LADFA：利用大语言模型与检索增强生成分析隐私政策中个人数据流的框架

隐私政策帮助人们了解组织的个人数据处理实践，涵盖数据收集、数据存储以及与第三方共享个人数据等不同方面。由于使用的法律语言冗长复杂，加上不同行业与组织的做法不一致，人们往往难以完全理解隐私政策。为帮助对隐私政策开展自动化、大规模分析，许多研究者研究了机器学习与自然语言处理技术的应用，包括大语言模型（LLM）。虽然此前已有少量研究利用 LLM 从隐私政策中抽取个人数据流，我们的方法在这一工作脉络之上，将 LLM 与检索增强生成（RAG）以及基于现有研究定制的知识库相结合。本文介绍 LADFA 的开发，这是一个端到端计算框架，可以处理给定隐私政策中的非结构化文本，抽取个人数据流并构建个人数据流图，再对数据流图进行分析以辅助洞察发现。该框架由预处理器、基于 LLM 的处理器和数据流后处理器组成。我们通过一项案例研究演示并验证了所提方法的有效性与准确性，该研究考察了从汽车行业选取的十份隐私政策。值得注意的是，LADFA 的设计灵活且可定制，因此也适用于隐私政策分析之外的一系列基于文本的分析任务。