文件名称：大数据和正当程序：建立纠正预测性隐私危害的框架-研究论文
文件大小：313KB
文件格式：PDF
更新时间：2024-06-08 23:44:51
big data privacy due process
私营部门中“大数据”分析的兴起给隐私倡导者提出了新的挑战。 与以前的直接利用个人可识别信息（PII）的计算模型（例如行为目标）不同，大数据已经突破了PII的定义，以使更多的个人可识别数据源成为可能。 通过主要分析元数据（例如一组预测性或汇总性发现）而不显示或分发原始数据，大数据方法通常不在当前的隐私保护范围内运行（Rubinstein，2013； Tene和Polonetsky，2012），有效地使监管架构边缘化。 大数据带来了实质性的隐私问题-基于不适当的个人数据生成而造成的偏见或歧视风险-我们称之为“预测性隐私危害”的风险。 预测性分析和分类可能对个人构成真正的威胁，尤其是在未经其知情或同意的情况下进行分析。 虽然不一定属于传统的“侵犯隐私”范围之内的伤害，但这种伤害仍然集中在个人与有关她的数据的关系上。 大数据方法不需要直接依靠个人的PII：社交网络分析，解释在线行为和预测模型中的技术的组合可以准确地创建详细的，亲密的图片。 此外，当这些技术做得不好时，仍然可能造成伤害，从而造成不准确的图画，但仍然被用来影响一个人的生活和生计。 在考虑如何应对不断发展的大数据做法时，我们首先检查了个人在健康和信用信息等领域必须查看和审查与它们有关的记录的现有权利。 但是很明显，这些现有系统不足以应对当前的大数据挑战。 公平信息隐私惯例和其他通知与选择制度未能防范预测性隐私风险，部分原因是个人很少了解自己的个人数据是如何被利用的，对其做出了哪些决定，以及在各种方面做出的决定。在大数据过程中，由于隐私保护措施的复杂性和第三方的参与，可能会导致预测性隐私损害与原始PII之间的关系复杂化。 因此，过去的隐私法规和权利不足以应对当前和未来的大数据挑战。 我们提出了一种减轻预测性隐私损害的新方法-程序数据正当程序权。 在英美法律传统中，程序性正当程序禁止*剥夺个人的生命，*或财产权，而又不能使其获得审判程序中某些基本程序性组成部分的权利，包括在法院审阅和质疑证据的权利。问题，对任何不利决定提起上诉的权利，了解提出的指控并就提出的问题进行聆讯的权利。 程序上的正当程序也可以作为分权的执行者，禁止那些撰写法律的人也对它们进行审判。 尽管当前的一些隐私制度提供了与严格定义的数据类型相关的名义上类似正当程序的机制，但这些机制很少包含所有保证公平结果的必要组成部分，并且可以说不适用于多种大数据系统（Terry 2012）。 需要一个更严格的框架，特别是考虑到许多大数据系统中固有的固有分析假设和方法论偏见（boyd and Crawford 2012）。 基于先前对公共管理计算机系统正当程序的思考（Steinbock 2005； Citron 2010），我们认为，私下且经常被大数据秘密“审判”的个人应享有与法院判决的相似的权利。他们的个人数据已用于此类裁决中。 我们使用程序性正当程序原则，模拟了一种监管系统，该系统将针对私有大数据参与者提供此类权利。