PrivComp-KG：利用知识图谱和大语言模型进行隐私政策合规性验证
密码学与安全
2025-08-25 v1 人工智能
摘要
数据保护和隐私在数字时代日益重要。许多公司依赖第三方供应商和服务提供商来完成其运营中关键功能，包括数据处理和存储等任务。然而，这种依赖引入了潜在漏洞，因为这些供应商的安全措施和实践可能不始终符合监管机构所期望的标准。企业常常因违反法律而需确保符合不断演变的监管规则。解释和实施这些规则具有挑战性，因为其复杂性。监管文件庞大，需要大量工作进行解释，而供应商起草的隐私政策往往缺乏足够的细节以实现完全的法律合规，导致模糊不清。为确保对监管要求的简洁解释以及组织隐私政策的合规性，我们提出了一种基于大语言模型（LLM）和语义 Web 的方法用于隐私合规。本文我们发展了一种新颖的隐私政策合规性验证知识图谱，即 PrivComp-KG。它旨在高效存储和检索有关隐私政策、监管框架以及与隐私领域法律景观相关的领域特定知识。通过检索增强生成（Retrieval Augmented Generation），我们识别与隐私政策中相应监管规则相对应的相关章节。将有关 individual 隐私政策的信息填充到 PrivComp-KG 中。结合领域上下文和规则，PrivComp-KG 可用于查询以检查每个供应商是否符合相关政策监管。我们通过验证多个组织的隐私政策文件来展示 PrivComp-KG 的相关性。
引用
@article{arxiv.2404.19744,
title = {PrivComp-KG : Leveraging Knowledge Graph and Large Language Models for Privacy Policy Compliance Verification},
author = {Leon Garza and Lavanya Elluri and Anantaa Kotal and Aritran Piplai and Deepti Gupta and Anupam Joshi},
journal= {arXiv preprint arXiv:2404.19744},
year = {2025}
}