論文の概要: From Regulation to Requirements: An Automated Requirement Derivation and Explanation Pipeline
- arxiv url: http://arxiv.org/abs/2607.04448v1
- Date: Sun, 05 Jul 2026 18:21:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.934192
- Title: From Regulation to Requirements: An Automated Requirement Derivation and Explanation Pipeline
- Title（参考訳）: 規制から要件へ:自動要求導出と説明パイプライン
- Abstract要約: 一般データ保護インテリジェンス(General Data Protection Intelligence, 一般AI法)は、ソフトウェア開発者にとって大きな課題である。
本稿では,必要条件と要求条件に説明文が伴う自動パイプラインを提案する。
人間の評価は高い (4.60 - 4.45) で、明度は1-5スケール (4.92 - 4.94) に近い (4.92 - 4.94) 。
- 参考スコア（独自算出の注目度）: 2.036811219647753
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ensuring software compliance with regulations such as the General Data Protection Regulation (GDPR) and the Artificial Intelligence Act (EU AI Act) poses a significant challenge, as requirements engineers must translate complex legal text into actionable software requirements - a process that remains largely manual and error-prone in practice. We present an automated regulation-to-requirements pipeline that identifies requirement-bearing clauses in regulatory documents and derives system-agnostic software requirements, accompanied by plain-language explanations, traceable to their legal sources. We evaluate the pipeline on the full clause sets of the GDPR (398 clauses) and the EU AI Act (574 clauses). For requirement-bearing clause identification, the approach achieves macro-averaged F1 scores of 0.82 and 0.78, respectively, outperforming a SetFit-based baseline. Human evaluation shows high completeness (4.60 and 4.45) and correctness (3.74 and 3.54) of derived requirements, while explanation clarity scores are near-ceiling (4.92 and 4.94) on a 1-5 scale. We implement the approach in Reg2Req, a publicly released tool that further supports requirement classification, use case seeding, cross-reference analysis, definition indexing, and a traceability matrix to operationalize regulatory compliance in practice. A user study with 25 practitioners shows that the plain-language explanations significantly improve comprehension of derived requirements and confidence in acting on them (p < 0.001), and that all participants would use Reg2Req as a starting point for deriving software requirements from a regulation.
- Abstract（参考訳）: GDPR(General Data Protection Regulation)やEU AI Act(Artificial Intelligence Act)といった規則によるソフトウェアコンプライアンスの保証は、要件エンジニアが複雑な法的テキストを実行可能なソフトウェア要件に変換する必要があるため、重大な課題となる。
本稿では,規制文書の要件付き節を識別する自動規制要件パイプラインを提案し,それらの法的根拠に追従可能な平易な説明を伴って,システムに依存しないソフトウェア要件を導出する。
GDPR(398条)とEUAI法(574条)の完全な条項セットのパイプラインを評価する。
要求付き節の識別には、それぞれ0.82と0.78のマクロ平均F1スコアを達成し、SetFitベースのベースラインを上回ります。
人間の評価は、高い完全性(4.60と4.45)と派生した要求の正しさ(3.74と3.54)を示し、説明明瞭度スコアは1-5スケールでほぼシーリング(4.92と4.94)である。
Reg2Reqは、要件分類、ユースケースシード、相互参照分析、定義インデックス化、トレーサビリティマトリックスなどをサポートし、実際に規制コンプライアンスを運用するための公開ツールです。
25人の実践者によるユーザスタディでは、平易な説明によって派生した要件の理解が大幅に改善され(p < 0.001)、すべての参加者が規則からソフトウェア要件を導出するための出発点としてReg2Reqを使用することが示されている。
関連論文リスト
- Grounded Normative Rule Generation with Structured Search [47.28595196084396]
基底ノルム規則合成(GNRS)として問題を定式化する。
GNRS-SearchはMarkov Chain Monte Carlo(MCMC)サンプリングを利用して、離散5スロットアンドオーグラフ(AOG)を最適化するフレームワークである。
GNRS-Benchは8つのシーンにまたがる116の制御目標にまたがるベンチマークであり、RealCharterBenchは53のリアルなポリシータスクに隠れたソース節で遷移を評価する。
論文 参考訳（メタデータ） (2026-08-23T05:43:42Z) - Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。
RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
論文 参考訳（メタデータ） (2026-05-28T10:38:38Z) - De Jure: Iterative LLM Self-Refinement for Structured Extraction of Regulatory Rules [1.6865681749065902]
De Jureは、完全に自動化されたドメインに依存しないパイプラインで、生文書から構造化された規制ルールを抽出する。
De Jureは、金融、ヘルスケア、AIガバナンスにまたがる3つの規制コーパスの4つのモデルで評価します。
論文 参考訳（メタデータ） (2026-04-02T17:06:50Z) - AGENTIF: Benchmarking Instruction Following of Large Language Models in Agentic Scenarios [51.46347732659174]
LLM(Large Language Models)は、現実世界のエージェントアプリケーションにおいて高度な機能を示す。
AgentIFは、エージェントシナリオでLLM命令に従う能力を体系的に評価する最初のベンチマークである。
論文 参考訳（メタデータ） (2025-05-22T17:31:10Z) - SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。
提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。
我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
論文 参考訳（メタデータ） (2025-03-11T17:53:02Z) - Classification or Prompting: A Case Study on Legal Requirements Traceability [4.629156733452248]
法的要件のトレーサビリティは、エンジニアがターゲットのアーティファクトに対する技術的要件を分析するための重要なタスクである。
本稿では,言語モデルに基づく2つの自動解について検討する。
最初のソリューションであるKashifは、文変換器と意味的類似性を利用する分類器である。
第2のソリューションであるRICE_LRTは、プロンプトエンジニアリングフレームワークであるRICEをベースにした、最近のジェネレーティブLLMを誘導する。
論文 参考訳（メタデータ） (2025-02-07T13:33:40Z) - 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) - Rethinking Legal Compliance Automation: Opportunities with Large Language Models [2.9088208525097365]
我々は、(テキスト)法的アーティファクトの試験は、まず文よりも広い文脈で行うべきであると論じる。
これらの制約に対処するために,コンプライアンス分析手法を提案する。
論文 参考訳（メタデータ） (2024-04-22T17:10:27Z) - Towards an Enforceable GDPR Specification [49.1574468325115]
プライバシ・バイ・デザイン(PbD)は、EUなどの現代的なプライバシー規制によって規定されている。
PbDを実現する1つの新しい技術は強制(RE)である
法律規定の正式な仕様を作成するための一連の要件と反復的な方法論を提示する。
論文 参考訳（メタデータ） (2024-02-27T09:38:51Z) - Legal Requirements Analysis [2.3349787245442966]
法的な要件を解析し,その表現を例示する様々な手法について検討する。
機械分析可能な表現を規則から作成する代替案について述べる。
論文 参考訳（メタデータ） (2023-11-23T09:31:57Z) - NLP-based Automated Compliance Checking of Data Processing Agreements
against GDPR [9.022562906627991]
我々は、与えられたDPAの"shall"要求に対するコンプライアンスをチェックする自動化されたソリューションを提案する。
提案手法では,750件のうち618件が真違反であり,76件の偽違反を提起し,さらに524件の要件を正しく識別する。
論文 参考訳（メタデータ） (2022-09-20T13:50:58Z)
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。