モデルを用いて分類を行った。
さらに,5Gネットワークにおけるプライバシポリシの可読性に関する実証的証拠を初めて提示する。
論文 参考訳（メタデータ） (2024-07-09T11:47:52Z) - Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning [62.224804688233]
差分プライバシ(DP)は、モデルが特定のプライバシユニットで「ほとんど区別できない」ことを保証することで、有望なソリューションを提供する。
ユーザ間でのプライバシー保護の確保に必要なアプリケーションによって動機づけられたユーザレベルのDPについて検討する。
論文 参考訳（メタデータ） (2024-06-20T13:54:32Z) - OPPO: An Ontology for Describing Fine-Grained Data Practices in Privacy Policies of Online Social Networks [0.8287206589886879]
OPPO Social Networks(OSNS)のデータプラクティスは、EUやCCPAなどのプライバシー規制に準拠している。
本稿は,OSNSから詳細なプラクティスを形式化し,ギャップを埋めることを目的とした,OSNSのプライバシポリシに関するOn-Nology for Privacy Policiesを提案する。
論文 参考訳（メタデータ） (2023-09-27T19:42:05Z) - Is It a Trap? A Large-scale Empirical Study And Comprehensive Assessment
of Online Automated Privacy Policy Generators for Mobile Apps [15.181098379077344]
自動プライバシポリシジェネレータは、モバイルアプリのプライバシポリシを作成することができる。
プライバシーポリシーの約20.1%は、既存のAPPGによって生成される可能性がある。
アプリケーション開発者は、潜在的な落とし穴を避けるために、適切にAPPGを選択して使用する必要があります。
論文 参考訳（メタデータ） (2023-05-05T04:08:18Z) - How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。
プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
論文 参考訳（メタデータ） (2022-11-18T11:39:03Z) - AI-enabled Automation for Completeness Checking of Privacy Policies [7.707284039078785]
ヨーロッパでは、プライバシーポリシーは一般データ保護規則に準拠する。
本稿では,プライバシーポリシーの完全性チェックのためのAIベースの自動化を提案する。
論文 参考訳（メタデータ） (2021-06-10T12:10:51Z) - Detecting Compliance of Privacy Policies with Data Protection Laws [0.0]
プライバシーポリシーは、しばしば理解が難しい広範囲の法的用語で書かれる。
我々は、さまざまなデータ保護法に基づきプライバシーポリシーを分析するフレームワークを提供することで、このギャップを埋めることを目指している。
このようなツールを使用することで、ユーザーは自分の個人データがどのように管理されているかを理解することができます。
論文 参考訳（メタデータ） (2021-02-21T09:15:15Z) - Second layer data governance for permissioned blockchains: the privacy
management challenge [58.720142291102135]
新型コロナウイルス(COVID-19)やエボラウイルス(エボラ出血熱)のようなパンデミックの状況では、医療データを共有することに関連する行動は、大規模な感染を避け、死亡者を減らすために重要である。
この意味において、許可されたブロックチェーン技術は、スマートコントラクトが管理する不変で統一された分散データベースを通じて、データのオーナシップ、透明性、セキュリティを提供する権利をユーザに与えるために登場します。
論文 参考訳（メタデータ） (2020-10-22T13:19:38Z) - PCAL: A Privacy-preserving Intelligent Credit Risk Modeling Framework
Based on Adversarial Learning [111.19576084222345]
本稿では,PCAL(Adversarial Learning)に基づくプライバシ保護型信用リスクモデリングの枠組みを提案する。
PCALは、ターゲット予測タスクのパフォーマンスの重要なユーティリティ情報を維持しながら、元のデータセット内のプライベート情報を隠蔽することを目的としている。
結果は,PCALがユーザデータから効果的なプライバシフリー表現を学習し,信用リスク分析のためのプライバシ保存機械学習の基盤となることを示唆している。
論文 参考訳（メタデータ） (2020-10-06T07:04:59Z) - Private Reinforcement Learning with PAC and Regret Guarantees [69.4202374491817]
エピソード強化学習(RL)のためのプライバシー保護探索ポリシーを設計する。
まず、共同微分プライバシー(JDP)の概念を用いた有意義なプライバシー定式化を提供する。
そこで我々は,強いPACと後悔境界を同時に達成し,JDP保証を享受する,プライベートな楽観主義に基づく学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-09-18T20:18:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。