論文の概要: Setting the Course, but Forgetting to Steer: Analyzing Compliance with GDPR's Right of Access to Data by Instagram, TikTok, and YouTube
- arxiv url: http://arxiv.org/abs/2502.11208v1
- Date: Sun, 16 Feb 2025 17:15:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-18 14:13:24.523104
- Title: Setting the Course, but Forgetting to Steer: Analyzing Compliance with GDPR's Right of Access to Data by Instagram, TikTok, and YouTube
- Title（参考訳）: Instagram、TikTok、YouTubeによるGDPRのデータアクセス権利へのコンプライアンスの分析
- Authors: Sai Keerthana Karnam, Abhisek Dash, Sepehr Mousavi, Stefan Bechtold, Krishna P. Gummadi, Animesh Mukherjee, Ingmar Weber, Savvas Zannettou,
- Abstract要約: 3つの主要なソーシャルメディアプラットフォームが提供するデータダウンロードパッケージ(DDP)の理解性と信頼性を評価する。
4カ国で400人の参加者を募集し、様々な要件にまたがるDDPの理解度を評価した。
また,自動ボットとユーザ支援型DDPを活用することで,DDPの信頼性を3つのプラットフォームで評価する。
- 参考スコア（独自算出の注目度）: 13.933510872380742
- License:
- Abstract: The comprehensibility and reliability of data download packages (DDPs) provided under the General Data Protection Regulation's (GDPR) right of access are vital for both individuals and researchers. These DDPs enable users to understand and control their personal data, yet issues like complexity and incomplete information often limit their utility. Also, despite their growing use in research to study emerging online phenomena, little attention has been given to systematically assessing the reliability and comprehensibility of DDPs. To bridge this research gap, in this work, we perform a comparative analysis to assess the comprehensibility and reliability of DDPs provided by three major social media platforms, namely, TikTok, Instagram, and YouTube. By recruiting 400 participants across four countries, we assess the comprehensibility of DDPs across various requirements, including conciseness, transparency, intelligibility, and clear and plain language. Also, by leveraging automated bots and user-donated DDPs, we evaluate the reliability of DDPs across the three platforms. Among other things, we find notable differences across the three platforms in the data categories included in DDPs, inconsistencies in adherence to the GDPR requirements, and gaps in the reliability of the DDPs across platforms. Finally, using large language models, we demonstrate the feasibility of easily providing more comprehensible DDPs.
- Abstract（参考訳）: 一般データ保護規則(GDPR)のアクセス権の下で提供されるデータダウンロードパッケージ(DDP)の理解性と信頼性は、個人と研究者の両方にとって不可欠である。
これらのDDPは、ユーザが自分の個人情報を理解し、制御することを可能にするが、複雑さや不完全な情報といった問題は、しばしば有用性を制限している。
また、オンライン現象の研究に利用されつつあるにもかかわらず、DDPの信頼性と理解性を体系的に評価する上ではほとんど注意が払われていない。
この研究ギャップを埋めるため、本稿では、TikTok、Instagram、YouTubeの3大ソーシャルメディアプラットフォームが提供するDDPの理解性と信頼性を評価するために、比較分析を行う。
4か国で400人の参加者を募集することで、簡潔さ、透明性、知性、明瞭で平易な言語など、様々な要件にまたがるDDPの理解度を評価する。
また,自動ボットとユーザ支援型DDPを活用することで,DDPの信頼性を3つのプラットフォームで評価する。
中でも、DDPに含まれるデータカテゴリにおける3つのプラットフォーム間での顕著な違い、GDPR要件の遵守の不整合、プラットフォーム間のDDPの信頼性の欠如などを見出した。
最後に,大規模言語モデルを用いて,より理解しやすいDDPの実現可能性を示す。
関連論文リスト
- Adaptive PII Mitigation Framework for Large Language Models [2.694044579874688]
本稿では,PII(Personally Identible Information)とSPI(Sensitive Personal Information)のリスク軽減のための適応システムを提案する。
このシステムは、高度なNLP技術、文脈認識分析、およびポリシー駆動マスキングを使用して、規制コンプライアンスを保証する。
ベンチマークではシステムの有効性が強調され、パスポート番号のF1スコアは0.95である。
論文 参考訳（メタデータ） (2025-01-21T19:22:45Z) - Are Data Experts Buying into Differentially Private Synthetic Data? Gathering Community Perspectives [14.736115103446101]
アメリカ合衆国では、差分プライバシー(DP)がプライバシ保護データ分析の技術的運用の主流となっている。
本研究はDPメカニズムの1つのクラスであるプライベートデータシンセサイザーについて質的に検討する。
論文 参考訳（メタデータ） (2024-12-17T15:50:14Z) - PASTA-4-PHT: A Pipeline for Automated Security and Technical Audits for the Personal Health Train [34.203290179252555]
この研究は、DevSecOpsの原則にインスパイアされたPHT準拠のセキュリティと監査パイプラインについて論じる。
我々は、PHTに脆弱性を導入し、我々のパイプラインを5つの現実世界のPHTに適用する。
最終的に、私たちの仕事はPHTフレームワーク内のデータ処理アクティビティのセキュリティと全体的な透明性の向上に貢献します。
論文 参考訳（メタデータ） (2024-12-02T08:43:40Z) - An Empirical Study on Compliance with Ranking Transparency in the
Software Documentation of EU Online Platforms [7.461555266672227]
本研究は,6つの主要なプラットフォーム(Amazon, Bing, Booking, Google, Tripadvisor, Yahoo)のコンプライアンスを実証的に評価する。
本稿では,ChatGPTと情報検索技術に基づく自動コンプライアンス評価ツールの導入とテストを行う。
我々の発見は、規制の遵守を強化し、国連持続可能な開発目標10.3に適合するのに役立つだろう。
論文 参考訳（メタデータ） (2023-12-22T16:08:32Z) - FairDP: Certified Fairness with Differential Privacy [55.51579601325759]
本稿では,FairDPについて紹介する。FairDPは,トレーニングされたモデルの判断に対して,グループフェアネスの認定を提供するために設計された,新しいトレーニングメカニズムである。
FairDPの鍵となる考え方は、独立した個別グループのためのモデルをトレーニングし、データプライバシ保護のための各グループの勾配にノイズを加え、グループモデルの知識を統合して、下流タスクにおけるプライバシ、ユーティリティ、公正性のバランスをとるモデルを構築することである。
論文 参考訳（メタデータ） (2023-05-25T21:07:20Z) - DataPerf: Benchmarks for Data-Centric AI Development [81.03754002516862]
DataPerfは、MLデータセットとデータ中心アルゴリズムを評価するための、コミュニティ主導のベンチマークスイートである。
私たちは、この反復的な開発をサポートするために、複数の課題を抱えたオープンなオンラインプラットフォームを提供しています。
ベンチマーク、オンライン評価プラットフォーム、ベースライン実装はオープンソースである。
論文 参考訳（メタデータ） (2022-07-20T17:47:54Z) - How Do Socio-Demographic Patterns Define Digital Privacy Divide? [0.5571177307684636]
デジタルプライバシは情報通信技術(ICT)システムにおいて重要なコンポーネントとなっている。
デジタルプライバシー保護レベルにはまだ差がある。
本稿では,ICTシステムにおけるディジタルプライバシ分割(DPD)問題について検討する。
論文 参考訳（メタデータ） (2022-01-20T00:59:53Z) - What Stops Learning-based 3D Registration from Working in the Real
World? [53.68326201131434]
この研究は、3Dポイントのクラウド登録失敗の原因を特定し、その原因を分析し、解決策を提案する。
最終的に、これは最も実践的な3D登録ネットワーク(BPNet)に変換される。
我々のモデルは微調整をせずに実データに一般化し、商用センサで得られた見えない物体の点雲上で最大67%の精度に達する。
論文 参考訳（メタデータ） (2021-11-19T19:24:27Z) - 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) - Trustworthy AI [75.99046162669997]
入力データの小さな敵対的変化への脆さ、決定の説明能力、トレーニングデータのバイアスに対処する能力は、最も顕著な制限である。
我々は,AIシステムに対するユーザおよび公的な信頼を高める上での6つの重要な問題に対処するために,信頼に値するAIに関するチュートリアルを提案する。
論文 参考訳（メタデータ） (2020-11-02T20:04:18Z) - GDPR: When the Right to Access Personal Data Becomes a Threat [63.732639864601914]
個人データへのアクセス要求を行う300以上のデータコントローラについて検討する。
リクエストを処理したデータコントローラの50.4%が、ユーザを特定する手順に欠陥があることが分かりました。
望ましくない驚くべき結果によって、現在のデプロイメントでは、Webサービスのユーザのプライバシを実際に低下させています。
論文 参考訳（メタデータ） (2020-05-04T22:01:46Z)
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。