Aug, 2024

PolicyLR：隐私政策的逻辑表示

HTML
PDF
TL;DR本研究解决了现有隐私政策分析方法在理解和处理复杂政策时的不足，提出了PolicyLR作为一种全新的机器可读表示，能够适用于多个后续任务。通过将隐私政策转换为机器可读格式，PolicyLR展现出可解释性和上下文完整性，验证结果表明其在隐私任务中的有效性，使政策合规性检测和比较购物等任务更加高效。
发现论文，激发创造
  • 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

  • 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

  • 针对英语隐私政策的语言理解评估基准PLUE

    通过多种任务的评估，我们介绍了隐私政策语言理解评估（PLUE）基准，并收集了大量的隐私政策，以促进未来该领域的研究；同时，我们证明了领域特定的预训练对所有任务都有性能提升。

    Dec, 2022

  • 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

  • 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

  • 利用大型语言模型自动化治理知识共享和上下文完整性（GKC-CI）隐私政策注解

    使用大型语言模型，可以自动进行隐私政策文本中的高准确度GKC-CI参数注释，展示了对数据探索中GKC-CI注释的扩展效果。

    Nov, 2023

  • 使用真实语料库进行数据实践的自动检测和分析

    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

  • PrivComp-KG：利用知识图谱和大型语言模型进行隐私政策合规性验证

    提出了基于大型语言模型和语义网络的隐私合规方法，通过开发隐私政策合规验证知识图谱（PrivComp-KG），有效存储和检索有关隐私政策、法规框架和领域特定知识的全面信息，实现对供应商隐私政策与相关政策法规的合规性查询。

    Apr, 2024

  • 大型语言模型：大规模隐私政策分析的新方法

    利用大型语言模型（LLM）以替代传统的自然语言处理技术，在较大规模上从隐私政策中高效准确地提取隐私做法，并实现出色的性能评估和降低成本。

    May, 2024

  • 大型语言模型的隐私意识如何？合规性与隐私技术评估案例研究

    本研究针对大型语言模型（LLMs）在隐私合规和技术隐私评审中的应用不足问题，提供了全面的案例研究。提出了隐私技术评审（PTR）框架，并通过实证评估多个知名LLMs在隐私信息提取、法律和监管关键点检测等任务中的表现，发现尽管这些模型在自动化隐私审查方面具有潜力，仍存在与法律标准全面合规的显著 gaps。

    Sep, 2024