論文の概要: African Union Convention on Cyber Security and Personal Data Protection: Challenges and Future Directions

• arxiv url: http://arxiv.org/abs/2307.01966v1
• Date: Wed, 5 Jul 2023 00:31:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-06 15:33:09.147598
• Title: African Union Convention on Cyber Security and Personal Data Protection: Challenges and Future Directions
• Title（参考訳）: サイバーセキュリティと個人データ保護に関するアフリカ連合条約:課題と今後の方向性
• Authors: MA. Bouke, A. Abdullah, SH. ALshatebi, H. El. Atigh and K. Cengiz
• Abstract要約: 本稿では,アフリカにおけるサイバーセキュリティと個人データ保護に関するアフリカ連合条約の実施の課題と機会について検討する。 法律、規制、技術、インフラ、能力の構築、認識、調和、国境を越えた協力の課題に焦点を当てている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper investigates the challenges and opportunities of implementing the African Union Convention on Cyber Security and Personal Data Protection (AUDPC) across Africa. Focusing on legal, regulatory, technical, infrastructural, capacity building, awareness, Harmonization, and cross-border cooperation challenges, the paper identifies key findings that highlight the diverse legal systems and traditions, the lack of comprehensive data protection laws, the need to balance national security and data privacy, the digital divide, cybersecurity threats, implications of emerging technologies on data privacy, limited resources for data protection authorities, and the need for capacity building in data privacy and protection. The paper also emphasizes the importance of Harmonization and cross-border cooperation in aligning data protection frameworks and collaborating with international partners and global organizations. To address these challenges and facilitate the successful implementation of the AUDPC, the paper proposes a set of recommendations, including strengthening legal and regulatory frameworks, enhancing technical and infrastructural capacities, fostering capacity-building and awareness initiatives, promoting Harmonization and cross-border cooperation, and engaging with global data protection trends and developments.
• Abstract（参考訳）: 本稿では,アフリカにおけるサイバーセキュリティと個人データ保護に関するアフリカ連合条約(AUDPC)実施の課題と機会について検討する。 Focusing on legal, regulatory, technical, infrastructural, capacity building, awareness, Harmonization, and cross-border cooperation challenges, the paper identifies key findings that highlight the diverse legal systems and traditions, the lack of comprehensive data protection laws, the need to balance national security and data privacy, the digital divide, cybersecurity threats, implications of emerging technologies on data privacy, limited resources for data protection authorities, and the need for capacity building in data privacy and protection. 論文はまた、データ保護フレームワークの調整と国際パートナーやグローバル組織とのコラボレーションにおいて、調和とクロスボーダー協力の重要性を強調している。 これらの課題に対処し、AUDPCの実施を成功させるために、法と規制の枠組みの強化、技術とインフラの能力の向上、能力構築と意識の向上、ハーモニゼーションと国境を越えた協力の促進、グローバルデータ保護の動向と発展への関与など、一連の勧告を提案する。

関連論文リスト

• Human-Data Interaction Framework: A Comprehensive Model for a Future Driven by Data and Humans [0.0]
  HDI(Human-Data Interaction)フレームワークは、現代のデジタル世界でのデータガバナンスと利用に関連する課題と倫理的問題に取り組むための重要なアプローチとなっている。 本稿では、組織がHDI原則をシームレスに統合するために必要な基本的な手順を概説する。
  論文  参考訳（メタデータ） (2024-07-30T17:57:09Z)
• GoldCoin: Grounding Large Language Models in Privacy Laws via Contextual Integrity Theory [44.297102658873726]
  これまでの研究では、さまざまなプライバシー攻撃、防御、評価を狭義に定義されたパターンの中で探索することで、プライバシを研究する。 我々は,プライバシ違反を評価する司法法において,LLMを効果的に活用するための新しい枠組みであるGoldCoinを紹介した。 我々のフレームワークは、コンテキスト整合性の理論をブリッジとして活用し、関連するプライバシー法に基づく多数の合成シナリオを作成する。
  論文  参考訳（メタデータ） (2024-06-17T02:27:32Z)
• State-of-the-Art Approaches to Enhancing Privacy Preservation of Machine Learning Datasets: A Survey [0.0]
  本稿では、機械学習(ML)の進化する展望と、その様々な分野における大きな影響について考察する。 プライバシ保護機械学習(PPML)の新たな分野に焦点を当てている。 MLアプリケーションは、通信、金融技術、監視といった産業にとってますます不可欠なものになりつつあるため、プライバシー上の懸念が高まる。
  論文  参考訳（メタデータ） (2024-02-25T17:31:06Z)
• The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
  Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。 本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。 新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
  論文  参考訳（メタデータ） (2024-01-03T07:47:22Z)
• Extensible Consent Management Architectures for Data Trusts [0.0]
  本稿では,データトラストにおける同意管理の枠組みを提案する。 データは、対応する法的能力に基づいて確立された「ロールトンネル」を介してネットワークを流れることができる。
  論文  参考訳（メタデータ） (2023-09-28T18:28:50Z)
• An Overview of AI and Blockchain Integration for Privacy-Preserving [1.0155633074816937]
  本稿では、AIとブロックチェーンの概要を示し、それらの組み合わせと、派生したプライバシ保護技術の組み合わせを要約する。 次に、データ暗号化、識別解除、多層分散台帳、k匿名メソッドにおける特定のアプリケーションシナリオについて検討する。 本稿では、認証管理、アクセス制御、データ保護、ネットワークセキュリティ、スケーラビリティを含む、AIブロックチェーン統合プライバシ保護システムの5つの重要な側面を評価する。
  論文  参考訳（メタデータ） (2023-05-06T04:56:45Z)
• Auditing and Generating Synthetic Data with Controllable Trust Trade-offs [54.262044436203965]
  合成データセットとAIモデルを包括的に評価する総合監査フレームワークを導入する。 バイアスや差別の防止、ソースデータへの忠実性の確保、実用性、堅牢性、プライバシ保護などに焦点を当てている。 多様なユースケースにまたがる様々な生成モデルを監査することにより,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2023-04-21T09:03:18Z)
• Advancing Differential Privacy: Where We Are Now and Future Directions for Real-World Deployment [100.1798289103163]
  差分プライバシ(DP)分野における現状と現状の方法論の詳細なレビューを行う。 論文のポイントとハイレベルな内容は,「認知プライバシ(DP:次のフロンティアへの挑戦)」の議論から生まれた。 この記事では、プライバシの領域におけるアルゴリズムおよび設計決定の基準点を提供することを目標とし、重要な課題と潜在的研究の方向性を強調します。
  論文  参考訳（メタデータ） (2023-04-14T05:29:18Z)
• 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)
• A Proposal for Amending Privacy Regulations to Tackle the Challenges Stemming from Combining Data Sets [0.0]
  私たちは、AI駆動のデータ処理プラクティスがもたらす影響を適切に解決する現在のデータ保護規制の能力に、いくつかの欠点に焦点を当てています。 プライバシー規制は個人のプライバシーに対する期待に頼らず、2つの方向の規制改革を推奨する。
  論文  参考訳（メタデータ） (2021-11-26T03:30:11Z)
• 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。