4. 汇总偏差:当数据集来自整个人口时,可能会对个人或小群体得出错误的结论。这种偏差最常见的形式是辛普森悖论(Blyth,1972),当只考虑整个人口的汇总数据时,小群体数据中观察到的模式就会消失。最著名的例子来自 1973 年加州大学伯克利分校的录取(Bickel 等人,1975)。根据汇总数据,女性申请者被拒绝的次数似乎明显多于男性。然而,对部门级数据的分析显示,大多数部门男性的拒绝率更高。汇总数据未能揭示这一点,因为女性申请总体录取率低的部门的比例高于申请录取率高的部门的比例。
在此背景下,考虑到这些技术引发的数据保护问题,爱尔兰监管机构要求 EDPB 根据 GDPR 第 64(2) 条就一般适用事项发表意见。该请求涉及在人工智能(“AI”)模型的开发和部署阶段处理个人数据。该请求更详细地询问:(1)何时以及如何将 AI 模型视为“匿名”;(2)控制者如何证明合法利益作为开发和(3)部署阶段的法律依据的适当性;(4)在 AI 模型的开发阶段非法处理个人数据会对 AI 模型的后续处理或运行产生什么影响。
我们将继续监测和评估新的数字技术,以促进以人为本的方法,其中包括与人工智能和数字身份相关的技术。我们将在必要时继续就新技术的数据保护影响以及在快速发展的数字环境中正确应用 GDPR 提供指导。除其他事项外,本指导还将进一步关注在新技术背景下实施数据保护概念和原则,特别是在对数据主体具有重大风险的领域或数据主体属于特别脆弱的群体(例如儿童)的领域。
欧洲数据保护委员会(EDPB)特定隐私声明(SPS)年度报告 - 利益相关者的调查上次更新:2025年1月索引1。简介2。谁负责处理您的个人数据,以及在哪些法律基础上处理?3。我们收集了哪些个人数据以及出于什么目的?4。您的个人数据是否受到任何国际转移?5。谁可以访问您的个人数据以及他们向谁披露?6。我们如何保护您的个人数据?7。我们保留您的个人数据多长时间?8。您如何验证,修改或删除您的个人数据?9。您需要等待多长时间才能收到我们对数据主题权利的答复的答复?10。您可以联系谁问问题或行使您的权利?11。您可以联系谁,以抱怨您的个人数据处理?1。简介
E-commerce entities (with >2 crore users in India), gaming intermediaries (with >50 lakhs users in India) and social media intermediaries (with >2 crore users in India) must erase personal data after three years from the date the Data Principal last approached the fiduciary, except for enabling the Data Principal to access their account or any virtual tokens issued by or on behalf of the Data Fiduciary
全球产生的数据量正在迅速增长。据估计,到 2025 年,数据量将从 2018 年的 33 泽字节(即 10 21 字节或 10000 亿千兆字节)增长到 175 泽字节。电子商务网站、社交媒体平台和其他在线服务的每日点击次数帮助创建了一个数据影子经济,这些数据揭示了人类的行为和偏好,大型商业技术公司可以免费获得这些数据。获取这些数据就是权力:行为或决策可以被操纵以用于商业目的或政治利益,而用户往往没有意识到或选择。Facebook - 剑桥分析公司丑闻揭示了个人数据的收集和分析在多大程度上为影响民主选举结果的算法提供了支持。人工智能和物联网等新兴的数据密集型技术进一步加剧了人们对侵犯权利的担忧。这些发展使数据保护法及其改革的重要性成为公众意识的焦点。公众意识