論文の概要: Deontic Knowledge Graphs for Privacy Compliance in Multimodal Disaster Data Sharing

• arxiv url: http://arxiv.org/abs/2601.03587v1
• Date: Wed, 07 Jan 2026 05:02:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-08 18:12:46.12774
• Title: Deontic Knowledge Graphs for Privacy Compliance in Multimodal Disaster Data Sharing
• Title（参考訳）: マルチモーダル災害データ共有におけるプライバシコンプライアンスのためのDeontic Knowledge Graphs
• Authors: Kelvin Uzoma Echenim, Karuna Pande Joshi,
• Abstract要約: 本稿では,災害管理知識グラフ (DKG) と政策知識グラフ (PKG) を統合する新しいデオン知識グラフベースのフレームワークを提案する。 私たちのリリース決定機能は、Allow、Block、Allow-with-Transformの3つの結果をサポートします。 316K画像による5.1MトリプルDKGの評価では、正確なマッチ決定の正確性、秒単位のレイテンシ、シングルグラフとフェデレーションの両方のワークロード間の対話的なクエリパフォーマンスが示されている。
• 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: Disaster response requires sharing heterogeneous artifacts, from tabular assistance records to UAS imagery, under overlapping privacy mandates. Operational systems often reduce compliance to binary access control, which is brittle in time-critical workflows. We present a novel deontic knowledge graph-based framework that integrates a Disaster Management Knowledge Graph (DKG) with a Policy Knowledge Graph (PKG) derived from IoT-Reg and FEMA/DHS privacy drivers. Our release decision function supports three outcomes: Allow, Block, and Allow-with-Transform. The latter binds obligations to transforms and verifies post-transform compliance via provenance-linked derived artifacts; blocked requests are logged as semantic privacy incidents. Evaluation on a 5.1M-triple DKG with 316K images shows exact-match decision correctness, sub-second per-decision latency, and interactive query performance across both single-graph and federated workloads.
• Abstract（参考訳）: 災害対応には、表の補助記録からUASイメージまで、重複するプライバシー義務の下で異質なアーティファクトを共有する必要がある。 運用システムは、時間クリティカルなワークフローでは不安定なバイナリアクセス制御へのコンプライアンスを少なくすることが多い。 本稿では,災害管理知識グラフ(DKG)とIoT-RegとFEMA/DHSプライバシドライバから派生したポリシ知識グラフ(PKG)を統合する,新しいデオン知識グラフベースのフレームワークを提案する。 私たちのリリース決定機能は、Allow、Block、Allow-with-Transformの3つの結果をサポートします。 後者はトランスフォーメーションの義務を結び付け、プロビデンスリンクされた派生したアーティファクトを通じてトランスフォーメーション後のコンプライアンスを検証する。 316K画像による5.1MトリプルDKGの評価では、正確なマッチ決定の正確性、秒単位のレイテンシ、シングルグラフとフェデレーションの両方のワークロード間の対話的なクエリパフォーマンスが示されている。

関連論文リスト

• Contrastive Graph Modeling for Cross-Domain Few-Shot Medical Image Segmentation [58.41482540044918]
  クロスドメイン少ショット医療画像セグメンテーション(CD-FSMIS)は医療応用に有望でデータ効率のよいソリューションを提供する。 本稿では,医用画像の構造的整合性を利用したコントラストグラフモデリング(C-Graph)を提案する。
  論文  参考訳（メタデータ） (2025-12-25T14:00:17Z)
• PROVEX: Enhancing SOC Analyst Trust with Explainable Provenance-Based IDS [1.9336815376402718]
  本稿では,グラフに基づく検出を透過的にすることで,セキュリティ運用センター(SOC)の信頼ギャップを埋めるための総合的なXAIフレームワークを提案する。 我々はこのフレームワークを,最先端の時間グラフベースのIDSであるKAIROS上に実装する。
  論文  参考訳（メタデータ） (2025-12-20T03:45:21Z)
• RAGulating Compliance: A Multi-Agent Knowledge Graph for Regulatory QA [0.0]
  規制コンプライアンス質問応答(QA)は、正確で検証可能な情報を必要とする。 我々は、レギュレーション三重項の知識グラフ(KG)とレトリーバル拡張生成(RAG)を統合する新しいマルチエージェントフレームワークを提案する。 我々のハイブリッドシステムは、複雑な規制クエリにおいて従来の手法よりも優れており、組込み三重項による事実の正しさが保証されている。
  論文  参考訳（メタデータ） (2025-08-13T15:51:05Z)
• Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [79.75818239774952]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。 Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。 本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
  論文  参考訳（メタデータ） (2025-05-22T05:15:27Z)
• Structural Alignment Improves Graph Test-Time Adaptation [17.564393890432193]
  グラフテスト時間適応(GTTA)のための新しいアルゴリズムであるテスト時間構造アライメント(TSA)を導入する。 TSAは、ソースデータにアクセスすることなく、推論中にグラフ構造を整列する。 合成および実世界のデータセットの実験は、TSAが非グラフTTA法と最先端GTTAベースラインの両方で一貫した性能を実証している。
  論文  参考訳（メタデータ） (2025-02-25T16:26:25Z)
• Federated Knowledge Graph Completion via Latent Embedding Sharing and Tensor Factorization [51.286715478399515]
  FLEST(Federated Latent Embedding Factorization)は、KGの完全化にFederated Factorizationを用いた新しい手法である。 FLESTは埋め込み行列を分解し、潜伏辞書の埋め込みを共有することでプライバシーリスクを低減している。 実証的な結果はFLESTの有効性と効率を示し、パフォーマンスとプライバシのバランスのとれたソリューションを提供する。
  論文  参考訳（メタデータ） (2023-11-17T06:03:56Z)
• GLAD: Content-aware Dynamic Graphs For Log Anomaly Detection [49.9884374409624]
  GLADは、システムログの異常を検出するように設計されたグラフベースのログ異常検出フレームワークである。 システムログの異常を検出するために設計されたグラフベースのログ異常検出フレームワークであるGLADを紹介する。
  論文  参考訳（メタデータ） (2023-09-12T04:21:30Z)
• Cloth-Changing Person Re-identification from A Single Image with Gait Prediction and Regularization [65.50321170655225]
  本稿では,画像レイドモデルを用いて布非依存表現を学習するための補助タスクとして,歩行認識を導入する。 画像ベースのCloth-Changing ReIDベンチマーク(例えば、LTCC、PRCC、Real28、VC-Clothes)の実験は、GI-ReIDが最先端技術に対して好適に動作することを示した。
  論文  参考訳（メタデータ） (2021-03-29T12:10:50Z)

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。