Feb, 2024

使用真实语料库进行数据实践的自动检测和分析

PDF
TL;DR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。
发现论文，激发创造
  • 一种基于人机协同的数据稀缺条件下隐私政策信息抽取方法

    本文介绍了一种针对隐私政策注释的 “人在回路”（Human-in-the-Loop）原型系统，该系统集成了机器学习生成的建议和最终的人为注释决策，提供了一种特定于数据稀缺性的基于机器学习的建议系统，其提供了有意义的预测，优于其他近期用于法律文件的提取模型的性能。

    May, 2023

  • 隐私政策中模糊词汇和句子的自动检测

    该论文旨在使用构建的第一个含人类标注的模糊词汇和句子的语料库，对隐私政策的模糊内容进行自动检测，研究上下文敏感和上下文不敏感模型以及辅助分类生成性对抗网络来表征句子模糊性，研究结果表明所提出的方法有效，并提出解决模糊性和提高隐私政策可用性的建议。

    Aug, 2018

  • 隐私政策问答：结合计算和法律视角

    本文介绍了 PrivacyQA 数据集，以及采用神经网络进行隐私政策问题回答的方法和挑战。PrivacyQA 数据集包括 1750 个问题和 3500 个相关答案的专业注释，研究表明，当前的神经网络方法在回答隐私政策问题上存在诸多问题，该数据集为未来的问题回答系统提供了巨大的改进空间。

    Nov, 2019

  • Polisis: 使用深度学习自动分析和呈现隐私政策

    我们提出了一个基于 Polisis 的自动化框架，能够在隐私政策的众多细节方面进行可扩展的、动态的、多维查询。最初的 Polisis 具有一个隐私中心语言模型和神经网络分类器的新等级结构，支持由结构化和自由形式查询支持的两个应用程序：自动分配隐私图标和 PriBot 隐私答案查询。

    Feb, 2018

  • PolicyQA：一份隐私政策阅读理解数据集

    提出 PolicyQA，用于针对现有隐私政策发布的 25,017 个阅读理解问题的数据集，包括 714 个针对隐私实践的人工标注问题，并评估了两种现有的神经问答模型并进行了严格的分析。

    Oct, 2020

  • 一个用于序列标注和合规识别的细粒度中国软件隐私政策数据集

    本文介绍了使用自然语言处理技术分析隐私政策以帮助用户理解及满足法规要求的必要性，并构建了首个中文隐私政策数据集 CA4P-483，用于帮助隐私政策和软件间的序列标记任务和法规合规识别。

    Dec, 2022

  • PolicyGPT: 使用大型语言模型自动分析隐私政策

    通过利用大型语言模型（LLM）开展文本分析，本研究构建了 PolicyGPT 隐私政策文本分析框架，并在两个数据集上进行了测试，结果表明在零样本学习条件下，PolicyGPT 取得了强大的性能，并优于传统机器学习和神经网络模型。

    Sep, 2023

  • 揭开晦涩法律用语的面纱：自动化方法用于隐私政策和服务条款的摘要和重叠分析

    我们的研究致力于通过开发语言模型来为合同和政策文件提供自动化、易于理解的摘要和分数，以增强用户理解，促进知情决策。我们在数据集上比较了基于 Transformer 和传统模型，RoBERTa 整体表现更好，达到了 0.74 的 F1 分数。利用我们表现最佳的模型 RoBERTa，我们通过识别 GDPR 文件的重叠部分突出了冗余和潜在的指导方针违规情况，强调了对更严格 GDPR 合规性的必要性。

    Apr, 2024

  • 沙特隐私政策数据集

    本研究收集并创建了一份包括来自沙特阿拉伯不同行业的个人数据保护政策的汇编，这些政策经过了根据《个人数据保护法》的 10 项原则进行的注释。最终数据集可以用于评估隐私政策合规性、制定自动化工具以监测数据保护法规遵从性的数据分析。

    Apr, 2023

  • Calpric: 集众包和主动学习的隐私政策全面细粒度标注

    Calpric 使用自动文本选择和分割、主动学习和众包注释器相结合的方法，以低成本生成大规模、均衡的隐私政策训练集，使得不具备专业训练的注释者能够与法律学生等经过训练的注释者相竞争，降低注释成本，并通过少量训练样本高效覆盖输入空间，进一步降低成本并提高数据集的类别平衡和数据类别详细度。众包过程使得 Calpric 以大约 0.92-1.71 美元每个标注文本段的成本获得可信赖的标注数据集，其中包含了 16K 个隐私政策文本段，涵盖了 9 个数据类别，并具有平衡的正负样本。

    Jan, 2024