Fugu-MT 論文翻訳(概要): Compliance Management for Federated Data Processing

論文の概要: Compliance Management for Federated Data Processing

arxiv url: http://arxiv.org/abs/2602.19360v1
Date: Sun, 22 Feb 2026 22:10:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-24 17:42:02.607879
Title: Compliance Management for Federated Data Processing
Title（参考訳）: フェデレーションデータ処理におけるコンプライアンス管理
Authors: Natallia Kokash, Adam Belloum, Paola Grosso,
Abstract要約: フェデレートされたデータ処理(FDP)は、生データセットを集中化せずにセンシティブなデータの協調分析を可能にする、有望なアプローチを提供する。本稿では、ポリシー・アズ・コード、ワークフローオーケストレーション、大規模言語モデル(LLM)を活用したコンプライアンス対応FDPフレームワークを提案する。
参考スコア（独自算出の注目度）: 1.3836910960262496
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Federated data processing (FDP) offers a promising approach for enabling collaborative analysis of sensitive data without centralizing raw datasets. However, real-world adoption remains limited due to the complexity of managing heterogeneous access policies, regulatory requirements, and long-running workflows across organizational boundaries. In this paper, we present a framework for compliance-aware FDP that integrates policy-as-code, workflow orchestration, and large language model (LLM)-assisted compliance management. Through the implemented prototype, we show how legal and organizational requirements can be collected and translated into machine-actionable policies in FDP networks.
Abstract（参考訳）: フェデレートされたデータ処理(FDP)は、生データセットを集中化せずにセンシティブなデータの協調分析を可能にする、有望なアプローチを提供する。しかし、異質なアクセスポリシー、規制要件、組織の境界を越えた長期にわたるワークフローの管理の複雑さのため、現実的な採用は依然として限られている。本稿では、ポリシー・アズ・コード、ワークフローオーケストレーション、大規模言語モデル(LLM)を活用したコンプライアンス対応FDPフレームワークを提案する。実装されたプロトタイプを通じて、FDPネットワークにおける法的・組織的な要求をどのように収集し、機械処理可能なポリシーに変換するかを示す。

関連論文リスト

DataOps-driven CI/CD for analytics repositories [0.0]
この観点では、DataOpsに準拠したバリデーションフレームワークの質的な設計を提案している。フレームワークはLint、Optimize、Parse、Observeの5つのステージで構成されている。要求トレーサビリティマトリックス(RTM)は、各ハイレベル制御が具体的なパイプラインチェックによってどのように実施されるかを示す。
論文参考訳（メタデータ） (2025-11-15T16:09:47Z)
Analyzing and Internalizing Complex Policy Documents for LLM Agents [53.14898416858099]
大規模言語モデル(LLM)ベースのエージェントシステムは、多様なビジネスルールをコードするコンテキスト内ポリシー文書に依存している。これは、パフォーマンスを保ちながら、ポリシー文書をモデルプリエントに組み込む内部化手法の開発を動機付けます。 CC-Genは4つのレベルにまたがる制御可能な複雑度を持つエージェントベンチマークジェネレータである。
論文参考訳（メタデータ） (2025-10-13T16:30:07Z)
PETLP: A Privacy-by-Design Pipeline for Social Media Data in AI Research [2.185322080975722]
PETLP(Privacy-by-Design Extract, Transform, Load, Present)は、法的保護を拡張パイプラインに直接組み込むコンプライアンスフレームワークである。我々は,研究機関間で抽出権が根本的に異なることを実証する。ソーシャルメディアデータに対して、真の匿名化が実現不可能な理由が示されている。
論文参考訳（メタデータ） (2025-08-12T08:33:40Z)
Lawful and Accountable Personal Data Processing with GDPR-based Access and Usage Control in Distributed Systems [0.0]
本稿では,データ処理活動の合法性に関する法的議論を確立するための,自動規範推論のためのケースジェネリック手法を提案する。議論は、プライバシーの専門家によるケース固有の法的資格に基づいて確立され、人間をループに導く。 GPDRから抽出した要求に対して、結果のシステムは設計され、批判的に評価される。
論文参考訳（メタデータ） (2025-03-10T10:49:34Z)
CBCMS: A Compliance Management System for Cross-Border Data Transfer [0.41942958779358674]
クロスボーダーデータ転送のためのクロスボーダーコンプライアンス管理システム(CBCMS)を提案する。 PDLはデータ処理ポリシーの統一管理をサポートし、自然言語ポリシーと機械処理可能な表現のギャップを埋める。 CPGMは準拠データ処理ポリシーを高精度に生成し、F1スコアは25.16%向上した。
論文参考訳（メタデータ） (2024-12-12T06:48:00Z)
RIRAG: Regulatory Information Retrieval and Answer Generation [51.998738311700095]
本稿では,質問を自動生成し,関連する規制通路と組み合わせる,問合せペアを生成するタスクを紹介する。我々は、Abu Dhabi Global Markets (ADGM) の財務規制文書から得られた27,869の質問を含むObliQAデータセットを作成する。本稿では,RIRAG(Regulation Information Retrieval and Answer Generation)システムをベースラインとして設計し,新しい評価基準であるRePASを用いて評価する。
論文参考訳（メタデータ） (2024-09-09T14:44:19Z)
Sparsity-Aware Intelligent Massive Random Access Control in Open RAN: A Reinforcement Learning Based Approach [61.74489383629319]
新たなOpen Radio Access Network(O-RAN)におけるデバイスの大量ランダムアクセスは、アクセス制御と管理に大きな課題をもたらします。閉ループアクセス制御の強化学習(RL)支援方式を提案する。深部RL支援SAUDは、連続的かつ高次元の状態と行動空間を持つ複雑な環境を解決するために提案されている。
論文参考訳（メタデータ） (2023-03-05T12:25:49Z)
Distributed-Training-and-Execution Multi-Agent Reinforcement Learning for Power Control in HetNet [48.96004919910818]
We propose a multi-agent Deep reinforcement learning (MADRL) based power control scheme for the HetNet。エージェント間の協調を促進するために,MADRLシステムのためのペナルティベースQラーニング(PQL)アルゴリズムを開発した。このように、エージェントのポリシーは、他のエージェントによってより容易に学習でき、より効率的なコラボレーションプロセスをもたらす。
論文参考訳（メタデータ） (2022-12-15T17:01:56Z)
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)
Modular Deep Reinforcement Learning for Continuous Motion Planning with Temporal Logic [59.94347858883343]
本稿では,マルコフ決定過程(MDP)をモデルとした自律動的システムの運動計画について検討する。 LDGBA と MDP の間に組込み製品 MDP (EP-MDP) を設計することである。モデルフリー強化学習(RL)のためのLDGBAベースの報酬形成と割引スキームは、EP-MDP状態にのみ依存する。
論文参考訳（メタデータ） (2021-02-24T01:11:25Z)

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。