論文の概要: AUTOPSY: A Framework for Tackling Privacy Challenges in the Automotive Industry
- arxiv url: http://arxiv.org/abs/2507.16788v1
- Date: Tue, 22 Jul 2025 17:32:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-23 21:34:14.229367
- Title: AUTOPSY: A Framework for Tackling Privacy Challenges in the Automotive Industry
- Title（参考訳）: AUTOPSY: 自動車業界におけるプライバシー問題に取り組むフレームワーク
- Authors: Sebastian Pape, Anis Bkakria, Maurice Heymann, Badreddine Chah, Abdeljalil Abbas-Turki, Sarah Syed-Winkler, Matthias Hiller, Reda Yaich,
- Abstract要約: AUTOPSYプロジェクトは、自動車分野におけるプライバシーエンジニアリングプロセスをサポートすることであった。
本稿では,プライバシ技術(PET)の強化を目的としたプロジェクトの結果について述べる。
さらに、アーキテクチャの配置フレームワークを評価するために、データベースのサービスのためのデモレータを構築しました。
- 参考スコア（独自算出の注目度）: 1.306941069040504
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the General Data Protection Regulation (GDPR) in place, all domains have to ensure compliance with privacy legislation. However, compliance does not necessarily result in a privacy-friendly system as for example getting users' consent to process their data does not improve the privacy-friendliness of the system. Therefore, the goal of the AUTOPSY project was to support the privacy engineering process in the automotive domain by providing several building blocks which technically improve the privacy-friendliness of modern, i.e., connected and (partially) automated vehicles. This paper presents the results of the AUTOPSY project: a system model to identify relevant entities and locations to apply privacy enhancing technologies (PETs); the privacy manager aiming at more control of the data flow from the vehicle, a PET selection approach based on GDPR principles, and an architectural framework for automotive privacy. Furthermore, we built a demonstrator for location-based services to evaluate the architectural framework.
- Abstract（参考訳）: 一般データ保護規則(GDPR)が制定されているため、すべてのドメインがプライバシー法に準拠する必要がある。
しかしながら、コンプライアンスが必ずしもプライバシフレンドリなシステムになるとは限らない。例えば、ユーザのデータ処理に対する同意を得ることで、システムのプライバシフレンドリ性が向上することはない。
そのため、AUTOPSYプロジェクトの目標は、現代のプライバシーの優越性、すなわち接続された(一部)自動車両を技術的に改善するいくつかのビルディングブロックを提供することで、自動車分野におけるプライバシーエンジニアリングプロセスをサポートすることであった。
本稿では,プライバシ向上技術(PET)を適用するための関連エンティティや場所を特定するシステムモデル,車からのデータフローをより制御することを目的としたプライバシマネージャ,GDPR原則に基づくPET選択アプローチ,自動車プライバシのためのアーキテクチャフレームワークなどについて述べる。
さらに、アーキテクチャフレームワークを評価するために、ロケーションベースのサービスのためのデモレータを構築しました。
関連論文リスト
- A Survey on Privacy-Preserving Computing in the Automotive Domain [4.156236526450893]
本調査は,セキュアマルチパーティ計算 (MPC) と同型暗号化 (HE) の応用を概観する。
まず、これらの技術のプライバシーに敏感なユースケースの範囲を特定し、異なる自動車環境におけるプライバシー問題に対処する既存の研究を調査する。
そして、これらのユースケースのソリューションとしてMPCとHEを用いた最近の研究を詳細にレビューする。
論文 参考訳（メタデータ） (2025-08-03T15:23:41Z) - Privacy-Utility-Fairness: A Balanced Approach to Vehicular-Traffic Management System [5.519732380983778]
位置情報に基づく車両交通管理は、機密性の高い地理的データを保護する上で大きな課題に直面している。
既存の最先端ソリューションは、リンク攻撃や人口統計バイアスに対して要求されるレベルの保護を満たさないことが多い。
本稿では,位置に基づく車両交通管理システムにおけるプライバシ,ユーティリティ,公平性のバランスに関する課題に対処する新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-07-09T13:49:13Z) - Privacy-Preserving Federated Embedding Learning for Localized Retrieval-Augmented Generation [60.81109086640437]
我々はFedE4RAG(Federated Retrieval-Augmented Generation)と呼ばれる新しいフレームワークを提案する。
FedE4RAGはクライアント側RAG検索モデルの協調トレーニングを容易にする。
モデルパラメータの保護にフェデレート学習の準同型暗号化を適用する。
論文 参考訳（メタデータ） (2025-04-27T04:26:02Z) - Advancing Android Privacy Assessments with Automation [5.863391019411233]
この論文は,Androidアプリにおけるデータ保護の理解を深める自動アプローチの必要性を動機付けている。
Assessor Viewは、Androidアプリケーションのより効果的なプライバシアセスメントを促進するために、これらのパーティ間の知識ギャップを埋めるように設計されたツールである。
論文 参考訳（メタデータ） (2024-09-10T14:56:51Z) - Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning [62.224804688233]
差分プライバシ(DP)は、モデルが特定のプライバシユニットで「ほとんど区別できない」ことを保証することで、有望なソリューションを提供する。
ユーザ間でのプライバシー保護の確保に必要なアプリケーションによって動機づけられたユーザレベルのDPについて検討する。
論文 参考訳（メタデータ） (2024-06-20T13:54:32Z) - Local Privacy-preserving Mechanisms and Applications in Machine Learning [0.21268495173320798]
ローカル微分プライバシ(LDP)は、データ収集と処理の段階において、個々のユーザに対して強力なプライバシ保護を提供する。
プライバシ保護メカニズムの主要な応用の1つは、機械学習である。
論文 参考訳（メタデータ） (2024-01-08T22:29:00Z) - A Randomized Approach for Tight Privacy Accounting [63.67296945525791]
推定検証リリース(EVR)と呼ばれる新しい差分プライバシーパラダイムを提案する。
EVRパラダイムは、まずメカニズムのプライバシパラメータを推定し、その保証を満たすかどうかを確認し、最後にクエリ出力を解放する。
我々の実証的な評価は、新たに提案されたEVRパラダイムが、プライバシ保護機械学習のユーティリティプライバシトレードオフを改善することを示している。
論文 参考訳（メタデータ） (2023-04-17T00:38:01Z) - 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) - Compliance Generation for Privacy Documents under GDPR: A Roadmap for
Implementing Automation and Machine Learning [2.1485350418225244]
Privatechプロジェクトはコンプライアンスのエージェントとして企業や法律会社に焦点を当てている。
データプロセッサはコンプライアンスの評価と文書化のために説明責任対策を実行しなければならない。
コンプライアンスの問題を特定し,コンプライアンス評価と生成のロードマップを提供する。
論文 参考訳（メタデータ） (2020-12-23T14:46:51Z) - Trustworthy AI Inference Systems: An Industry Research View [58.000323504158054]
我々は、信頼できるAI推論システムの設計、展開、運用にアプローチするための業界調査ビューを提供する。
信頼された実行環境を用いたAIシステムの機会と課題を強調します。
我々は,産業,アカデミック,政府研究者のグローバルな集団的注意を必要とする,さらなる発展の分野を概説する。
論文 参考訳（メタデータ） (2020-08-10T23:05:55Z) - 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) - 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。