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
- 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) - How Can LLM Guide RL? A Value-Based Approach [68.55316627400683]
強化学習(Reinforcement Learning, RL)は、将来の行動方針をフィードバックで改善することにより、シーケンシャルな意思決定問題の事実上の標準的実践となった。
大規模言語モデル(LLM)の最近の発展は、言語理解と生成において印象的な能力を示したが、探索と自己改善能力に欠けていた。
我々はLINVITというアルゴリズムを開発し、LLMガイダンスを値ベースRLの正規化因子として組み込んで学習に必要なデータ量を大幅に削減する。
論文 参考訳(メタデータ) (2024-02-25T20:07:13Z) - 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) - 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) - Privacy Adhering Machine Un-learning in NLP [66.17039929803933]
現実の業界では、機械学習を使ってユーザデータに基づくモデルを構築します。
このような委任事項には、データだけでなく、モデルの再トレーニングにも労力が要る。
データの継続的な削除と モデル再訓練のステップはスケールしません
この課題に対処するために、textitMachine Unlearningを提案する。
論文 参考訳(メタデータ) (2022-12-19T16:06:45Z) - 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) - Towards Automatic Comparison of Data Privacy Documents: A Preliminary
Experiment on GDPR-like Laws [1.3537117504260623]
一般データ保護規則(NLP)は多くの国で保護のための標準法となっている。
12カ国で類似性のような規制が採用されているが、違いを評価するのに時間がかかり、法律の専門家による手作業が必要になる。
本稿では,この問題に対処するための自然言語処理(NLP)アプローチについて検討する。
論文 参考訳(メタデータ) (2021-05-21T03:59:29Z) - 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。