論文の概要: Towards Cross-Provider Analysis of Transparency Information for Data
Protection
- arxiv url: http://arxiv.org/abs/2309.00382v2
- Date: Tue, 5 Sep 2023 09:33:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 11:49:00.919795
- Title: Towards Cross-Provider Analysis of Transparency Information for Data
Protection
- Title(参考訳): データ保護のための透明性情報のクロスプロファイラ解析に向けて
- Authors: Elias Gr\"unewald, Johannes M. Halkenh\"au{\ss}er, Nicola Leschke,
Frank Pallas
- Abstract要約: 本稿では,サービスプロバイダ間の大規模透明性情報分析を実現するための新しいアプローチを提案する。
我々は、高度な透明性情報分析のための一般的なアプローチ、オープンソースのアーキテクチャ、クエリ可能な分析プラットフォームという形での実装を提供する。
今後の作業は、私たちのコントリビューションに基づいて、隠れたデータ共有プラクティスに関する洞察を得ることができます。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transparency and accountability are indispensable principles for modern data
protection, from both, legal and technical viewpoints. Regulations such as the
GDPR, therefore, require specific transparency information to be provided
including, e.g., purpose specifications, storage periods, or legal bases for
personal data processing. However, it has repeatedly been shown that all too
often, this information is practically hidden in legalese privacy policies,
hindering data subjects from exercising their rights. This paper presents a
novel approach to enable large-scale transparency information analysis across
service providers, leveraging machine-readable formats and graph data science
methods. More specifically, we propose a general approach for building a
transparency analysis platform (TAP) that is used to identify data transfers
empirically, provide evidence-based analyses of sharing clusters of more than
70 real-world data controllers, or even to simulate network dynamics using
synthetic transparency information for large-scale data-sharing scenarios. We
provide the general approach for advanced transparency information analysis, an
open source architecture and implementation in the form of a queryable analysis
platform, and versatile analysis examples. These contributions pave the way for
more transparent data processing for data subjects, and evidence-based
enforcement processes for data protection authorities. Future work can build
upon our contributions to gain more insights into so-far hidden data-sharing
practices.
- Abstract(参考訳): 透明性と説明責任は、法的および技術的な観点から、現代のデータ保護にとって必須の原則である。
したがってGDPRのような規制は、例えば、目的仕様、保管期間、または個人データ処理の法的基盤を含む特定の透明性情報を提供する必要がある。
しかし、あまりにも頻繁に、この情報は事実上法的プライバシーポリシーに隠されており、データの対象が権利を行使することを妨げることが示されている。
本稿では,機械可読フォーマットとグラフデータサイエンス手法を活用し,サービスプロバイダ間の大規模透明性情報分析を可能にする新しい手法を提案する。
具体的には,データ転送を実証的に識別するための透過分析プラットフォーム(TAP)の構築,70以上の実世界のデータコントローラのクラスタ共有のエビデンスに基づく分析,さらには大規模データ共有シナリオのための合成透明性情報を用いたネットワークダイナミクスのシミュレーションなどを提案する。
我々は、高度な透明性情報分析のための一般的なアプローチ、クエリ可能な分析プラットフォームという形でのオープンソースアーキテクチャと実装、多彩な分析例を提供する。
これらの貢献は、データ主題に対するより透明なデータ処理、およびデータ保護当局に対するエビデンスベースの執行プロセスの道を開く。
今後の作業は、私たちの貢献に基づいて、隠れたデータ共有プラクティスに関するさらなる洞察を得ることができます。
関連論文リスト
- Securing Data Platforms: Strategic Masking Techniques for Privacy and
Security for B2B Enterprise Data [0.0]
ビジネス・ツー・ビジネス(B2B)企業はますますデータプラットフォームを構築しています。
データプライバシとセキュリティを本質的にサポートするメカニズムで、これらのデータプラットフォームを設計することが重要になっている。
データマスキングは、データプラットフォームアーキテクチャの重要な特徴である。
論文 参考訳(メタデータ) (2023-12-06T05:04:37Z) - Towards Generalizable Data Protection With Transferable Unlearnable
Examples [50.628011208660645]
本稿では、転送不可能な例を生成することによって、新しい一般化可能なデータ保護手法を提案する。
私たちの知る限りでは、これはデータ分散の観点からデータのプライバシを調べる最初のソリューションです。
論文 参考訳(メタデータ) (2023-05-18T04:17:01Z) - Rethinking People Analytics With Inverse Transparency by Design [57.67333075002697]
我々は、デザインによる逆透過性(inverse transparency)と呼ぶ、労働分析のための新しい設計手法を提案する。
アーキテクチャの変更はコア機能を阻害することなく行われます。
我々は、デザインによる逆透明性は、受け入れられ、責任ある人々の分析を実現するための有望なアプローチである、と結論付けている。
論文 参考訳(メタデータ) (2023-05-16T21:37:35Z) - Enabling Versatile Privacy Interfaces Using Machine-Readable
Transparency Information [0.0]
プライバシには、表示のコンテキスト、個人の好み、およびデータ主題の個人的能力が組み込まれなければならない、と我々は主張する。
データコントローラからデータ対象への透明性情報の提供方法に関する一般的なモデルを提供する。
機械可読な透明性情報を用いて透明性を高める方法と、データコントローラがそれぞれの規制義務を満たす方法を示す。
論文 参考訳(メタデータ) (2023-02-21T20:40:26Z) - Private Set Generation with Discriminative Information [63.851085173614]
異なるプライベートなデータ生成は、データプライバシの課題に対する有望な解決策である。
既存のプライベートな生成モデルは、合成サンプルの有用性に苦慮している。
我々は,最先端アプローチのサンプルユーティリティを大幅に改善する,シンプルで効果的な手法を提案する。
論文 参考訳(メタデータ) (2022-11-07T10:02:55Z) - 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) - Datensouver\"anit\"at f\"ur Verbraucher:innen: Technische Ans\"atze
durch KI-basierte Transparenz und Auskunft im Kontext der DSGVO [0.0]
EUの一般データ保護規則は、包括的なデータ対象の権利を保証する。
長いデータ保護宣言などの従来のアプローチは、情報自己決定の要件を満たしていない。
この目的のために、関連する透明性情報はセミオートマチックな方法で抽出され、マシン可読形式で表現され、仮想アシスタントなどの多様なチャネルを介して再生される。
論文 参考訳(メタデータ) (2021-12-07T18:18:19Z) - Trustworthy Transparency by Design [57.67333075002697]
本稿では,ユーザ信頼とエクスペリエンスに関する研究を取り入れた,ソフトウェア設計のための透明性フレームワークを提案する。
私たちのフレームワークは、その設計に透明性を取り入れたソフトウェアの開発を可能にします。
論文 参考訳(メタデータ) (2021-03-19T12:34:01Z) - Explainable Patterns: Going from Findings to Insights to Support Data
Analytics Democratization [60.18814584837969]
我々は,データストーリテリングの探索と作成において,レイユーザをサポートする新しいフレームワークであるExplainable Patterns (ExPatt)を提示する。
ExPattは、外部(テキスト)の情報ソースを使用して、観察または選択された発見の実用的な説明を自動的に生成します。
論文 参考訳(メタデータ) (2021-01-19T16:13:44Z) - TILT: A GDPR-Aligned Transparency Information Language and Toolkit for
Practical Privacy Engineering [0.0]
TILTは透明性情報を表すために設計された透明性情報言語およびツールキットである。
形式的な透明性言語に必要なものを特定するために、透明性義務を詳細に分析する。
そこで本研究では,形式言語を規定し,それぞれに完全に実装されたツールキットを提案する。
論文 参考訳(メタデータ) (2020-12-18T18:45:04Z)
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。