論文の概要: Identification of Compositional Risks in Data Protection Impact Assessments and Beyond
- arxiv url: http://arxiv.org/abs/2609.01201v1
- Date: Tue, 01 Sep 2026 13:08:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.674377
- Title: Identification of Compositional Risks in Data Protection Impact Assessments and Beyond
- Title（参考訳）: データ保護影響評価における構成リスクの同定
- Authors: Henrik Graßhoff, Meiko Jensen, Malte Hansen, Nils Gruschka,
- Abstract要約: プライバシのリスクは、コンポジションに含まれるデータプロセッサの選択からのみ発生します。
異なるデータプロセッサは同じクラウドプロバイダに依存している可能性があるため、個人データの意図しないリンクが可能である。
プライバシに対するこのような構成リスクを検出し,管理するための新しいプロトコルを提案する。
- 参考スコア（独自算出の注目度）: 0.06999740786886537
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: When personal data is processed in a distributed manner by cooperating service providers, privacy risks may emerge solely from the choice of data processors included in the composition. For instance, different data processors may unknowingly rely on the same cloud provider, allowing for unintended linkability of personal data at that very provider. As such compositional risks to privacy are beyond the scope of each individual risk assessment, they are likely to be overseen when performing a data protection impact assessment. In this paper, we propose a novel protocol to detect and manage such compositional risks to privacy. Following an initial problem definition and requirements elicitation, we elaborate how our protocol identifies candidates for compositional risks and how this information may be used to improve the results of a data protection impact assessment over service compositions including multiple data processors.
- Abstract（参考訳）: サービスプロバイダが個人データを分散的に処理する場合、プライバシのリスクはコンポジションに含まれるデータプロセッサの選択からのみ発生します。
例えば、異なるデータプロセッサは同じクラウドプロバイダに無意識に依存している可能性があるため、そのプロバイダにおける個人データの意図しないリンクが可能である。
このようなプライバシーに対する構成的リスクは個々のリスクアセスメントの範囲を超えており、データ保護の影響アセスメントを実行する際には監視される可能性が高い。
本稿では,プライバシーに対するこのような構成上のリスクを検知し,管理するための新しいプロトコルを提案する。
提案プロトコルは,最初の問題定義と要件適用に続いて,コンポジションリスクの候補を特定する方法と,複数のデータプロセッサを含むサービス構成に対するデータ保護影響評価の結果を改善するために,この情報をいかに活用するかを詳述する。
関連論文リスト
- Rethinking Visual Privacy: A Compositional Privacy Risk Framework for Severity Assessment with VLMs [58.7856837806126]
既存のビジュアルプライバシベンチマークでは、プライバシをバイナリプロパティとして扱い、可視性のあるコンテンツに基づいて、イメージをプライベートまたは非プライベートとしてラベル付けしている。
我々は、プライバシーは基本的に構成的だと主張する。孤立した属性が組み合わさって、厳しいプライバシー侵害が発生するかもしれない。
本研究は,構成的プライバシーリスク分類法 (CPRT) について紹介する。これは,独立した識別可能性と構成的害ポテンシャルに基づいて視覚的属性を整理する,規制を意識したフレームワークである。
論文 参考訳（メタデータ） (2026-03-23T04:48:42Z) - Your Privacy Depends on Others: Collusion Vulnerabilities in Individual Differential Privacy [50.66105844449181]
個々の差別的プライバシ(iDP)は、ユーザが自身のプライバシをコントロールすることを約束するが、この約束は実際には破られる可能性がある。
我々は、サンプリングベースのiDPメカニズムにおいて、これまで見過ごされていた脆弱性を明らかにした。
我々は、$(varepsilon_i,_i,overline)$-iDPというプライバシー契約を提案します。
論文 参考訳（メタデータ） (2026-01-19T10:26:12Z) - A Personal data Value at Risk Approach [0.0]
本稿では,データコントローラの観点から,データ保護リスクベースのコンプライアンスに対する定量的アプローチを提案する。
データ保護分析、量的リスク分析、専門家の意見を校正することで、データ保護の影響評価を改善することができる。
論文 参考訳（メタデータ） (2024-11-05T16:09:28Z) - Causal Discovery Under Local Privacy [5.7835417207193585]
ローカル差分プライバシーは、データプロバイダが個別にデータに民営化メカニズムを適用できる変種である。
局所的差分的私的メカニズムをよく知られており、それらが提供するプライバシと、アルゴリズムが因果学習のために生成する因果構造の正確性とのトレードオフを比較検討する。
論文 参考訳（メタデータ） (2023-11-07T14:44:27Z) - How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。
プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
論文 参考訳（メタデータ） (2022-11-18T11:39:03Z) - PRIVEE: A Visual Analytic Workflow for Proactive Privacy Risk Inspection
of Open Data [3.2136309934080867]
個人情報を含むオープンデータセットは、匿名化しても敵攻撃の影響を受けやすい。
我々は、ローカルで結合可能なデータ地区における開示リスクを、データディフェンダーが認識できるようにするビジュアル分析ソリューションを開発した。
我々はこの問題とドメイン特性を用いて、防御機構としての視覚的分析的介入のセットを開発する。
論文 参考訳（メタデータ） (2022-08-12T19:57:09Z) - Releasing survey microdata with exact cluster locations and additional
privacy safeguards [77.34726150561087]
本稿では,プライバシ保護を付加した独自のマイクロデータの有用性を活用した,代替的なマイクロデータ配信戦略を提案する。
当社の戦略は, 再識別の試みにおいても, 任意の属性に対する再識別リスクを60～80%削減する。
論文 参考訳（メタデータ） (2022-05-24T19:37:11Z) - Partial sensitivity analysis in differential privacy [58.730520380312676]
それぞれの入力特徴が個人のプライバシ損失に与える影響について検討する。
プライベートデータベース上でのクエリに対する我々のアプローチを実験的に評価する。
また、合成データにおけるニューラルネットワークトレーニングの文脈における知見についても検討する。
論文 参考訳（メタデータ） (2021-09-22T08:29:16Z) - Decision Making with Differential Privacy under a Fairness Lens [65.16089054531395]
アメリカ国勢調査局は、多くの重要な意思決定プロセスの入力として使用される個人のグループに関するデータセットと統計を公表している。
プライバシと機密性要件に従うために、これらの機関は、しばしば、プライバシを保存するバージョンのデータを公開する必要がある。
本稿では,差分的プライベートデータセットのリリースについて検討し,公平性の観点から重要な資源配分タスクに与える影響を考察する。
論文 参考訳（メタデータ） (2021-05-16T21:04:19Z)
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。