该论文针对受监管行业与关键基础设施组织面临的合规困境：企业往往需要同时满足 ISO/IEC 27001、NIST CSF 2.0、Cyber Essentials、GDPR 等多个异构的网络安全与隐私框架要求。现实中这些义务通常依靠人工映射、电子表格跟踪和周期性审计来管理，导致维护成本高、跨标准口径不一致、证据可追溯性差。作者提出 AspisAI——一个范围受控、与具体标准无关（standard-agnostic）的治理框架。其核心思路是把若干框架中选取的要求翻译成一个规范化的、机器可解释的控制模型（canonical control model），再用基于条件的判定规则（condition-based decision rules）对提交的证据进行评估，从而产出可解释、可追溯的合规判定结论。 评估设计上有两点值得注意：其一，在 26 条代表性要求的受控范围内，框架在受控仿真中按五项治理导向标准进行评估，实现了完整的需求编码、88.5% 的映射覆盖率、完整的可追溯性，并正确检出所有被引入的合规缺口，从而确立功能正确性。其二，作者意识到单方评估存在循环论证风险，因此引入两个外部参照：一是将框架的跨标准映射与 NIST 自己发布的信息性引用（informative references）比对，得到 57% 的完全一致，分歧全部局限在同一控制族内部；二是将框架应用于 OpenSSF Scorecard 提供的真实第三方证据，在一个活跃开源项目中暴露出真实的治理缺口。论文的贡献在于证明：采用保留来源（provenance-preserving）的规范化治理模型，可以让多标准合规同时具备可自动化与可审计两项属性。

该论文针对欧盟《通用数据保护条例》(GDPR) 实施后域名注册隐私保护的变化展开大规模测量研究。传统上，WHOIS 协议被广泛用于查询域名注册人信息，是安全运营、威胁情报、执法调查等场景的重要数据源。然而 GDPR 对个人数据保护提出了严格要求，迫使注册商和注册局对公开的 WHOIS 记录进行脱敏或限制访问，导致注册人信息（如姓名、邮箱、电话、地址）大量被隐藏。论文提出了“WHOWAS”这一概念，意指一种能够记录和追溯历史 WHOIS 数据的新机制，以缓解当前隐私政策对安全调查造成的信息断层。研究基于大规模实际域名数据，系统测量了 GDPR 生效前后 WHOIS 字段的可用性变化，分析了不同注册商、不同顶级域（如 .com、.eu 等）之间的差异，并量化了对安全生态（如恶意域名追踪、网络犯罪溯源）的具体影响。作者还探讨了当前隐私保护政策在合规性、透明性、可用性方面的平衡问题，并提出了改进建议。该工作为理解 GDPR 对网络空间安全基础设施的长期效应提供了实证基础，也为设计兼顾隐私与安全的域名数据服务提供了参考。

本文针对GDPR等数据保护法规在遗留软件系统上的合规改造难题，提出了一种基于信息流追踪的通用数据保护运行时方案。作者首先从GDPR法规中提炼出十二条软件层面的合规要求，涵盖数据最小化、目的限制、存储限制、数据主体权利等核心原则，并论证了这些要求可以通过动态信息流追踪框架得到满足。为实现这一思路，他们设计了元数据结构和强制策略，并实现了名为Fontus的Java虚拟机（JVM）信息流追踪框架。Fontus能够透明地标记现有Java应用程序中的个人数据，无需修改应用代码即可实施数据保护策略。为验证实用性，作者在7个大型开源Web应用上进行了实验，在不改动应用自身的前提下成功执行了数据保护策略，证明了该方法可以有效降低合规改造的工程成本，同时即便在软件存在bug或配置错误时也能阻止非法数据处理。该研究的主要贡献包括：将法规合规问题形式化为信息流追踪问题、提出具体的软件需求和元数据策略、实现可工作的JVM框架以及实证评估。适合关注隐私工程、数据合规自动化、应用安全架构的研究人员和蓝队工程师阅读。

该研究来自人机交互与隐私领域，探讨人们对“完全自动化决策”（Solely Automated Decision-Making, SADM）的理解与感受。SADM 指在没有人类实质性参与的情况下，由算法或系统独立做出对个人产生法律或类似重大影响的决策，例如信贷审批、招聘筛选、福利发放等。研究者通过质性方法（如访谈或调查）收集了普通公众对 SADM 的看法，重点关注人们如何感知、理解以及如何意识到自己正在被自动化系统决策，尤其当系统并未明确告知用户时。论文提出“How I Know For Sure”这一核心命题，揭示用户往往通过间接线索（如决策结果的突兀性、缺乏解释、无法申诉等）而非系统明示，来推断自己遭遇了自动化决策。研究还结合欧盟 GDPR 第 22 条等法律框架，分析现行法规对 SADM 的规制与实际用户认知之间的差距。主要贡献包括：系统化呈现了公众对 SADM 的认知模式；指出了现有通知与解释机制在实践中的不足；为设计更透明、可理解的自动化决策系统提供了实证依据。该论文适合关注算法公平性、可解释 AI、隐私法律合规的产品设计师、政策制定者及安全合规从业者阅读，以理解自动化决策在真实用户中的感知风险。

本文研究了WordPress插件在收集和处理个人身份信息（PII）时是否符合欧盟通用数据保护条例（GDPR）的问题。WordPress作为流行的内容管理系统，其插件可能涉及跨语言的数据流，如PHP、JavaScript、HTML和SQL，这使得GDPR合规性检测变得困难。现有工具主要针对网站或移动应用，无法处理插件中客户端与服务器端混合的数据处理。为此，作者提出了CHKPLUG，第一个自动化的WordPress插件GDPR合规检查器。其核心是构建一种新颖的跨语言代码属性图（CCPG），该图能够表示内联语言集成（如PHP与HTML）以及键值对关联（如HTML与JavaScript），从而捕获跨语言的数据流。CHKPLUG通过在图谱上执行查询来匹配GDPR相关条款（如数据删除、用户同意等）的违规模式。实验使用人工标注的WordPress插件数据集进行评估，结果显示CHKPLUG在检查插件是否合规时达到了98.8%的真阴性率（TNR）和89.3%的真阳性率（TPR）。此外，对市场现状的测量分析发现，有368个插件违反了数据删除规定，即未提供删除用户信息的功能。该研究为WordPress生态系统的隐私合规自动化检查提供了新方法，有助于插件开发者和网站所有者识别并修复GDPR违规问题。

该论文针对Android应用中第三方追踪的同意通知机制及其对欧盟《通用数据保护条例》（GDPR）的合规性进行了系统性研究。作者通过大规模静态和动态分析，检测了付费及免费Android应用中嵌入的第三方追踪库，并评估了这些应用在收集用户数据前是否获得了用户的有效同意。研究发现，大量应用在用户未明确同意的情况下即开始追踪，或同意通知的设计违反了GDPR的明确性和自由给予原则。论文的重点贡献包括：构建了一套自动化的同意通知检测框架，识别了多种常见的违规模式（如预设同意、缺乏撤销选项、通知过于隐蔽等），并对不同类别应用的风险等级进行了量化。该研究为移动应用开发者、隐私合规工程师以及监管机构提供了实证依据和实践指导。

本文针对GDPR实施后Android手机中用户不可重置标识符（如IMEI、IMSI、MAC地址等）的保护机制进行了系统性的威胁狩猎研究。研究背景是GDPR要求设备制造商强化隐私保护，Android系统在多个版本中引入了诸如权限控制（READ_PHONE_STATE限制）、标识符随机化（如随机MAC地址）以及对IMEI等敏感标识符的访问管控。然而，这些措施的实际有效性和残留风险尚未得到充分评估。作者通过大规模实验，在多种主流品牌和Android版本的设备上，采用静态代码分析、动态运行时监控以及基于硬件/模拟器的自动化测试，评估了操作系统层面防护措施的有效性。实验发现，即便在最新版本中，仍存在多种规避保护的方法：例如，通过复合多个半标识符（如广告ID、设备名称、网络信息等）进行用户重识别；利用时间相关性攻击，在不同时间窗口捕获看似随机变化的标识符，通过关联模式追踪用户行为；以及通过系统服务通信中的隐蔽通道间接获取标识符。此外，作者提出了一种名为“Inception Attack”的新型攻击思路，通过篡改系统服务响应或模拟合法请求，诱导系统绕过权限检查并泄露受保护标识符。研究揭示了当前Android保护机制在应对组合攻击和隐蔽通道方面存在的不足，并量化了不同品牌/版本下的风险暴露程度。最后，作者基于发现给出了多项加固建议，包括强化权限审计、增加标识符使用透明度、以及引入基于行为的异常检测。

本文提出了一个名为 PriEval-Protect 的统一框架，用于医疗保健系统中的隐私风险评估与保护。当前，在 GDPR 和 HIPAA 等法规下，保护患者隐私并同时允许有意义的医疗数据使用至关重要，但现有合规方法通常依赖人工，容易出错，且将政策审计与数据级评估割裂。PriEval-Protect 采用两阶段设计：评估阶段结合了基于微调法律大语言模型（LLM）与检索增强生成（RAG）的监管合规评分，以及通过加密类型、数据架构和多种度量指标（包括相似度、不确定性、攻击者成功率、信息增益/损失）进行的技术分析。利用层次分析法（AHP）对各类指标进行加权聚合，得出综合风险评分。保护阶段则根据评估的风险推荐相应的防护措施，例如联邦学习和差分隐私。作者在真实医院文档和数据集上进行了实验，结果表明该框架能提供与法规对齐且可解释的评估，有效弥合了法律合规与数据级风险分析之间的鸿沟。该工作对于需要自动化隐私合规评估的安全团队、合规官以及医疗行业的数据保护从业者具有参考价值。

论文提出 GDPRuler，一种用于不可信云环境中的键值存储（KVS）的可验证 GDPR 合规中间件系统。背景：GDPR等隐私法规对个人数据的存储、处理和审计提出严格要求，而KVS简单数据模型和不可信云部署使合规极具挑战。现有方案需侵入式代码修改、性能开销高或忽略合规机制本身的完整性。核心方法：GDPRuler 在机密虚拟机（CVM）内运行可信 GDPR 监视器，无需修改KVS代码。监视器强制执行GDPR策略、管理合规元数据、维护防篡改审计日志。声明式策略语言将核心GDPR义务转化为可执行的运行时规则。为提升效率，GDPRuler 将元数据紧凑编码到KV记录中，为GDPR特定查询建立专用元数据索引，仅以空间高效格式记录合规相关事件。实现：作为透明代理支持未修改的Redis和RocksDB。评估：使用YCSB和GDPR启发的工作负载，GDPRuler 开销低：吞吐量约为原生KVS的61%，其中CVM环境贡献28%-32%；元数据存储开销低于20%；GDPR查询通过元数据索引获得13-182倍加速。贡献：通过将可验证策略嵌入可信中间件层，为不可信云基础设施上的KVS提供了实现GDPR合规的实用路径。

该论文针对现有隐私测量工具（如CFIP、IUIPC、PAQ）早于GDPR超十年、仅关注隐私关切而忽略用户对具体监管权利（如数据可携带权、删除权、自动化决策权）偏好的问题，提出了一种基于GDPR的隐私偏好测量项目库（GPPI）。研究方法包括：从全部99个GDPR条款中提取669条陈述，经过两轮专家审查达成完全共识；通过语义聚类形成10个父主题和87个子主题；再经50名隐私专家（每主题5人）以≥4/5投票保留阈值进行共识审查，最终得到包含9个父主题、73个子主题、共527个项目的测量库。每个父主题包含18-112个项目，每个子主题1-29个项目，专家平均配对一致性约85%。该工作引入了与监管机制对齐的用户偏好互补测量维度，使从业者能够评估用户对GDPR合规政策中各项权利的重视程度。适合隐私研究人员、政策制定者及合规设计从业者阅读。