論文の概要: Regulating Online Algorithmic Pricing: A Comparative Study of Privacy and Data Protection Laws in the EU and US
- arxiv url: http://arxiv.org/abs/2509.24345v1
- Date: Mon, 29 Sep 2025 06:46:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-30 22:32:19.793933
- Title: Regulating Online Algorithmic Pricing: A Comparative Study of Privacy and Data Protection Laws in the EU and US
- Title（参考訳）: オンラインアルゴリズム価格の規制:EUと米国におけるプライバシとデータ保護法の比較研究
- Authors: Zihao Li,
- Abstract要約: ビッグデータ、AI、機械学習により、売り手やオンラインプラットフォームがリアルタイムで顧客の価格を調整できるようになった。
オンラインアルゴリズムの価格設定は、プライバシー、デジタル自律性、非差別の基本的な価値に脅威をもたらす。
大西洋の両岸では、議会は異なる方法でオンラインのアルゴリズム価格を規制しようと努力している。
- 参考スコア（独自算出の注目度）: 7.184784497153388
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The emergence of big data, AI and machine learning has allowed sellers and online platforms to tailor pricing for customers in real-time. While online algorithmic pricing can increase efficiency, market welfare, and optimize pricing strategies for sellers and companies, it poses a threat to the fundamental values of privacy, digital autonomy, and non-discrimination, raising legal and ethical concerns. On both sides of the Atlantic, legislators have endeavoured to regulate online algorithmic pricing in different ways in the context of privacy and personal data protection. Represented by the GDPR, the EU adopts an omnibus approach to regulate algorithmic pricing and is supplemented by the Digital Service Act and the Digital Market Act. The US combines federal and state laws to regulate online algorithmic pricing and focuses on industrial regulations. Therefore, a comparative analysis of these legal frameworks is necessary to ascertain the effectiveness of these approaches. Taking a comparative approach, this working paper aims to explore how EU and US respective data protection and privacy laws address the issues posed by online algorithmic pricing. The paper evaluates whether the current legal regime is effective in protecting individuals against the perils of online algorithmic pricing in the EU and the US. It particularly analyses the new EU regulatory paradigm, the Digital Service Act (DSA) and the Digital Market Act (DMA), as supplementary mechanisms to the EU data protection law, in order to draw lessons for US privacy law and vice versa.
- Abstract（参考訳）: ビッグデータ、AI、機械学習の出現により、売り手やオンラインプラットフォームがリアルタイムで顧客の価格を調整できるようになった。
オンラインアルゴリズムによる価格設定は、効率性の向上、市場福祉、販売者や企業の価格戦略の最適化を可能にするが、プライバシー、デジタル自律性、非差別の基本的な価値に脅威を与え、法的および倫理的懸念を提起する。
大西洋の両岸で、議会はプライバシーと個人情報保護の文脈において、異なる方法でオンラインのアルゴリズム価格を規制しようと努力している。
GDPRに代表されるEUは、アルゴリズム価格を規制するオムニバスアプローチを採用しており、デジタルサービス法とデジタル市場法によって補完されている。
米国は、連邦法と州法を組み合わせて、オンラインのアルゴリズム価格を規制し、産業規制に焦点を当てている。
したがって、これらの手法の有効性を確認するためには、これらの法的な枠組みの比較分析が必要である。
比較的なアプローチとして、このワーキングペーパーは、EUと米国の各データ保護およびプライバシ法が、オンラインのアルゴリズム価格によって引き起こされる問題にどのように対処するかを検討することを目的としている。
本稿は、現行の法制度が、EUと米国におけるオンラインアルゴリズム価格の危険性から個人を保護するのに有効であるかどうかを評価する。
特に、新たなEU規制パラダイムであるデジタルサービス法(DSA)とデジタル市場法(DMA)を、米国のプライバシー法とその逆の教訓を引き出すために、EUデータ保護法を補完するメカニズムとして分析している。
関連論文リスト
- Regulating Ai In Financial Services: Legal Frameworks And Compliance Challenges [0.0]
金融サービスにおける人工知能(AI)規制の進展状況について考察する。
不正検出からアルゴリズム取引まで、AI駆動のプロセスがいかに効率性を高め、重大なリスクをもたらすかを強調している。
この研究は、欧州連合、米国、英国などの主要な司法管轄区域における規制のアプローチを比較している。
論文 参考訳（メタデータ） (2025-03-17T14:29:09Z) - Machine Learning-Driven Convergence Analysis in Multijurisdictional Compliance Using BERT and K-Means Clustering [0.0]
本研究は、重複する領域や発散する領域を特定するために、様々な規則を比較した。
国際企業はこのレポートから貴重な教訓を学ぶことができる。
研究の目的は「法律知識と専門知識のギャップを埋めること」である。
論文 参考訳（メタデータ） (2025-01-23T22:11:18Z) - On Algorithmic Fairness and the EU Regulations [0.2538209532048867]
この論文は、欧州連合(EU)における非差別に焦点を当てたアルゴリズム的公正に焦点を当てている。
この論文は、AIシステムの差別バイアスを修正することは、EU規則の下で法的に可能であることを実証している。
この論文は、AIエンジニアリングにおけるコンプライアンスの増大する研究領域を拡大し、強化し、いくつかの法的洞察を得て、アルゴリズムフェアネス研究に貢献する。
論文 参考訳（メタデータ） (2024-11-13T06:23:54Z) - Randomization Techniques to Mitigate the Risk of Copyright Infringement [48.75580082851766]
著作権保護の現在の慣行を補完する潜在的なランダム化手法について検討する。
これは、著作権の先例において実質的な類似性を決定する規則の固有の曖昧さによって動機付けられている。
差分プライバシーのような同様にランダム化されたアプローチは、プライバシーリスクを軽減することに成功している。
論文 参考訳（メタデータ） (2024-08-21T20:55:00Z) - SoK: The Gap Between Data Rights Ideals and Reality [42.769107967436945]
権利に基づくプライバシー法は、個人が自分のデータよりも効果的に権限を与えるのか?
本稿では,実証研究,ニュース記事,ブログ記事をレビューすることで,これらのアプローチを精査する。
論文 参考訳（メタデータ） (2023-12-03T21:52:51Z) - 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) - Regulating Gatekeeper AI and Data: Transparency, Access, and Fairness
under the DMA, the GDPR, and beyond [2.608935407927351]
我々は、DMAと関連するEUの行動が4つの重要な領域にわたるAIモデルとその基盤データに与える影響を分析する。
我々は、CJEU法則に基づいて、従来の非差別法と競争法の両方において、非差別の概念のコヒーレントな解釈を見いだせるかを示す。
論文 参考訳（メタデータ） (2022-12-09T17:29:19Z) - Having your Privacy Cake and Eating it Too: Platform-supported Auditing
of Social Media Algorithms for Public Interest [70.02478301291264]
ソーシャルメディアプラットフォームは、情報や機会へのアクセスをキュレートするので、公衆の言論を形成する上で重要な役割を果たす。
これまでの研究では、これらのアルゴリズムが偏見や差別的な結果をもたらすことを示すためにブラックボックス法が用いられてきた。
本稿では,提案法の目標を満たすプラットフォーム支援型監査手法を提案する。
論文 参考訳（メタデータ） (2022-07-18T17:32:35Z) - 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)
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。