Fugu-MT 論文翻訳(概要): Understanding Privacy by Formalizing It

論文の概要: Understanding Privacy by Formalizing It

arxiv url: http://arxiv.org/abs/2606.20609v1
Date: Fri, 22 May 2026 09:49:55 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-30 23:18:13.76962
Title: Understanding Privacy by Formalizing It
Title（参考訳）: プライバシーの形式化による理解
Abstract要約: 現代のほとんどの社会では、プライバシの促進の必要性に関する広いコンセンサスがあり、それによって、人々のプライバシの権利を保護するために、技術を含むAI開発に制限が課される。本稿では,多モード論理を用いて,規範的位置論における認識的権利としてのプライバシの権利を調査する,異なる理論,基本原理,およびそれらの意味の初歩的な定式化を提供する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In most of the modern societies, there is a broad consensus regarding the need for promoting privacy and thus placing restrictions on technological-including AI-developments to protect people's right to privacy. In order to meet these expectations on the algorithmic level, first we need to make the concept of privacy and the related or derived rights formally specified. However, the notion of (the right to) privacy is subject to different interpretations. In this paper, we use a multi-modal logic to provide an initial formalization of different theories, basic principles and their implications investigating the right to privacy as an epistemic right within the theory of normative positions.
Abstract（参考訳）: 現代のほとんどの社会では、プライバシの促進の必要性に関する広いコンセンサスがあり、それによって、人々のプライバシの権利を保護するために、技術を含むAI開発に制限が課される。アルゴリズムレベルでこれらの期待を満たすためには、まずプライバシの概念と関連する、あるいは派生した権利を正式に規定する必要がある。しかし、プライバシーの概念(権利)は異なる解釈の対象となっている。本稿では,多モード論理を用いて,規範的位置論における認識的権利としてのプライバシの権利を調査する,異なる理論,基本原理,およびそれらの意味の初歩的な定式化を提供する。

関連論文リスト

Bayesian Adversarial Privacy [0.048998185508205734]
この研究は、文脈的かつ特異的な、新しい定量的なプライバシー概念を導入している。私たちは、広く使われている差分プライバシーのフレームワークよりも、より意味のあるプライバシーの概念を提供すると論じています。
論文参考訳（メタデータ） (2026-03-04T15:46:24Z)
Countering Privacy Nihilism [2.6212127510234797]
AIは「あらゆるものから」を推測できると推測されるかもしれないデータカテゴリをプライバシとデータ保護の規範的アンカーとして認識することは、プライバシ・ニヒリズムと呼ばれるものです。我々は、データ型にのみフォーカスするプライバシーフレームワークから離れ、他のすべての要素を無視することを提案します。
論文参考訳（メタデータ） (2025-07-24T09:52:18Z)
Differential Privacy Overview and Fundamental Techniques [63.0409690498569]
この章は、"Differential Privacy in Artificial Intelligence: From Theory to Practice"という本の一部である。まず、データのプライバシ保護のためのさまざまな試みについて説明し、その失敗の場所と理由を強調した。次に、プライバシ保護データ分析の領域を構成する重要なアクター、タスク、スコープを定義する。
論文参考訳（メタデータ） (2024-11-07T13:52:11Z)
Privacy Checklist: Privacy Violation Detection Grounding on Contextual Integrity Theory [43.12744258781724]
単純なパターンマッチングではなく、推論問題としてプライバシー問題を定式化します。我々は、社会的アイデンティティ、プライベート属性、および既存のプライバシー規則を網羅する、最初の包括的なチェックリストを開発する。
論文参考訳（メタデータ） (2024-08-19T14:48:04Z)
GoldCoin: Grounding Large Language Models in Privacy Laws via Contextual Integrity Theory [44.297102658873726]
これまでの研究では、さまざまなプライバシー攻撃、防御、評価を狭義に定義されたパターンの中で探索することで、プライバシを研究する。我々は,プライバシ違反を評価する司法法において,LLMを効果的に活用するための新しい枠組みであるGoldCoinを紹介した。我々のフレームワークは、コンテキスト整合性の理論をブリッジとして活用し、関連するプライバシー法に基づく多数の合成シナリオを作成する。
論文参考訳（メタデータ） (2024-06-17T02:27:32Z)
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)
On Differentially Private Online Predictions [74.01773626153098]
オンラインプロセスを扱うために,共同微分プライバシーのインタラクティブなバリエーションを導入する。グループプライバシ、コンポジション、ポストプロセッシングの(適切なバリエーション)を満たすことを実証する。次に、オンライン分類の基本設定において、インタラクティブな共同プライバシーのコストについて検討する。
論文参考訳（メタデータ） (2023-02-27T19:18:01Z)
PLUE: Language Understanding Evaluation Benchmark for Privacy Policies in English [77.79102359580702]
プライバシポリシ言語理解評価ベンチマークは,プライバシポリシ言語理解を評価するマルチタスクベンチマークである。また、プライバシポリシの大規模なコーパスを収集し、プライバシポリシドメイン固有の言語モデル事前トレーニングを可能にします。ドメイン固有の連続的な事前トレーニングは、すべてのタスクでパフォーマンスを改善することを実証します。
論文参考訳（メタデータ） (2022-12-20T05:58:32Z)
Algorithms with More Granular Differential Privacy Guarantees [65.3684804101664]
我々は、属性ごとのプライバシー保証を定量化できる部分微分プライバシー(DP)について検討する。本研究では,複数の基本データ分析および学習タスクについて検討し,属性ごとのプライバシパラメータが個人全体のプライバシーパラメータよりも小さい設計アルゴリズムについて検討する。
論文参考訳（メタデータ） (2022-09-08T22:43:50Z)
The Evolving Path of "the Right to Be Left Alone" - When Privacy Meets Technology [0.0]
本稿では,プライバシエコシステムの新たなビジョンとして,プライバシの次元,関連するユーザの期待,プライバシ違反,変化要因を導入することを提案する。プライバシー問題に取り組むための有望なアプローチは, (i) 効果的なプライバシメトリクスの識別, (ii) プライバシに準拠したアプリケーションを設計するためのフォーマルなツールの採用という,2つの方向に移行している,と私たちは信じています。
論文参考訳（メタデータ） (2021-11-24T11:27:55Z)
Private Reinforcement Learning with PAC and Regret Guarantees [69.4202374491817]
エピソード強化学習(RL)のためのプライバシー保護探索ポリシーを設計する。まず、共同微分プライバシー(JDP)の概念を用いた有意義なプライバシー定式化を提供する。そこで我々は,強いPACと後悔境界を同時に達成し,JDP保証を享受する,プライベートな楽観主義に基づく学習アルゴリズムを開発した。
論文参考訳（メタデータ） (2020-09-18T20:18:35Z)

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。