論文の概要: Transforming Privacy Artifacts into Accessible Reports for Non-Technical Stakeholders

• arxiv url: http://arxiv.org/abs/2605.21269v1
• Date: Wed, 20 May 2026 14:58:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.740866
• Title: Transforming Privacy Artifacts into Accessible Reports for Non-Technical Stakeholders
• Title（参考訳）: 非技術保有者のためのアクセシブルレポートへのプライバシアーティファクトの変換
• Authors: Zoe Pfister, Clemens Sauerwein, Benedikt Dornauer, Tina Mersch, Christian Wolf, Ruth Breu, Michael Vierhauser,
• Abstract要約: 産業5.0への移行は、人間中心性を重視して産業労働環境を変革している。 本稿では,人間の監視関連ユースケースからソフトウェア設計を導く概念的枠組みを提案する。 それは、技術的アーティファクトをアクセス可能なプライバシレポートに変換するために、Privacy by Designのような原則に基づいている。
• 参考スコア（独自算出の注目度）: 10.508444785085247
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The transition toward Industry 5.0 is reshaping industrial work environments with an emphasis on human-centricity, enabling close collaboration between humans and machines to enhance productivity and flexibility. However, such systems typically require monitoring of human workers and operators, often involving sensitive data, raising significant privacy concerns. As a result, affected workers and unions frequently reject human-machine collaboration features due to a lack of transparency regarding privacy threats and implemented mitigation strategies. To enable early stakeholder involvement, establish trust, and support informed decision-making, privacy implications must be communicated in a way understandable to non-technical stakeholders. Yet, current Requirements Engineering (RE) practices provide limited methodological support for making privacy threats and mitigations accessible to non-technical stakeholders (e.g., individual workers or their representative unions). In this RE@Next paper, we propose a conceptual framework that guides software design from human monitoring-related use cases and requirements to informed decision-making guidance focusing on non-technical stakeholders. Building on principles such as Privacy by Design, the framework leverages Large Language Models (LLMs) to transform technical artifacts into accessible privacy reports. We share initial insights from two industry use cases, evaluate the quality of the generated reports, and outline future research directions toward integrating privacy transparency into RE processes for human-centric industrial systems.
• Abstract（参考訳）: 産業5.0への移行により、人間中心性を重視した産業労働環境が作り直され、人間と機械の密接なコラボレーションにより生産性と柔軟性が向上している。 しかし、そのようなシステムは一般的に人間の労働者やオペレーターの監視を必要とし、しばしば機密データを含むため、重要なプライバシー上の懸念を生じさせる。 その結果、プライバシの脅威に関する透明性の欠如や緩和戦略の実施などにより、労働者や組合は人間と機械の協調機能を拒否した。 早期の利害関係者の関与、信頼の確立、情報的な意思決定を支援するためには、非技術ステークホルダーに理解可能な方法でプライバシーの影響を伝えなければならない。 しかし、現在のRequireements Engineering (RE) のプラクティスは、プライバシーの脅威や非技術関係者(例えば、個々の労働者またはその代表的組合)がアクセス可能な緩和を行うための、限定的な方法論的な支援を提供する。 本稿では,人間の監視関連ユースケースや要件から,非技術ステークホルダを中心とした意思決定指導まで,ソフトウェア設計をガイドする概念的フレームワークを提案する。 設計によるプライバシのような原則に基づいて、このフレームワークはLarge Language Models(LLM)を活用して、技術的アーティファクトをアクセス可能なプライバシレポートに変換する。 我々は、2つの業界ユースケースからの最初の洞察を共有し、生成されたレポートの品質を評価し、人間中心の産業システムのためのREプロセスにプライバシーの透明性を統合するための今後の研究の方向性を概説する。

関連論文リスト

• Privacy-Preserving Computer Vision for Industry: Three Case Studies in Human-Centric Manufacturing [8.54096163251504]
  本稿では,産業パートナーが収集した実世界のデータに対する包括的検証について述べる。 本稿では,木工生産モニタリング,人間対応AGVナビゲーション,マルチカメラ・エルゴノミクス・リスクアセスメントの3つのユースケースにまたがってフレームワークを評価した。
  論文  参考訳（メタデータ） (2025-12-10T09:33:03Z)
• Adversary-Aware Private Inference over Wireless Channels [51.93574339176914]
  ワイヤレスエッジデバイスにおけるAIベースのセンシングは、人工知能(AI)アプリケーションを大幅に強化する可能性がある。 機密性の高い個人情報は敵によって再構築できるため、プライバシー侵害のリスクを軽減するために特徴の変換が必要である。 本稿では,デバイスがモデルサーバに送信する前に抽出した特徴の変換を適用する,プライバシ保護型AIベースセンシングのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-23T13:02:14Z)
• Data Traceability for Privacy Alignment [1.1970748626806043]
  個人とサードパーティ間の個人データ共有に依存するサービスのエコシステムが成長する中で、新たなプライバシアプローチを提供しています。 我々は,不正に行動する可能性のある敵からのリスクに対処する隠蔽責任の概念を導入するが,その一方で,潜在的な識別と法的結果に直面している。 我々は、サードパーティのデータ共有エコシステムにおいて、トレース可能で説明可能なコンシューマ制御を提供するために設計されたOTraceプロトコルを提示する。
  論文  参考訳（メタデータ） (2025-03-12T20:42:23Z)
• Privacy-Preserving Customer Support: A Framework for Secure and Scalable Interactions [0.0]
  本稿では,大規模言語モデル(LLM)をゼロショット学習モードで活用する新しいアプローチとして,プライバシー保護ゼロショット学習(PP-ZSL)フレームワークを提案する。 従来の機械学習手法とは異なり、PP-ZSLは、事前学習されたLLMを使用して直接応答を生成することで、機密データに対する局所的なトレーニングを不要にしている。 このフレームワークには、リアルタイムデータ匿名化による機密情報の修正やマスク、ドメイン固有のクエリ解決のための検索強化生成(RAG)、規制基準の遵守を保証するための堅牢な後処理が含まれている。
  論文  参考訳（メタデータ） (2024-12-10T17:20:47Z)
• 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)
• 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)
• 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)
• 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)
• 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。