超越隐私法规：交通运输中数据使用的伦理路径
计算机与社会
2020-04-02 v1
摘要
近年来商业技术的指数级进步使数据驱动的决策成为大多数行业的核心。随着欧盟《通用数据保护条例》和美国《加州消费者隐私法》等新隐私法规的出台，处理个人数据的公司不得不顺应这些变化并相应调整其流程。这显然包括了使用位置数据的交通运输行业。另一方面，用户仍期望某种形式的个性化，而不必在隐私上妥协。因此，各行业公司开始在其产品中大规模应用隐私增强或保护技术，以此作为竞争优势。本文描述了联邦机器学习（Federated Machine Learning）如何应用于交通运输领域。我们提出了联邦学习在交通运输中受益的用例，以及使用此类技术所需的新产品生命周期。我们将联邦学习视为一种使我们能够处理隐私敏感数据、同时尊重客户隐私的方法，它引导我们超越隐私法规，进入伦理数据使用的世界。
引用
@article{arxiv.2004.00491,
title = {Beyond privacy regulations: an ethical approach to data usage in transportation},
author = {Johannes M. van Hulst and Mattia Zeni and Alexander Kröller and Cassandra Moons and Pierluigi Casale},
journal= {arXiv preprint arXiv:2004.00491},
year = {2020}
}