Anderson का एंगल

एआई शोधकर्ता अनुमान लगाते हैं कि 97% यूरोपीय संघ की वेबसाइटें जीडीपीआर गोपनीयता आवश्यकताओं को पूरा नहीं करती हैं – विशेष रूप से उपयोगकर्ता प्रोफाइलिंग

Martin Anderson
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुवर्षों के नियमन के बावजूद अधिकांश यूरोपीय संघ की वेबसाइटें अभी भी कम से कम एक मुख्य…
और देखें
  • वर्षों के नियमन के बावजूद अधिकांश यूरोपीय संघ की वेबसाइटें अभी भी कम से कम एक मुख्य गोपनीयता आवश्यकता को पूरा करने में विफल रहती हैं।
  • शोधकर्ताओं द्वारा अध्ययन किए गए सभी गोपनीयता नियमों में उपयोगकर्ता प्रोफाइलिंग सबसे कमजोर अनुपालन दर्शाती है।
  • यहाँ तक कि डेटा पोर्टेबिलिटी और शिकायत दर्ज करने जैसे बुनियादी अधिकारों को भी यूरोपीय संघ की वेबसाइटों पर व्यापक रूप से नजरअंदाज किया जाता है।

संयुक्त राज्य अमेरिका में शोधकर्ताओं ने मशीन लर्निंग तकनीकों का उपयोग करके यूरोपीय संघ में स्थित एक हजार से अधिक प्रतिनिधि वेबसाइटों की जीडीपीआर गोपनीयता नीतियों का अध्ययन किया है। उन्होंने पाया कि अध्ययन की गई 97% साइटें कम से कम एक आवश्यकता के साथ अनुपालन नहीं करती हैं यूरोपीय संघ के 2018 के नियामक ढांचे की, और वे नियामक आवश्यकताओं के साथ सबसे कम अनुपालन करते हैं ‘उपयोगकर्ता प्रोफाइलिंग’ के अभ्यास के आसपास।

लेख में कहा गया है:

‘[चूंकि] गोपनीयता नीति उपयोगकर्ताओं के लिए उनकी गोपनीयता को समझने और नियंत्रित करने के लिए एक आवश्यक संचार चैनल है, कई कंपनियों ने जीडीपीआर लागू होने के बाद अपनी गोपनीयता नीतियों को अद्यतन किया। हालांकि, अधिकांश गोपनीयता नीतियां वाक्पटु, जargon से भरी हुई हैं, और कंपनियों की डेटा प्रथाओं और उपयोगकर्ताओं के अधिकारों का अस्पष्ट रूप से वर्णन करती हैं। इसलिए, यह स्पष्ट नहीं है कि वे जीडीपीआर के अनुरूप हैं। ‘

यह जारी है:

‘हमारे परिणाम दिखाते हैं कि जीडीपीआर लागू होने के बाद भी, 97% वेबसाइटें अभी भी जीडीपीआर की कम से कम एक आवश्यकता के अनुरूप नहीं हैं। ‘

अध्ययन शीर्षक है ऑटोमेटेड डिटेक्शन ऑफ जीडीपीआर डिस्क्लोजर आवश्यकताओं इन प्राइवेसी पॉलिसीज़ यूज़िंग डीप एक्टिव लर्निंग, और यह वर्जीनिया विश्वविद्यालय, चार्लोट्सविले में तीन शोधकर्ताओं से आता है।

गोपनीयता अंतिम

अनुपालन का क्षेत्र, अध्ययन के अनुसार, जीडीपीआर के प्रावधानों से संबंधित था उपयोगकर्ता प्रोफाइलिंग के, जिसमें लेखकों ने कहा कि केवल 15.3% साइटें इस विशिष्ट नियम के साथ पूर्ण अनुपालन में थीं।… (बाकी सामग्री यहां जारी है)

डेटा

नई अनुसंधान में परीक्षा की गई साइटें क्वांटकास्ट में सूचीबद्ध शीर्ष 10,000 साइटों का नमूना थीं, जिनकी अंग्रेजी भाषा की गोपनीयता नीतियों को यूके स्थित वीपीएन पर यांडेक्स खोज के माध्यम से निकाला गया था (यह सुनिश्चित करने के लिए कि नीतियां जियो-ब्लॉक नहीं की गई थीं)।

यूरोपीय संघ की वेबसाइटें मई 2018 में पूरी तरह से लागू होने के बाद से निर्धारित गोपनीयता नीतियां प्रदान करने के लिए बाध्य हैं, जो 18 केंद्रीय आवश्यकताओं (ऊपर ग्राफ देखें) को कवर करती हैं।

शोधकर्ताओं ने गोपनीयता नीतियों को निकालने की अपनी प्रक्रिया को अगस्त 2018 की अवधि तक सीमित कर दिया, ताकि यह सुनिश्चित किया जा सके कि डोमेन ने आवश्यक नीतियों को प्रकाशित करने के लिए पर्याप्त समय दिया है (एक आवश्यकता जिसके बारे में उन्हें जीडीपीआर के दो साल के विकास चरण के दौरान कम से कम एक वर्ष के लिए पहले से ही जानकारी थी)।

फ़िल्टरिंग प्रक्रिया ने 9,761 नीतियों का एक गोपनीयता कॉर्पस उत्पन्न किया, जिसमें से शोधकर्ताओं ने 1,080 नीतियों का यादृच्छिक रूप से चयन किया।

पूर्व-प्रसंस्करण

टीम ने जीडीपीआर द्वारा निर्धारित 18 संभावित गोपनीयता नीतियों को लेबल करने के लिए चार मानव अनnotator को प्रशिक्षित करने के लिए दो कानूनी विशेषज्ञों को नियुक्त किया।

नीतियों में कुछ कानूनी शब्दजाल 18 आवश्यकताओं में से एक से अधिक को कवर करते थे, जिससे यह आवश्यक हो जाता था कि प्रत्येक नीति से जुड़ी भाषा सुविधाओं का पता लगाने के लिए एक कनवोल्यूशनल न्यूरल नेटवर्क (सीएनएन) का उपयोग किया जाए।

एक प्रारंभिक प्रयास में एक मॉडल को प्रशिक्षित करने के लिए भाषा पर आधारित अनुपालन की पहचान करने के लिए 80.5% सफलता प्राप्त की गई। परिणामों में सुधार करने के लिए, शोधकर्ताओं ने मॉडल के प्रदर्शन को बेहतर बनाने के लिए कम लेबल वाले डेटा का उपयोग करके एक्टिव लर्निंग लागू किया। इन साधनों से यह संभव था कि वर्गीकारक सीएनएन को 89.2% की सटीकता तक प्रशिक्षित किया जाए, जिसमें एफ 1 स्कोर 0.88 (जहां ‘1’ पूर्ण सफलता है) था।

यह सुनिश्चित करने के लिए कि शब्द एम्बेडिंग गोपनीयता नीति के लिए विशिष्ट थे, शोधकर्ताओं ने फेसबुक के फास्टटेक्स्ट पायथन लाइब्रेरी का उपयोग करके एक असुपरवाइज्ड वर्ड एम्बेडिंग मॉडल को प्रशिक्षित किया।

मानक अभ्यास के अनुसार, अंतिम डेटा को 80/20 के बीच प्रशिक्षित डेटा और परीक्षण डेटा (अर्थात यादृच्छिक रूप से चयनित डेटा के खिलाफ जिसे एल्गोरिदम की सटीकता का आकलन किया जाएगा) के बीच विभाजित किया गया था। आर्किटेक्चर में परिणामों की गुणवत्ता का मूल्यांकन करने के लिए एक मानव-इन-द-लूप माप अध्ययन जोड़ा गया था।

वर्गीकारक प्रणाली के लिए आर्किटेक्चर।

वर्गीकारक प्रणाली के लिए आर्किटेक्चर。

कार्य प्रवाह के दौरान, 11,271 मानव-लेबल वाले गोपनीयता नीति खंड उत्पन्न किए गए, जिनमें से प्रत्येक की समीक्षा चार मानव अनnotator द्वारा की गई थी जिन्हें अध्ययन में शामिल दो कानूनी विशेषज्ञों द्वारा प्रशिक्षित किया गया था। जहां असहमति हुई, डेटा को शामिल करने से इनकार करने के लिए 75% सहमति अनुपात की आवश्यकता थी।

मानव-इन-द-लूप - यह सुनिश्चित करना संभव नहीं था कि नीति डेटा को पूरी तरह से स्वचालित रूप से लेबल किया जाए, हालांकि एक्टिव लर्निंग ने एक पूल-आधारित कार्य प्रवाह को सक्षम किया जिसने परियोजना को व्यावहारिक बनाया।

मानव-इन-द-लूप – यह सुनिश्चित करना संभव नहीं था कि नीति डेटा को पूरी तरह से स्वचालित रूप से लेबल किया जाए, हालांकि एक्टिव लर्निंग ने एक पूल-आधारित कार्य प्रवाह को सक्षम किया जिसने परियोजना को व्यावहारिक बनाया।[/em>

(AAPL )

परिणामों के अलावा जो पहले ही उल्लेख किए गए हैं, उपयोगकर्ताओं ने पाया कि पोर्टेबिलिटी – जीडीपीआर के तहत डेटा को ट्रांसलोकेट या निर्यात करने का अधिकार – लगभग उतना ही खराब सेवा प्रदान की गई थी जितनी कि प्रोफाइलिंग।

शोधकर्ता निष्कर्ष निकालते हैं:

‘[आवश्यकताएं] जैसे उपयोगकर्ताओं के पोर्टेबिलिटी के अधिकार और डेटा संरक्षण अधिकारी (डीपीओ संपर्क) की संपर्क जानकारी प्रदान करना क्रमशः 15.5% और 16.4% वेबसाइटों द्वारा कवर किया जाता है। अन्य प्राथमिक आवश्यकताएं, जैसे कि उपयोगकर्ताओं का शिकायत दर्ज करने का अधिकार, सहमति वापस लेना, विरोध का अधिकार, और पर्याप्तता निर्णय, 17-20% वेबसाइटों द्वारा कवर की जाती हैं। ‘

… और जारी है:

‘यह लगता है कि केवल 3% वेबसाइटें 18 आवश्यकताओं के साथ पूरी तरह से अनुपालन करती हैं। ये निष्कर्ष बताते हैं कि कई वेबसाइटें अभी भी जीडीपीआर की आवश्यकताओं का पालन नहीं करती हैं। ‘

 

 

7pm 26/11/2021 – पहले ग्राफ कैप्शन स्पष्ट किया। – एमए

Martin Anderson

मशीन लर्निंग पर लेखक, मानव छवि संश्लेषण में डोमेन विशेषज्ञ। Metaphysic.ai में शोध सामग्री के पूर्व प्रमुख, जब तक यह DNEG की Brahma.ai में विलीन नहीं हो गया।
वेबसाइट: martinanderson.ai
संपर्क: martin@martinanderson.ai