論文の概要: Configurable Per-Query Data Minimization for Privacy-Compliant Web APIs
- arxiv url: http://arxiv.org/abs/2203.09903v1
- Date: Fri, 18 Mar 2022 12:26:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 15:43:20.518731
- Title: Configurable Per-Query Data Minimization for Privacy-Compliant Web APIs
- Title（参考訳）: プライバシに準拠したweb api用に設定可能なクエリ毎のデータ最小化
- Authors: Frank Pallas and David Hartmann and Paul Heinrich and Josefine Kipke
and Elias Gr\"unewald
- Abstract要約: 私たちは、法的に準拠したデータ最小化をWeb APIで実装するための、使いやすいソリューションであるJanusを紹介します。
Janusは豊富な情報還元機能を提供しており、APIにアクセスするさまざまなクライアントロールに対して設定できる。
- 参考スコア（独自算出の注目度）: 2.362412515574206
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The purpose of regulatory data minimization obligations is to limit personal
data to the absolute minimum necessary for a given context. Beyond the initial
data collection, storage, and processing, data minimization is also required
for subsequent data releases, as it is the case when data are provided using
query-capable Web APIs. Data-providing Web APIs, however, typically lack
sophisticated data minimization features, leaving the task open to manual and
all too often missing implementations. In this paper, we address the problem of
data minimization for data-providing, query-capable Web APIs. Based on a
careful analysis of functional and non-functional requirements, we introduce
Janus, an easy-to-use, highly configurable solution for implementing legally
compliant data minimization in GraphQL Web APIs. Janus provides a rich set of
information reduction functionalities that can be configured for different
client roles accessing the API. We present a technical proof-of-concept along
with experimental measurements that indicate reasonable overheads. Janus is
thus a practical solution for implementing GraphQL APIs in line with the
regulatory principle of data minimization.
- Abstract（参考訳）: 規制データ最小化義務の目的は、与えられたコンテキストに必要な最小限の個人データに制限することである。
最初のデータ収集、ストレージ、処理以外に、クエリ対応のWeb APIを使用してデータが提供される場合のように、その後のデータリリースには、データ最小化も必要である。
しかし、データを提供するWeb APIは、通常、高度なデータ最小化機能がなく、タスクを手動で開いており、実装が欠落することが多すぎる。
本稿では,データ提供,クエリ可能なWeb APIにおけるデータ最小化の問題に対処する。
機能的および非機能的要件の慎重な分析に基づいて、GraphQL Web APIに法的に準拠したデータ最小化を実装するための、使いやすく、高度に構成可能なソリューションであるJanusを紹介します。
Janusは豊富な情報還元機能を提供しており、APIにアクセスするさまざまなクライアントロールに対して設定できる。
我々は、合理的なオーバーヘッドを示す実験的な測定とともに、概念実証を行う。
そこでJanusは、データ最小化の規制原則に従ってGraphQL APIを実装するための実用的なソリューションである。
関連論文リスト
- FANTAstic SEquences and Where to Find Them: Faithful and Efficient API Call Generation through State-tracked Constrained Decoding and Reranking [57.53742155914176]
APIコール生成は、大規模言語モデルのツール使用能力の基盤となっている。
既存の教師付きおよびコンテキスト内学習アプローチは、高いトレーニングコスト、低いデータ効率、APIドキュメントとユーザの要求に反する生成APIコールに悩まされる。
本稿では,これらの制約に対処するため,FANTASEと呼ばれる出力側最適化手法を提案する。
論文 参考訳（メタデータ） (2024-07-18T23:44:02Z) - ShortcutsBench: A Large-Scale Real-world Benchmark for API-based Agents [7.166156709980112]
我々は、APIベースのエージェントの包括的な評価のための大規模なベンチマークであるtextscShortcutsBenchを紹介する。
textscShortcutsBenchには、Apple Inc.のオペレーティングシステムから多くの真のAPIが含まれている。
評価の結果,APIの選択やパラメータの充足,システムやユーザからの必要な情報要求など,複雑なクエリを扱う上での重大な制限が明らかになった。
論文 参考訳（メタデータ） (2024-06-28T08:45:02Z) - The Data Minimization Principle in Machine Learning [61.17813282782266]
データ最小化は、収集、処理、保持されるデータの量を減らすことを目的としている。
様々な国際データ保護規制によって支持されている。
しかし、厳密な定式化が欠如しているため、その実践的な実装は依然として課題である。
論文 参考訳（メタデータ） (2024-05-29T19:40:27Z) - Learning to Learn from APIs: Black-Box Data-Free Meta-Learning [95.41441357931397]
データフリーなメタラーニング(DFML)は、トレーニングデータにアクセスせずに事前訓練されたモデルの集合からメタラーニングすることで、新しいタスクの効率的な学習を可能にすることを目的としている。
既存のDFMLの作業は、(i)ホワイトボックスと(ii)小規模事前訓練モデルからしかメタ学習できない。
ブラックボックスAPIの集合から単一のモデルへ,より一般的なメタ知識を伝達するための,バイレベルデータフリーなメタ知識蒸留(BiDf-MKD)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-28T18:00:12Z) - Optimizing Data Collection for Machine Learning [87.37252958806856]
現代のディープラーニングシステムは、素晴らしいパフォーマンスを達成するために巨大なデータセットを必要とします。
過度に収集したデータは不要な現在のコストを発生させる一方、過度に収集したデータは将来のコストと遅延を引き起こす可能性がある。
本稿では,データ収集を形式的最適データ収集問題としてモデル化するための新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2022-10-03T21:19:05Z) - Compositional Generalization for Natural Language Interfaces to Web APIs [26.851998759793453]
本稿では,Webアプリケーションプログラミングインタフェース(NL2API)に対する自然言語の新しいデータセットであるOkapiについて述べる。
このデータセットは英語で書かれており、3つのドメインをカバーする22,508の質問と9,019のユニークなAPI呼び出しを含んでいる。
NL2APIの新しい構成一般化タスクを定義し、トレーニングセット内の単純なAPI呼び出しから推論フェーズにおける新しいより複雑なAPI呼び出しまで、モデルが外挿する能力を探る。
論文 参考訳（メタデータ） (2021-12-09T20:49:01Z) - Learning to Limit Data Collection via Scaling Laws: Data Minimization
Compliance in Practice [62.44110411199835]
我々は機械学習法における文献に基づいて、データとシステム性能を結びつけるデータ解釈に基づく収集を制限するフレームワークを提案する。
我々は、性能曲線微分に基づくデータ最小化基準を定式化し、有効かつ解釈可能な分数法法技術を提供する。
論文 参考訳（メタデータ） (2021-07-16T19:59:01Z) - Operationalizing the Legal Principle of Data Minimization for
Personalization [64.0027026050706]
データ最小化原理の同質な解釈が欠如していることを認識し、パーソナライゼーションの文脈に適用可能な2つの運用定義を探索する。
データ最小化によるパフォーマンス低下はそれほど大きくないかもしれないが、異なるユーザに影響を与える可能性がある。
論文 参考訳（メタデータ） (2020-05-28T00:43:06Z)
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。