Evaluación de prácticas de privacidad en aplicaciones móviles: desarrollo de un módulo de etiquetado de prácticas de recolección de datos personales en políticas de privacidad en español usando técnicas PLN y aprendizaje automático.

Revelo Báez, Manolo Alejandro

Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/24757

Título:	Evaluación de prácticas de privacidad en aplicaciones móviles: desarrollo de un módulo de etiquetado de prácticas de recolección de datos personales en políticas de privacidad en español usando técnicas PLN y aprendizaje automático.
Autor:	Revelo Báez, Manolo Alejandro
Palabras clave:	TECNOLOGÍAS DE LA INFORMACIÓN POLÍTICAS PRIVACIDAD MACHINE LEARNING NLP CLASIFICADORES
Fecha de publicación:	abr-2023
Editorial:	Quito : EPN, 2023.
Citación:	Revelo Báez, M.A. (2023). Evaluación de prácticas de privacidad en aplicaciones móviles: desarrollo de un módulo de etiquetado de prácticas de recolección de datos personales en políticas de privacidad en español usando técnicas PLN y aprendizaje automático. 95 páginas. Quito : EPN.
Resumen:	Today, several web and mobile applications have emerged to perform everyday tasks. However, the processing of personal data by organizations raises some concerns, as the privacy of individuals may be threatened [1]. To address this concern, data protection regulations have been laid down. The General Regulation for the Protection of Personal Data (RGPD) in Europe and the “Ley Orgánica de Protección de Datos Personales” (LOPDP) in Ecuador are examples of such regulations. These regulations have defined a variety of requirements that must be met by organizations in order to avoid fines and penalties [2]. One of the principles defined in these regulations is transparency. This principle seeks to ensure that organizations inform users about the processing of personal data that they will carry out. Privacy or data protection policies are the de facto mechanism used as a transparency mechanism. Organizations use privacy policies to inform users about the processing of personal data. To assess compliance with the requirements related to transparency, it is required to extract the personal data practices or processing, e.g., what data will be collected, for what purpose, etc. However, this extraction cannot be manual, as it would be too time consuming [3]. To continue with the efforts to contribute to the provision of techniques and tools for the automatic evaluation of compliance with privacy and data protection requirements, this work presents a module for tagging collection practices in privacy policies in Spanish. Having used PLN and machine learning techniques, the result obtained in this work has been a machine learning model that is able to detect collection practices when privacy practices are inserted at the input of the classifier. Chapter 1 provides a theoretical background of privacy practices, exposing the privacy concerns and needs due to spread of several technologies. Furthermore, the technologies and measures for the protection of personal data are exposed. Finally, the theoretical concepts regarding the tools used to create this work are detailed.
Descripción:	En la actualidad han surgido un sinnúmero de aplicaciones web y móviles para realizar tareas todo tipo de tareas cotidianas, debido a esto se han generado preocupaciones relacionadas con la forma en que las organizaciones usan los datos personales de sus clientes, una de ellas es la manera en que aseguran la privacidad de sus usuarios. Para solucionar este problema se han creado regulaciones en materia de protección de datos. El Reglamento General de Protección de Datos Personales (RGPD) en Europa y la Ley Orgánica de Protección de Datos Personales (LOPDP) en Ecuador son ejemplos de estas regulaciones. En estas regulaciones se han definido una variedad de requisitos que deben ser cumplidos por las organizaciones para evitar multas y sanciones. Uno de los principios definidos en estas regulaciones es la transparencia. Este principio busca que las organizaciones informen a los usuarios sobre los tratamientos de datos personales que llevarán a cabo. Las políticas de privacidad o protección de datos son el mecanismo de facto utilizado como mecanismo de transparencia. Las organizaciones emplean las políticas de privacidad para informar a los usuarios sobre los tratamientos de datos personales. Para evaluar que se cumplen los requisitos relacionados con transparencia, se requiere extraer las prácticas o tratamientos de datos personales, p.ej. qué datos serán recolectados, con qué finalidad, etc. No obstante, esta extracción no puede ser manual, ya que conllevaría demasiado tiempo. Para continuar con los esfuerzos por contribuir a la provisión de técnicas y herramientas para la evaluación automática de cumplimiento de requerimientos de privacidad y protección de datos, este trabajo presenta un módulo de etiquetado de prácticas de recolección en políticas de privacidad en español. Al haberse utilizado técnicas de PLN y machine learning, el resultado obtenido en este trabajo ha sido un modelo de aprendizaje automático que es capaz de detectar prácticas de recolección cuando se insertan prácticas de privacidad a la entrada del clasificador. En el capítulo 1 se da una revisión teórica sobre las prácticas de privacidad, al exponerse las preocupaciones y necesidades que han surgido con respecto al uso extendido de varias tecnologías que ponen en riesgo la privacidad. Así mismo se exponen las tecnologías y medidas de protección de datos personales. Finalmente se detallan los conceptos respecto a las herramientas usadas para crear este trabajo. En el capítulo 2 se expone el diseño de los pasos necesarios para crear los modelos de clasificación que puedan de detectar prácticas de privacidad en políticas de privacidad. En el capítulo 3 muestra cómo fue el proceso de creación de los clasificadores, desde el momento en que se realizan las anotaciones para crear los conjuntos de datos, hasta la obtención de métricas en la fase de pruebas que permitan obtener conclusiones sobre el rendimiento de los modelos. En esta sección también se muestran los resultados obtenidos junto con los fragmentos de código más importantes que fueron utilizados para ejecutar el proyecto. En el capítulo 4 se muestran las conclusiones y recomendaciones que se pudieron extraer de la realización de este trabajo de integración curricular.
URI:	http://bibdigital.epn.edu.ec/handle/15000/24757
Tipo:	bachelorThesis
Aparece en las colecciones:	TIC - Tecnología de la Información (FIEE)

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
CD 13167.pdf		2,56 MB	Adobe PDF	Visualizar/Abrir

Muestra el registro Dublin Core completo del ítem

BIBDIGITAL