論文の概要: Conformidade com os Requisitos Legais de Privacidade de Dados: Um Estudo sobre Técnicas de Anonimização

• arxiv url: http://arxiv.org/abs/2507.18360v1
• Date: Thu, 24 Jul 2025 12:31:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:43.629292
• Title: Conformidade com os Requisitos Legais de Privacidade de Dados: Um Estudo sobre Técnicas de Anonimização
• Title（参考訳）: ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド
• Authors: André Menolli, Luiz Fernando Nunes, Thiago A. Coleti,
• Abstract要約: 本研究の目的は,匿名化手法を解析し,法的要件とデータの有効性を保証する上での有効性を評価することである。 この分析により、プライバシーとユーティリティデータのバランスを取る必要性が強調された。
• 参考スコア（独自算出の注目度）: 3.2268447897914943
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The protection of personal data has become a central topic in software development, especially with the implementation of the General Data Protection Law (LGPD) in Brazil and the General Data Protection Regulation (GDPR) in the European Union. With the enforcement of these laws, certain software quality criteria have become mandatory, such as data anonymization, which is one of the main aspects addressed by these regulations. The aim of this article is to analyze data anonymization techniques and assess their effectiveness in ensuring compliance with legal requirements and the utility of the data for its intended purpose. Techniques such as aggregation, generalization, perturbation, and k-anonymity were investigated and applied to datasets containing personal and sensitive data. The analysis revealed significant variations in the effectiveness of each method, highlighting the need to balance privacy and data utility.
• Abstract（参考訳）: 個人データの保護は、特にブラジルにおける一般データ保護法(LGPD)と欧州連合における一般データ保護規則(GDPR)の実施によって、ソフトウェア開発において中心的な話題となっている。 これらの法律の施行に伴い、データ匿名化など、特定のソフトウェア品質基準が義務付けられている。 本研究の目的は,データ匿名化手法を解析し,法的要件の遵守を確実にする上での有効性を評価することである。 個人および機密データを含むデータセットに対して,集約,一般化,摂動,k匿名性などの手法を検討,適用した。 分析の結果、各手法の有効性に大きな変化が見られ、プライバシーとデータユーティリティのバランスを取る必要性が浮き彫りになった。

関連論文リスト

• Optimal Allocation of Privacy Budget on Hierarchical Data Release [48.96399034594329]
  本稿では,階層データリリースにおける最適プライバシ予算割り当ての問題に対処する。 データの粒度とプライバシー損失のトレードオフを考慮しつつ、全プライバシー予算の対象となるデータユーティリティの最大化を目指している。
  論文  参考訳（メタデータ） (2025-05-16T05:25:11Z)
• LegiLM: A Fine-Tuned Legal Language Model for Data Compliance [5.256747140296861]
  LegiLMは、データや情報コンプライアンスに関するコンサルティングに特化した、新しい法的言語モデルである。 特定のアクションやイベントがデータセキュリティとプライバシ規則に違反しているかどうかを自動的に評価するように調整されている。 LegiLMは、データ規制違反の検出、健全な法的正当性の提供、必要なコンプライアンス修正の推奨に優れています。
  論文  参考訳（メタデータ） (2024-09-09T02:06:52Z)
• Properties of Effective Information Anonymity Regulations [6.8322083925948185]
  我々は匿名化規則と関連する規則に関する一連の技術的要件を策定する。 例として、EUの一般データ保護規則(General Data Protection Regulation)からの規制要件の競合する解釈を評価します。
  論文  参考訳（メタデータ） (2024-08-27T02:34:41Z)
• 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)
• Cloaked Classifiers: Pseudonymization Strategies on Sensitive Classification Tasks [4.66054169739129]
  本稿では,データ保護と堅牢なプライバシ保護のバランスについて検討する。 我々は,多言語急進化データセットを手動で偽名化する手法を共有し,元のデータに匹敵する性能を確保する。
  論文  参考訳（メタデータ） (2024-06-25T18:30:25Z)
• 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)
• A Summary of Privacy-Preserving Data Publishing in the Local Setting [0.6749750044497732]
  統計開示制御は、機密情報を匿名化して暴露するリスクを最小限にすることを目的としている。 マイクロデータの復号化に使用される現在のプライバシ保存技術について概説し、様々な開示シナリオに適したプライバシ対策を掘り下げ、情報損失と予測性能の指標を評価する。
  論文  参考訳（メタデータ） (2023-12-19T04:23:23Z)
• 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)
• 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)
• 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)
• The SPECIAL-K Personal Data Processing Transparency and Compliance Platform [0.1385411134620987]
  SPECIAL EU H 2020プロジェクトは、データポリシやデータ、イベント共有を表現するために使用できる。 システムは、データ処理と共有が、データ対象の同意に適合していることを検証することができる。
  論文  参考訳（メタデータ） (2020-01-26T14:30:09Z)

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。