[論文レビュー] Creation and Analysis of an International Corpus of Privacy Laws

Sonu Gupta, Ellen Poplavska+5 more|arXiv (Cornell University)|Jun 28, 2022

Privacy, Security, and Data Protection被引用数 4

ひとこと要約

本稿では、182の管轄区域から1,043件の個人情報保護法、規則、指針を含む大規模かつ多言語の「政府個人情報指針（GPI）コーパス」を紹介する。自然言語処理（NLP）手法を用いて、過去50年間で個人情報保護法の制定が著しく増加していること、個人データの種別ごとの注目度にばらつきがあること、金融、医療、通信などの繰り返し現れるテーマがある一方で、包括的な個人情報保護法は稀であることが明らかになった。

ABSTRACT

The landscape of privacy laws and regulations around the world is complex and ever-changing. National and super-national laws, agreements, decrees, and other government-issued rules form a patchwork that companies must follow to operate internationally. To examine the status and evolution of this patchwork, we introduce the Government Privacy Instructions Corpus, or GPI Corpus, of 1,043 privacy laws, regulations, and guidelines, covering 182 jurisdictions. This corpus enables a large-scale quantitative and qualitative examination of legal foci on privacy. We examine the temporal distribution of when GPIs were created and illustrate the dramatic increase in privacy legislation over the past 50 years, although a finer-grained examination reveals that the rate of increase varies depending on the personal data types that GPIs address. Our exploration also demonstrates that most privacy laws respectively address relatively few personal data types, showing that comprehensive privacy legislation remains rare. Additionally, topic modeling results show the prevalence of common themes in GPIs, such as finance, healthcare, and telecommunications. Finally, we release the corpus to the research community to promote further study.

研究の動機と目的

• 大規模なNLP分析に適した包括的かつ多言語の国際的個人情報保護法のコーパスが不足しているという問題に対処すること。
• 個人情報保護法の時間的動向を分析し、個人データ種別ごとの注目度の変化を特定すること。
• トピックモデリングを用いて政府個人情報指針におけるテーマ的パターンを分析すること。
• 将来的な法的言語、コンプライアンス、国境を越えた個人情報規制に関する研究を可能にすること。

提案手法

• 182の管轄区域から、法律、規則、非拘束的ガイドラインを含む1,043件の政府個人情報指針（GPI）のコーパスを収集した。
• 元の言語テキストと英語訳を収集し、URL、施行日、管轄区域、国際的合意など、豊富なメタデータを付加した。
• 1970年から2023年までの期間にわたり、GPIの件数と発展の履歴を追跡するための時系列分析を実施した。
• LDAに基づくトピックモデリングを用いて、コーパス全体に共通する繰り返し現れるテーマを同定した。
• テキスト分析を用いて、18種類の個人データ種別における言及頻度の分布を検討した。
• 研究の再現可能性を高めるために、コーパスを公開した。

実験結果

リサーチクエスチョン

• RQ1 過去50年間で、個人情報保護法の件数はどのように変化してきたのか。その時間的分布にどのようなパターンが見られるか。
• RQ2 どの個人データ種別が最も頻繁に保護法で取り上げられており、これは管轄区域や時間軸によってどのように変化するか。
• RQ3 政府個人情報指針に共通する主要なテーマクラスタは何か。また、特定のセクターまたはデータ種別とどのように関連しているか。
• RQ4 個人情報保護法が複数のデータ種別を同時に扱う程度はどの程度か。特に共起する組み合わせは何か。
• RQ5 管轄区域や法制度の違いに応じて、個人情報保護法の言語的・構造的特徴はどのように変化するか。

主な発見

• 1970年代以降、個人情報保護法・規則の件数が著しく増加しており、2000年代から急激に増加した。
• 個人データ種別ごとの法制度の増加率は顕著に異なる。特に金融、医療分野のデータが他の分野よりも注目されている。
• 大多数の個人情報保護法は、少数の個人データ種別しかカバーしていないため、包括的な個人情報保護法は依然として稀である。
• トピックモデリングにより、金融、医療、通信、バイオメトリクスといった繰り返し現れるテーマが明らかになった。特にバイオメトリクスと遺伝子データはしばしば同時に登場する。
• 特定のデータ種別ペアには強い共起パターンが見られ、バイオメトリクスと遺伝子データ（直感的）や、人種／民族的背景と宗教的信念（予想外）の組み合わせが顕著である。
• コーパスは、管轄区域ごとに範囲・言語・焦点に顕著な差異を示す、包括的で多様な個人情報規制のグローバルなパッチワークを明らかにした。