論文の概要: Datensouver\"anit\"at f\"ur Verbraucher:innen: Technische Ans\"atze
durch KI-basierte Transparenz und Auskunft im Kontext der DSGVO
- arxiv url: http://arxiv.org/abs/2112.03879v1
- Date: Tue, 7 Dec 2021 18:18:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-05 07:40:59.934797
- Title: Datensouver\"anit\"at f\"ur Verbraucher:innen: Technische Ans\"atze
durch KI-basierte Transparenz und Auskunft im Kontext der DSGVO
- Title(参考訳): Datensouver\"anit\"at f\"ur Verbraucher:innen: Technische Ans\"atze durch KI-basierte Transparenz und Auskunft im Kontext der DSGVO
- Authors: Elias Gr\"unewald, Frank Pallas
- Abstract要約: EUの一般データ保護規則は、包括的なデータ対象の権利を保証する。
長いデータ保護宣言などの従来のアプローチは、情報自己決定の要件を満たしていない。
この目的のために、関連する透明性情報はセミオートマチックな方法で抽出され、マシン可読形式で表現され、仮想アシスタントなどの多様なチャネルを介して再生される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A sufficient level of data sovereignty is extremely difficult for consumers
in practice. The EU General Data Protection Regulation guarantees comprehensive
data subject rights, which must be implemented by responsible controllers
through technical and organizational measures. Traditional approaches, such as
the provision of lengthy data protection declarations or the downloading of raw
personal data without further assistance, do not meet the requirements of
informational self-determination. The new technical approaches outlined below,
in particular AI-based transparency and access modalities, demonstrate the
practicability of effective and versatile mechanisms. For this purpose, the
relevant transparency information is extracted in a semi-automated way,
represented in a machine-readable format, and then played out via diverse
channels such as virtual assistants or the enrichment of search results.
---
Hinreichende Datensouver\"anit\"at gestaltet sich f\"ur Verbraucher:innen in
der Praxis als \"au{\ss}erst schwierig. Die Europ\"aische
Datenschutzgrundverordnung garantiert umfassende Betroffenenrechte, die von
verantwortlichen Stellen durch technisch-organisatorische Ma{\ss}nahmen
umzusetzen sind. Traditionelle Vorgehensweisen wie die Bereitstellung
l\"anglicher Datenschutzerkl\"arungen oder der ohne weitere Hilfestellungen
angebotene Download von personenbezogenen Rohdaten werden dem Anspruch der
informationellen Selbstbestimmung nicht gerecht. Die im Folgenden aufgezeigten
neuen technischen Ans\"atze insbesondere KI-basierter Transparenz- und
Auskunftsmodalit\"aten zeigen die Praktikabilit\"at wirksamer und vielseitiger
Mechanismen. Hierzu werden die relevanten Transparenzangaben teilautomatisiert
extrahiert, maschinenlesbar repr\"asentiert und anschlie{\ss}end \"uber diverse
Kan\"ale wie virtuelle Assistenten oder die Anreicherung von Suchergebnissen
ausgespielt.
- Abstract(参考訳): データ主権の十分なレベルは、実際には消費者にとって非常に難しい。
EUの一般データ保護規則は、技術的および組織的な措置を通じて責任ある管理官によって実施されなければならない包括的なデータ対象の権利を保証する。
長期にわたるデータ保護宣言の提供や、追加の支援なしに生の個人データのダウンロードといった従来のアプローチは、情報的自己決定の要件を満たさない。
以下に概説する新しい技術的アプローチ、特にAIベースの透明性とアクセスモダリティは、効果的で汎用的なメカニズムの実践性を示している。
この目的のために、関連する透明性情報を半自動で抽出し、機械可読形式で表現し、仮想アシスタントや検索結果の充実といった多様なチャンネルを介して再生する。
--Hinreichende Datensouver\"anit\"at gestaltet sich f\"ur Verbraucher:innen in der Praxis als \"au{\ss}erst schwierig。
専門は、法学、法学、法学、法学、法学、法学、法学、法学。
arungen oder der ohne weitere hilfestellungen angebotene download von personenbezogenen rohdaten werden dem anspruch der informationellen selbstbestimmung nicht gerecht
folgenden aufgezeigten neuen technischen ans\"atze insbesondere ki-basierter transparenz- und auskunftsmodalit\"aten zeigen die praktikabilit\"at wirksamer und vielseitiger mechanismen
ヒュエルズ・ヴェルデン(hierzu werden die relevanten transparenzangaben teilautomatisiert extrahiert, maschinenlesbar repr\"asentiert und anschlie{\ss}end \"uber diverse kan\"ale wie virtuelle assistenten oder die anreicherung von suchergebnissen ausgespielt
関連論文リスト
- You Still See Me: How Data Protection Supports the Architecture of ML
Surveillance [6.731053352452566]
人間のデータは機械学習のバックボーンを形成する。
データ保護法は、MLシステムの管理方法に強く依存している。
データ保護技術は、しばしば監視のインフラをサポートする方法で実施されている、と私たちは主張する。
論文 参考訳(メタデータ) (2024-02-09T18:39:29Z) - Counterfactual Explanations via Locally-guided Sequential Algorithmic
Recourse [13.95253855760017]
提案するLocalFACEは,現実的かつ実用的な対実的説明を構成するモデルに依存しない手法である。
提案手法は, ユーザのプライバシーを, 行動可能なアルゴリズムによる会話の構築に必要なデータのみを活用することで保護する。
論文 参考訳(メタデータ) (2023-09-08T08:47:23Z) - Towards Cross-Provider Analysis of Transparency Information for Data
Protection [0.0]
本稿では,サービスプロバイダ間の大規模透明性情報分析を実現するための新しいアプローチを提案する。
我々は、高度な透明性情報分析のための一般的なアプローチ、オープンソースのアーキテクチャ、クエリ可能な分析プラットフォームという形での実装を提供する。
今後の作業は、私たちのコントリビューションに基づいて、隠れたデータ共有プラクティスに関する洞察を得ることができます。
論文 参考訳(メタデータ) (2023-09-01T10:36:09Z) - Enabling Versatile Privacy Interfaces Using Machine-Readable
Transparency Information [0.0]
プライバシには、表示のコンテキスト、個人の好み、およびデータ主題の個人的能力が組み込まれなければならない、と我々は主張する。
データコントローラからデータ対象への透明性情報の提供方法に関する一般的なモデルを提供する。
機械可読な透明性情報を用いて透明性を高める方法と、データコントローラがそれぞれの規制義務を満たす方法を示す。
論文 参考訳(メタデータ) (2023-02-21T20:40:26Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳(メタデータ) (2023-02-13T16:44:44Z) - Distributed Machine Learning and the Semblance of Trust [66.1227776348216]
フェデレートラーニング(FL)により、データ所有者はデータを共有することなく、データガバナンスを維持し、モデルトレーニングをローカルで行うことができる。
FLと関連する技術は、しばしばプライバシー保護と表現される。
この用語が適切でない理由を説明し、プライバシの形式的定義を念頭に設計されていないプロトコルに対する過度な信頼に関連するリスクを概説する。
論文 参考訳(メタデータ) (2021-12-21T08:44:05Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳(メタデータ) (2021-06-14T20:48:48Z) - Explainable Patterns: Going from Findings to Insights to Support Data
Analytics Democratization [60.18814584837969]
我々は,データストーリテリングの探索と作成において,レイユーザをサポートする新しいフレームワークであるExplainable Patterns (ExPatt)を提示する。
ExPattは、外部(テキスト)の情報ソースを使用して、観察または選択された発見の実用的な説明を自動的に生成します。
論文 参考訳(メタデータ) (2021-01-19T16:13:44Z) - Privacy Preservation in Federated Learning: An insightful survey from
the GDPR Perspective [10.901568085406753]
この記事は、フェデレーテッドラーニングに使用できる最先端のプライバシー技術に関する調査に特化している。
近年の研究では、FLにおけるデータの保持と計算は、プライバシ保証者にとって不十分であることが示されている。
これは、FLシステム内のパーティ間で交換されるMLモデルパラメータが、いくつかのプライバシ攻撃で悪用されるためである。
論文 参考訳(メタデータ) (2020-11-10T21:41:25Z) - Trustworthy AI [75.99046162669997]
入力データの小さな敵対的変化への脆さ、決定の説明能力、トレーニングデータのバイアスに対処する能力は、最も顕著な制限である。
我々は,AIシステムに対するユーザおよび公的な信頼を高める上での6つの重要な問題に対処するために,信頼に値するAIに関するチュートリアルを提案する。
論文 参考訳(メタデータ) (2020-11-02T20:04:18Z) - Beyond privacy regulations: an ethical approach to data usage in
transportation [64.86110095869176]
本稿では,フェデレート機械学習を交通分野に適用する方法について述べる。
フェデレートラーニングは、ユーザのプライバシを尊重しつつ、プライバシに敏感なデータを処理可能にする方法だと考えています。
論文 参考訳(メタデータ) (2020-04-01T15:10:12Z)
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。