# 隐私技术与政策

- 原标题：Privacy Technologies and Policy
- 类型：书籍
- 来源：doi.org
- 发布时间：2026-10-27
- 首次精选：2026-10-27 16:18
- 分级：值得看
- 学习层级：深入
- 主题：[ai-privacy-governance](<https://oplearnx.com/md/topics/ai-privacy-governance.md>)（第 22 位）、[ai-attacks-defense](<https://oplearnx.com/md/topics/ai-attacks-defense.md>)（第 31 位）
- 原文链接：[https://doi.org/10.1007/978-3-032-35899-8](<https://doi.org/10.1007/978-3-032-35899-8>)
- 本站页面：[https://oplearnx.com/resources/pk\_9a80c162bfcc](<https://oplearnx.com/resources/pk_9a80c162bfcc>)

## 摘要

这是 Springer Nature 出版的开放获取会议论文集，为第 14 届隐私技术与政策年度论坛（APF 2026，2026 年 9 月 9–10 日于奥地利萨尔茨堡举办）的经评审论文。收录 11 篇全文与 1 篇短文，选自 48 篇投稿，分为“AI 中的隐私”“用户视角”“技术前沿的监管”“超越匿名化与安全的隐私技术”四个主题，主题词涉及 GDPR、隐私工程与隐私设计。

## 概览

- 语言：英文
- 规模：268 页 · 12 篇
- 费用：免费

## 学完你能

- 了解隐私增强技术在与人工智能结合时的研究现状，包括安全可解释推理与差分隐私等议题。
- 理解用户视角下的隐私问题，如智能家居入侵检测的用户接受度与网络追踪评分指标。
- 把握技术前沿处的监管议题，包括个人数据界定、执法与 GDPR Cookie 横幅合规演进。
- 认识匿名化与安全之外隐私技术的路径，如隐私架构、mHealth 知情同意与隐私工程中的透明性。

## 适合你吗

- 适合：研究隐私技术、数据保护与 GDPR 相关议题的研究者
- 适合：关注人工智能隐私与隐私工程实践的人员
- 适合：需要了解监管与合规技术交叉议题的读者
- 暂不适合：希望系统入门学习的初学者
- 暂不适合：寻找动手实验或作业练习的读者
- 需要先会：材料未说明先修要求；内容为会议论文，需具备隐私技术、数据保护与 GDPR 相关背景知识。

## 本书特点

- 内容侧重：隐私技术与政策交叉，涵盖人工智能隐私、用户视角、技术前沿监管、匿名化之外的隐私技术四个主题。
- 费用说明：开放获取，可免费下载 PDF 与 EPUB；纸质平装版售价 49.99 美元（不含税）。

## 目录

1. 第 1 部分 人工智能中的隐私：基于神经网络的安全可解释推理
2. 第 2 部分 人工智能中的隐私：大语言模型隐私研究中的个人数据准确性盲区（观点论文）
3. 第 3 部分 人工智能中的隐私：以群体规模保持理解差分隐私
4. 第 4 部分 人工智能中的隐私：机器学习供应链中 GDPR 更正与删除（短文）
5. 第 5 部分 用户视角：基于用户接受标准的隐私保护智能家居入侵检测（行动设计研究）
6. 第 6 部分 用户视角：符合 GDPR 的网络追踪评分基准指标
7. 第 7 部分 技术前沿处的监管：相对化个人数据概念以支持数据共享框架
8. 第 8 部分 技术前沿处的监管：执法、市场扭曲与压力下改革基本权利的风险
9. 第 9 部分 技术前沿处的监管：GDPR Cookie 横幅合规史——发布者、监管机构与 CMP 的角色
10. 第 10 部分 匿名化与安全之外的隐私技术：以权利为先的隐私架构路径（ADPC）
11. 第 11 部分 匿名化与安全之外的隐私技术：面向开发者的合规 mHealth 应用知情同意最佳实践
12. 第 12 部分 匿名化与安全之外的隐私技术：隐私工程中的透明性与可干预性

---
来源：LearnMap · 学径（https://oplearnx.com）