論文の概要: NL2GDPR: Automatically Develop GDPR Compliant Android Application
Features from Natural Language
- arxiv url: http://arxiv.org/abs/2208.13361v1
- Date: Mon, 29 Aug 2022 04:16:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-30 14:08:50.397849
- Title: NL2GDPR: Automatically Develop GDPR Compliant Android Application
Features from Natural Language
- Title（参考訳）: NL2GDPR: 自然言語からGDPR準拠のAndroidアプリケーション機能を開発する
- Authors: Faysal Hossain Shezan, Yingjie Lao, Minlong Peng, Xin Wang, Mingming
Sun, Ping Li
- Abstract要約: NL2はBaidu Cognitive Computing Labが開発した情報抽出ツールである。
プライバシー中心の情報を生成し、プライバシーポリシーを生成する。
個人記憶プロセス、データプロセス、およびタイプに関連するポリシーの92.9%の識別を達成できる。
- 参考スコア（独自算出の注目度）: 28.51179772165298
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The recent privacy leakage incidences and the more strict policy regulations
demand a much higher standard of compliance for companies and mobile apps.
However, such obligations also impose significant challenges on app developers
for complying with these regulations that contain various perspectives,
activities, and roles, especially for small companies and developers who are
less experienced in this matter or with limited resources. To address these
hurdles, we develop an automatic tool, NL2GDPR, which can generate policies
from natural language descriptions from the developer while also ensuring the
app's functionalities are compliant with General Data Protection Regulation
(GDPR). NL2GDPR is developed by leveraging an information extraction tool, OIA
(Open Information Annotation), developed by Baidu Cognitive Computing Lab.
At the core, NL2GDPR is a privacy-centric information extraction model,
appended with a GDPR policy finder and a policy generator. We perform a
comprehensive study to grasp the challenges in extracting privacy-centric
information and generating privacy policies, while exploiting optimizations for
this specific task. With NL2GDPR, we can achieve 92.9%, 95.2%, and 98.4%
accuracy in correctly identifying GDPR policies related to personal data
storage, process, and share types, respectively. To the best of our knowledge,
NL2GDPR is the first tool that allows a developer to automatically generate
GDPR compliant policies, with only the need of entering the natural language
for describing the app features. Note that other non-GDPR-related features
might be integrated with the generated features to build a complex app.
- Abstract（参考訳）: 最近のプライバシーリークの発生率とより厳格なポリシー規制は、企業やモバイルアプリのコンプライアンスの基準をはるかに高めている。
しかし、こうした義務はまた、様々な視点、活動、役割を含むこれらの規則に準拠するアプリ開発者、特に経験が乏しい、あるいはリソースが限られている小さな企業や開発者に対して、重大な課題を課す。
これらのハードルに対処するため、我々はNL2GDPRという自動ツールを開発し、開発者から自然言語記述からポリシーを生成すると同時に、アプリの機能がGDPR(General Data Protection Regulation)に準拠していることを保証する。
NL2GDPRはBaidu Cognitive Computing Labが開発した情報抽出ツールOIA(Open Information Annotation)を利用して開発されている。
NL2GDPRはプライバシー中心の情報抽出モデルであり、GDPRポリシーファインダとポリシージェネレータが付加される。
我々は,プライバシ中心の情報抽出とプライバシポリシの生成における課題を総合的に把握し,このタスクの最適化を活用すべく,調査を行った。
NL2GDPRでは、個人データストレージ、プロセス、共有タイプに関連するGDPRポリシーを正確に識別する上で、92.9%、95.2%、98.4%の精度を達成することができる。
私たちの知る限りでは、NL2GDPRは開発者がアプリ機能を記述するために自然言語を入力するだけでGDPR準拠のポリシーを自動的に生成できる最初のツールです。
他のGDPR関連の機能は、複雑なアプリを構築するために生成された機能と統合される可能性がある。
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) - PolicyLR: A Logic Representation For Privacy Policies [34.73520882451813]
我々は、プライバシポリシーの包括的な機械可読表現を提供する新しいパラダイムであるPolicyLRを提案する。
PolicyLRは、プライバシーポリシーを原子式の評価を用いて機械可読形式に変換する。
ポリシコンプライアンス,一貫性検出,プライバシ比較ショッピングという3つのプライバシタスクにおいて,ポリシLRを実証する。
論文 参考訳（メタデータ） (2024-08-27T07:27:16Z) - Mitigating the Privacy Issues in Retrieval-Augmented Generation (RAG) via Pure Synthetic Data [51.41288763521186]
Retrieval-augmented Generation (RAG)は、外部知識ソースから取得した関連情報を統合することにより、言語モデルの出力を強化する。
RAGシステムは、プライベートデータを取得する際に深刻なプライバシーリスクに直面する可能性がある。
検索データに対するプライバシー保護の代替として,合成データを用いる方法を提案する。
論文 参考訳（メタデータ） (2024-06-20T22:53:09Z) - An Exploratory Mixed-Methods Study on General Data Protection Regulation (GDPR) Compliance in Open-Source Software [4.2610816955137]
欧州連合(EU)の一般データ保護規則では、ソフトウェア開発者はユーザーのデータと相互作用するプライバシー要件を満たす必要がある。
先行研究は、そのような法律が開発に与える影響を説明しているが、商用ソフトウェアの場合のみである。
論文 参考訳（メタデータ） (2024-06-20T20:38:33Z) - Demystifying Legalese: An Automated Approach for Summarizing and Analyzing Overlaps in Privacy Policies and Terms of Service [0.6240153531166704]
我々の研究は、このような文書に自動でアクセス可能な要約とスコアを提供する言語モデルを開発することで、この問題を軽減することを目指している。
我々はデータセットのトレーニング中にトランスフォーマーベースのモデルと従来のモデルを比較し、RoBERTaは0.74F1スコアで全体的なパフォーマンスを改善した。
論文 参考訳（メタデータ） (2024-04-17T19:53:59Z) - Towards an Enforceable GDPR Specification [49.1574468325115]
プライバシ・バイ・デザイン(PbD)は、EUなどの現代的なプライバシー規制によって規定されている。
PbDを実現する1つの新しい技術は強制(RE)である
法律規定の正式な仕様を作成するための一連の要件と反復的な方法論を提示する。
論文 参考訳（メタデータ） (2024-02-27T09:38:51Z) - Helping Code Reviewer Prioritize: Pinpointing Personal Data and its
Processing [0.9238700679836852]
我々は、コードレビュアーが個人データに関連する作業の優先順位付けを支援するために、2つの専門的なビューを設計しました。
当社のアプローチは、4つのオープンソースGitHubアプリケーションで評価され、個人データフローを識別する精度が0.87であることを示した。
このソリューションは、ROPA(Record of Processing Activity)のようなプライバシ関連の分析タスクの効率を高めるために設計されており、リソースの保存、時間節約、コードレビュアーの生産性向上を目的としている。
論文 参考訳（メタデータ） (2023-06-20T12:30:46Z) - Automated Detection of GDPR Disclosure Requirements in Privacy Policies
using Deep Active Learning [3.659023646021795]
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。
論文 参考訳（メタデータ） (2021-11-08T01:28:27Z) - Building a Foundation for Data-Driven, Interpretable, and Robust Policy
Design using the AI Economist [67.08543240320756]
AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。
RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
論文 参考訳（メタデータ） (2021-08-06T01:30:41Z) - Incorporating External Knowledge through Pre-training for Natural
Language to Code Generation [97.97049697457425]
オープンドメインコード生成は、自然言語(NL)の意図から汎用プログラミング言語でコードを生成することを目的としている。
オンラインプログラミングQAフォーラムStackOverflowとプログラミング言語APIドキュメントからNL-codeペアを自動的にマイニングする。
評価の結果,2つのソースとデータ拡張と検索ベースデータ再サンプリングを組み合わせることで,コード生成テストベッドCoNaLa上でのBLEUスコアが最大2.2%向上することがわかった。
論文 参考訳（メタデータ） (2020-04-20T01:45:27Z)
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。