本文提出了一个名为 MyTool 的自动化系统，用于检测 GDPR 规定是否得到遵守。作者检查了 796 个移动健康应用程序，发现其中 189 个应用程序没有提供完整的隐私协议；另外，59 个应用程序通过不同的措施收集敏感数据，但其中 46 个应用程序的至少一个收集行为存在不一致性；最糟糕的是，在 59 个应用程序中，只有 8 个应用程序尝试确保所收集的数据传输的安全性，但它们中的所有应用程序都存在加密或 SSL 滥用的问题。

Aug, 2020

本文旨在启动关于语音数据保护的讨论并提出了安排和优先考虑未来研究的建议，讨论了语音技术和数据隐私交叉点处的分类学的需求以及 GDPR 对语音数据的影响问题。

Jul, 2019

该研究论文讨论了机器学习治理和预防算法危害的问题，以及如何应用 GDPR 监管。同时，介绍了信息安全领域中的模型逆推和成员推断攻击，并探讨了将某些模型合法归类为个人数据所涉及的不同权利和义务，以及这些措施的效用，并考虑了算法治理和监管的未来方向。

Jul, 2018

现有经验性隐私评估存在严重陷阱，忽略了差分隐私的可证明保证，无法准确评估最易受攻击样本的隐私泄露，使用弱攻击方法且避免与实际差分隐私基准进行比较。在五个实证隐私防御案例中，我们发现先前的评估低估了隐私泄露量一个数量级。在我们更强的评估方法下，我们研究的任何经验性防御方法都无法与合理调优、高效的 DP-SGD 基线竞争（具备虚无可证明保证）。

Apr, 2024

本文研究全球隐私法律法规，提出 “政府隐私指令语料库” 以分析法规聚焦点和演化。结果表明，个人数据类型受到隐私法规约管的比率和数量之间存在巨大差异，而主题建模分析表明金融、医疗卫生和电信等领域是当前隐私法规的主要关注点。同时，文章发布了语料库供研究社区进一步研究使用。

Jun, 2022

在本论文中，我们提出了一种自动化策略，用于对一般数据保护条例（GDPR）下的数据处理协议（DPAs）进行完整性检查。我们使用了以预训练的 BERT 和 RoBERTa 语言模型为基础的十种替代解决方案，并通过对 30 个真实 DPAs 进行 F2 分数计算。结果显示，表现最佳的解决方案分别基于预训练的 BERT 和 RoBERTa 语言模型，其 F2 分数分别为 86.7% 和 89.7%。我们的分析进一步显示，其他基于深度学习（如 BiLSTM）和少样本学习（如 SetFit）的替代解决方案可以实现可比较的准确性，但开发效率更高。

Nov, 2023

本文提出人机交互在法律上对算法系统的公平性、偏见与歧视、数据保护、透明度、自动偏见的减轻和理解以及处理后果的沟通等方面的作用。

Mar, 2018

本文探讨在个性化信息获取系统中 GDPR 中 `data minimization' 的执行，通过实证研究找到了不同执行方式的可行性，对不同用户产生的影响和表现结果进行分析，揭示了在此背景下数据最小化问题的复杂性和尚存的计算和监管挑战。

May, 2020

我们提出了一种自动化的方法来识别和可视化不同细节级别的隐私政策中的数据实践，通过利用 ToS;DR 平台的众包注释，我们尝试使用各种方法将政策摘录与预定义的数据实践描述相匹配，进一步进行了一个案例研究来评估我们的方法在真实政策上的有效性，实验表明我们的方法准确匹配了数据实践描述和政策摘录，为用户呈现了简化的隐私信息。

Feb, 2024

本文分析了过去两年内顶级网站内嵌的第三方网络生态，通过六个时间间隔观察了在线追踪活动和进出流量的变化，并对追踪器之间的连接和可能的 Cookie 同步活动进行了研究，以评估 GDPR 实施后 Web 生态系统的隐私健康状况

Jul, 2019