面向GDPR的隐私政策分析综合研究：分类体系、语料库与GDPR概念分类器
密码学与安全
2026-01-21 v2
摘要
以隐私政策为输入并预测相关概念的机器学习分类器，在针对欧盟GDPR的（半）自动化合规分析等应用中具有重要价值。在以往的所有研究中，此类分类器为每个片段（如句子）生成一个概念标签，其性能评估使用的是带标签的片段数据集，而未考虑这些片段所属的隐私政策。然而，这种方法可能会高估在现实世界中的性能，因为在现实世界中，新隐私政策中的所有片段都是未见过的。此外，我们还观察到其他研究空白，包括缺乏更完整的GDPR分类体系，以及对隐私政策中层级信息的考虑不足。为填补这些研究空白，我们开发了一个更完整的GDPR分类体系，构建了第一个带层级信息的带标签隐私政策语料库，并对GDPR概念分类器进行了最全面的性能评估。我们的工作产生了多项新发现，包括证实了在片段级别划分训练集和测试集的不恰当性、考虑层级信息的好处、“一刀切”方法的局限性，以及跨语料库测试的重要性。
引用
@article{arxiv.2410.04754,
title = {A Comprehensive Study on GDPR-Oriented Analysis of Privacy Policies: Taxonomy, Corpus and GDPR Concept Classifiers},
author = {Peng Tang and Xin Li and Yuxin Chen and Weidong Qiu and Haochen Mei and Allison Holmes and Fenghua Li and Shujun Li},
journal= {arXiv preprint arXiv:2410.04754},
year = {2026}
}