20. PolicyChecker: Analyzing the GDPR Completeness of Mobile Apps’ Privacy Policies

20.1 论文信息

  • 作者：Anhao Xiang, Weiping Pei, Chuan Yue
  • 年份：2023年
  • 会议：ACM Conference on Computer and Communication Security（CCS）
  • 研究机构：Colorado School of Mines, The University of Tulsa
  • 关键词：Mobile App, Privacy Policy, GDPR, Completeness
  • 主要内容：提出基于规则和语义角色的方法 PolicyChecker，用于自动检测移动应用隐私政策是否满足 GDPR 第 13、14 条规定的完整性要求。

20.2 问题分析

现有研究存在以下局限性：

  1. 仅关注强制性要求，忽略 if-applicable 条款；
  2. 数据集规模小，难以全面揭示现状。

20.3 研究方案

1. GDPR 完整性规则

基于 GDPR 第 13、14 条构建完整性规则体系，包含：

  • 必要要求（强制）
  • If-Applicable 要求（条件性触发）
图20.1 GDPR完整性规则

图20.1 GDPR完整性规则

2. If-Applicable 要求逻辑链

构建六个逻辑链，模拟 if-applicable 要求在特定条件下变为强制要求的过程：

  • L1：用户同意 → 必须说明撤回权；
  • L2：合法利益 → 必须说明利益内容；
  • L3：数据共享 → 必须提供接收方身份；
  • L4：跨境传输 → 必须说明保障措施；
  • L5：自动化决策 → 必须说明逻辑和影响；
  • L6：合同义务 → 必须告知后果。

3. PolicyChecker 设计

图20.2 POLICYCHECKER框架图

图20.2 POLICYCHECKER框架图

（1）实践识别

提取所有动词并与预定义列表比对。

图20.3 动词列表

图20.3 动词列表

（2）构建谓词-论元结构

使用 SRL 构建句子的谓词-论元结构。

（3）语义角色匹配

  • 基础角色匹配：检查 Arg0（主语）、Arg1（宾语）是否存在；
  • 辅助角色匹配：进一步分析目的、条件等；
  • 不同实践匹配：
    • 数据收集：需含 Arg0（收集方）、Arg1（数据类型）、ArgM-prp（目的）；
    • 数据共享：需含 Arg1（共享对象）、ArgM-prp（目的）；
    • 同意获取/撤销：需含 Arg0（请求方）、Arg1（同意内容）；

（4）语义论元验证

使用 NER 模型 + n-gram 匹配识别参数，若失败则调用语义相似性比较。

（5）GDPR 完整性检查算法

检测两个方面：

  • 未满足的强制性要求；
  • if-applicable 要求是否在触发条件下被满足。
图20.4 完整性检测算法

图20.4 完整性检测算法

20.4 优缺点

优点

  1. 在细粒度上区分主题，提升完整性违规检测准确率；
  2. 方法扩展性强，可通过添加新规则快速适应法规更新。

缺点

  1. SRL 模型在复杂句式中表现不佳；
  2. NER 模型无法识别部分实体；
  3. 忽略跨句逻辑链分析。