論文の概要: A new framework for global data regulation
- arxiv url: http://arxiv.org/abs/2308.12955v1
- Date: Thu, 24 Aug 2023 17:48:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-25 12:56:44.612465
- Title: A new framework for global data regulation
- Title（参考訳）: グローバルデータ規制のための新しい枠組み
- Authors: Ellie Graeden, David Rosado, Tess Stevens, Mallory Knodel, Rachele
Hendricks-Sturrup, Andrew Reiskind, Ashley Bennett, John Leitner, Paul Lekas,
Michelle DeMooy
- Abstract要約: 我々は、特定のデータやツール自体にではなく、これらのデータやツールのコンテキストにおける使用に関連する結果や権利に適用されるように設計された規制フレームワークを提案する。
このフレームワークは、プライバシーを含む幅広い人権を認識し、対処し、保護するように設計されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Under the current regulatory framework for data protections, the protection
of human rights writ large and the corresponding outcomes are regulated largely
independently from the data and tools that both threaten those rights and are
needed to protect them. This separation between tools and the outcomes they
generate risks overregulation of the data and tools themselves when not linked
to sensitive use cases. In parallel, separation risks under-regulation if the
data can be collected and processed under a less-restrictive framework, but
used to drive an outcome that requires additional sensitivity and restrictions.
A new approach is needed to support differential protections based on the
genuinely high-risk use cases within each sector. Here, we propose a regulatory
framework designed to apply not to specific data or tools themselves, but to
the outcomes and rights that are linked to the use of these data and tools in
context. This framework is designed to recognize, address, and protect a broad
range of human rights, including privacy, and suggests a more flexible approach
to policy making that is aligned with current engineering tools and practices.
We test this framework in the context of open banking and describe how current
privacy-enhancing technologies and other engineering strategies can be applied
in this context and that of contract tracing applications. This approach for
data protection regulations more effectively builds on existing engineering
tools and protects the wide range of human rights defined by legislation and
constitutions around the globe.
- Abstract（参考訳）: 現在のデータ保護に関する規制の枠組みでは、人権の保護は大きく、それに対応する結果が、それらの権利を脅かし、それらを保護するために必要なデータやツールから独立して規制されている。
このツールと結果の分離は、機密性の高いユースケースとは無関係に、データとツール自体の過剰な規制を引き起こす。
並行して、データはより制限の少ないフレームワークで収集および処理できるが、追加の感度と制限を必要とする結果を生み出すために使用される場合、分離は規制下のリスクを負う。
各セクターにおける真に高リスクなユースケースに基づいて、差分保護をサポートするために、新しいアプローチが必要である。
ここでは、特定のデータやツール自体にではなく、これらのデータやツールのコンテキストにおける使用に関連する結果や権利に適用されるように設計された規制フレームワークを提案する。
このフレームワークは、プライバシーを含む幅広い人権を認識し、対処し、保護するために設計されている。
このフレームワークをオープンバンキングのコンテキストでテストし、現在のプライバシ向上技術や他のエンジニアリング戦略が、このコンテキストとコントラクトトレースアプリケーションにどのように適用できるかを説明します。
このデータ保護規制のアプローチは、既存のエンジニアリングツールに基づいてより効果的に構築され、世界中の法律や憲法によって定義された幅広い人権を保護します。
関連論文リスト
- The Future of International Data Transfers: Managing Legal Risk with a User-Held Data Model [0.0]
一般データ保護規則(General Data Protection Regulation)は、厳格な要件が満たさない限り、欧州経済圏外の個人データの転送を禁止している。
新しい技術は国際データ転送を標準とし、例外ではない。
この記事では、ユーザが所有するデータモデルという、そのような選択肢について検討する。
論文 参考訳（メタデータ） (2024-07-30T03:15:36Z) - Collection, usage and privacy of mobility data in the enterprise and public administrations [55.2480439325792]
個人のプライバシーを守るためには、匿名化などのセキュリティ対策が必要である。
本研究では,現場における実践の洞察を得るために,専門家によるインタビューを行った。
我々は、一般的には最先端の差分プライバシー基準に準拠しない、使用中のプライバシー強化手法を調査した。
論文 参考訳（メタデータ） (2024-07-04T08:29:27Z) - 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) - Legal Requirements Analysis [2.3349787245442966]
法的な要件を解析し,その表現を例示する様々な手法について検討する。
機械分析可能な表現を規則から作成する代替案について述べる。
論文 参考訳（メタデータ） (2023-11-23T09:31:57Z) - Theoretically Principled Federated Learning for Balancing Privacy and
Utility [61.03993520243198]
モデルパラメータを歪ませることでプライバシを保護する保護機構の一般学習フレームワークを提案する。
フェデレートされた学習における各コミュニケーションラウンドにおいて、各クライアント上の各モデルパラメータに対して、パーソナライズされたユーティリティプライバシトレードオフを実現することができる。
論文 参考訳（メタデータ） (2023-05-24T13:44:02Z) - Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive
Privacy Analysis and Beyond [57.10914865054868]
垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。
我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
論文 参考訳（メタデータ） (2022-07-19T05:47:30Z) - An Example of Privacy and Data Protection Best Practices for Biometrics
Data Processing in Border Control: Lesson Learned from SMILE [0.9442139459221784]
データの誤用、個人のプライバシーの妥協、および/または承認されたデータの処理は不可逆である。
これは部分的には、システム開発プロセスにおける設計によるデータ保護とプライバシの統合のための方法やガイダンスの欠如によるものである。
データコントローラと開発者のためのガイダンスを提供するために、プライバシーとデータ保護のベストプラクティスの例を示す。
論文 参考訳（メタデータ） (2022-01-10T15:34:43Z) - 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) - 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) - An operational architecture for privacy-by-design in public service
applications [0.26249027950824505]
独立規制監視に基づくプライバシ・バイ・デザインのための運用アーキテクチャを提案する。
既存の技術に基づくアーキテクチャの実装の可能性について、簡単に論じる。
論文 参考訳（メタデータ） (2020-06-08T14:57:29Z)
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。