Compliance Generation for Privacy Documents under GDPR: A Roadmap for Implementing Automation and Machine Learning
HEC Paris（巴黎高等商学院）；DATA IA Institute（数据与人工智能研究院）；Smart Law Hub（智能法律中心）
如今，大多数著名的研究都是通过以消费者为中心的方法和公共监管方法来解决遵守数据保护法律的问题。我们通过Privatech项目改变了这一观点，将重点放在公司和律师事务所作为合规代理人上。为了遵守数据保护法律，数据处理者必须实施问责措施，以评估和记录与隐私文档和隐私实践相关的合规性。在本文中，我们一方面调查了当前对GDPR自动化的研究，另一方面调查了企业在遵守GDPR方面面临的运营挑战，这些挑战可能会受益于新形式的自动化。我们试图弥合差距。我们通过识别合规问题，将其分解为可通过机器学习和自动化解决的任务，并提供Privatech项目相关发展的说明，为合规评估和生成提供路线图。
2020-12-23 cs.AI cs.LG
Automating Geometry-Intensive Compliance Checking in BIM: Graph-Based Semantic Reasoning Framework
Department of Urban Planning and Design, The University of Hong Kong（香港大学城市规划与设计系）；Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学土木与环境工程系）
针对BIM中几何密集型法规自动检查的语义鸿沟问题，提出SGR-BIM图驱动推理框架，通过跨模态知识图谱实现可解释推理，在679个消防规范查询上达到84.3%准确率，较基线提升8.6%。
2026-06-11 cs.AI cs.MA
A BERT-based Empirical Study of Privacy Policies' Compliance with GDPR
Warwick Manufacturing Group, University of Warwick（华威大学华威制造集团）
本研究针对5G网络隐私政策的GDPR合规性与可读性问题，收集近70家5G MNO的隐私政策，用基于BERT的模型分类发现51%企业高度合规，同时通过可读性分析证实多数政策可读性不足，为5G提供商优化隐私政策提供实证依据。
2024-07-09 cs.AI cs.CR
T-Norm Operators for EU AI Act Compliance Classification: An Empirical Comparison of Lukasiewicz, Product, and Gödel Semantics in a Neuro-Symbolic Reasoning System
TriStiX S.L.（TriStiX公司）
研究比较了三种T-范数运算符在神经符号推理系统中的表现，发现Gödel运算符在准确性与召回率上表现最佳，但存在少量误报，而Product和Lukasiewicz运算符在零误报情况下表现较弱。
2026-03-30 cs.AI
Automating the GDPR Compliance Assessment for Cross-border Personal Data Transfers in Android Applications
Universidad Politécnica de Madrid（马德里理工大学）
《通用数据保护条例》（GDPR）旨在确保所有个人数据处理活动对欧盟（EU）公民来说都是公平和透明的，无论这些活动是在欧盟内部还是其他任何地方进行。为此，它严格要求将个人数据转移到欧盟以外。然而，检查这些要求对于监管机构来说是一项艰巨的任务，特别是在移动应用程序领域，因为可用的应用程序数量庞大且具有动态性。在本文中，我们提出了一种完全自动化的方法来评估移动应用程序是否符合跨境个人数据传输的GDPR要求。我们已经将该方法应用于Google Play商店中的10，080个顶级免费应用程序。结果显示，应用程序提供商和第三方接收者在实践中所做的与GDPR的意图之间仍然存在非常大的差距。56%的应用程序可能不符合GDPR跨境传输要求。
2021-03-12 cs.AI cs.CR cs.LG
Word-level Annotation of GDPR Transparency Compliance in Privacy Policies using Large Language Models
Erasmus University Rotterdam（埃因霍温大学）
本文提出基于LLM的隐私政策词级注释方法，用于评估GDPR透明性合规性，通过模块化管道和双层评估提升注释准确性。
2025-11-24 cs.AI cs.CL
Fast Compliance Checking with General Vocabularies
Università di Napoli Federico II（那不勒斯费德里科二世大学）；CeRICT
我们致力于在处理和传输网络上的个人数据时遵守GDPR。为此，我们引入了一个可扩展的OWL2描述数据保护策略。通过这种语言，可以通过包含查询检查公司的数据使用政策是否符合数据主体的同意以及GDPR的正式片段。策略的外部结构受到限制，以使合规性检查具有高度可扩展性，这是处理高频数据流或大数据量时所需的。然而，用于指定策略属性的词汇表可以从OWL2的表达性Horn片段中自由选择。我们利用IBQ推理集成的政策语言和词汇的语言专门的推理。我们的实验表明，这种方法显着提高性能。
2020-01-16 cs.AI
Neuro-Symbolic Compliance: Integrating LLMs and SMT Solvers for Automated Financial Legal Analysis
Department of Management Information Systems, National ChengChi University, Taipei, Taiwan（管理信息系，中华大学，台北，台湾）；Department of Electrical Engineering, National Taiwan University, Taipei, Taiwan（电子工程系，台湾大学，台北，台湾）
本研究整合大语言模型与SMT求解器，提出神经符号合规框架，用于自动化金融法律分析，实现形式可验证性和基于优化的合规修正。
2026-01-07 cs.AI cs.FL cs.LG
Automated Detection of GDPR Disclosure Requirements in Privacy Policies using Deep Active Learning
University of Virginia（弗吉尼亚大学）
自GDPR于2018年5月生效以来，公司一直致力于其数据实践，以遵守该隐私法。特别是，由于隐私政策是用户了解和控制其隐私的重要沟通渠道，因此许多公司在GDPR实施后更新了隐私政策。然而，大多数隐私政策都是冗长的，充满了行话，模糊地描述了公司的数据实践和用户的权利。因此，目前尚不清楚它们是否符合GDPR。在本文中，我们创建了一个包含1，080个网站的隐私政策数据集，这些网站标有18个GDPR要求，并开发了一个基于卷积神经网络（CNN）的模型，该模型可以对隐私政策进行分类，准确率为89.2%。我们应用我们的模型来衡量隐私政策的合规性。我们的研究结果显示，即使在GDPR生效后，97%的网站仍然不符合GDPR的至少一项要求。
2021-11-08 cs.AI cs.CR
Semi-automated checking for regulatory compliance in e-Health
University of Swansea（斯旺西大学）
每个业务流程的主要问题之一是遵守法律规则。这项工作提出了一种方法来检查在一个半自动化的方式的业务流程的法规遵从性。我们特别分析了电子健康医院服务：家庭医院（HaH）服务。本文首先使用业务流程管理和表示法（BPMN）标准语言对医院业务进行了分析，然后对欧洲通用数据保护条例（GDPR）中的一些规则进行了形式化的可废止道义逻辑（DEDED）。其目的是展示如何使用工具将业务的一组任务与一组要遵守的规则相结合。
2021-10-14 cs.AI
Safety Compliance: Rethinking LLM Safety Reasoning through the Lens of Compliance
Hong Kong University of Science and Technology（香港理工大学）
本文从法律合规视角重新定义LLM安全，提出安全合规概念，构建基于EU AI Act和GDPR的新基准，并通过GRPO对齐Qwen3-8B得到Compliance Reasoner，显著提升LLM安全合规性能。
2025-09-26 cs.AI cs.CL
Machine Learning-Driven Convergence Analysis in Multijurisdictional Compliance Using BERT and K-Means Clustering
本文以 NLP 为核心，结合 BERT 与 K-Means 聚类比较 GDPR 和 CCPA 的异同，识别隐私法规的重叠与分歧，并提出提升法规分析模型可建模性的自适应合规方法。
2025-01-23 cs.AI cs.CE cs.CL
GridCodex: A RAG-Driven AI Framework for Power Grid Code Reasoning and Compliance
针对电网规则缺乏自动化解读的问题，提出结合大语言模型、RAG及RAPTOR的GridCodex框架，经验证其答案质量提升26.4%、召回率超10倍，可助力电网合规性提升。
2026-08-21 cs.AI
AdaGuard: Enhancing Safety and Policy Compliance with Reasoning-Enabled LLM-As-A-Judge Guardrails
Capital One（第一资本）
AdaGuard提出一种自适应LLM作为评判框架，通过动态策略执行和推理预算分配，兼顾安全合规与低延迟，媲美更大模型。
2026-10-08 cs.AI
AI-enabled Automation for Completeness Checking of Privacy Policies
SnT Centre for Security, Reliability, and Trust, University of Luxembourg（卢森堡大学SnT安全、可靠性与信任中心）；University of Ottawa（渥太华大学）；Texas A&M University – Central Texas（得克萨斯农工大学中央得克萨斯分校）
信息共享方面的技术进步引起了人们对数据保护的关注。隐私政策包含有关组织或软件系统如何处理个人个人数据的隐私相关要求（例如，Web服务或应用程序）。在欧洲，隐私政策须遵守一般数据保护条例（GDPR）。GDPR合规检查的前提是根据GDPR的规定验证隐私政策的内容是否完整。不完整的隐私政策可能会导致违反组织的巨额罚款以及不完整的隐私相关软件规范。手动的完整性检查既耗时又容易出错。在本文中，我们提出了基于AI的隐私策略完整性检查自动化。通过系统的定性方法，我们首先构建了两个工件来表征GDPR的隐私相关条款，即概念模型和一组完整性标准。然后，我们通过利用自然语言处理和监督机器学习的组合，在这些工件之上开发自动化解决方案。具体而言，我们在隐私政策中识别GDPR相关信息内容，并随后根据完整性标准对其进行检查。为了评估我们的方法，我们从基金行业收集了234条真实的隐私政策。在一组48个看不见的隐私政策中，我们的方法正确地检测到了334个违反完整性标准的行为中的300个，同时产生了23个误报。因此，该方法具有92.9%的准确率和89.8%的召回率。与仅应用关键字搜索的基线相比，我们的方法在准确率和召回率方面分别提高了24.5%和38%。
2021-10-05 cs.AI cs.CR cs.SE
Enhancing Legal Compliance and Regulation Analysis with Large Language Models
University of Ottawa（渥太华大学）
本研究提出一种基于大型语言模型的法律合规与监管分析智能体框架，利用BERT和GPT模型自动化合规检查，在5000项法律条款数据集上分别达到92.3%和88.7%的准确率，显著优于现有基线。
2024-04-26 cs.AI cs.SE
Beyond Sycophancy: Structured Resistance and Compliance in LLM Moral Reasoning
研究大语言模型道德推理中超越谄媚的结构化抵抗与顺从，通过三项研究揭示其判断修正沿与人类社会心理学现象平行的三个维度结构化，为区分建设性信念修正与谄媚顺从提供原则基础，助力道德交互更好对齐。
2026-07-24 cs.AI
A Multi-solution Study on GDPR AI-enabled Completeness Checking of DPAs
University of Luxembourg（卢森堡大学）
本文针对GDPR下DPA完整性检查耗时且需法律专业知识的问题，提出十种基于机器学习、深度学习、语言建模和少样本学习的自动化方案，实验表明基于BERT和RoBERTa的方案F2分数达86.7%和89.7%，其他方案准确率相当且开发更高效。
2023-11-23 cs.AI cs.SE
Autonomous Agents and Policy Compliance: A Framework for Reasoning About Penalties
Miami University（迈阿密大学）
本文提出了一种基于逻辑编程的框架，用于政策感知的自主代理，通过引入惩罚机制提高决策的合规性和可解释性。
2025-12-03 cs.AI
From Regulation to Implementation: A Critical Evaluation of LLM-Assisted Regulatory Compliance in Industry
School of Engineering Technology, Purdue University（普渡大学工程技术学院）
该研究针对工业中LLM辅助法规合规性的研究缺口，探索数据提取指令和法规模糊性对LLM生成合规文档质量与一致性的影响，发现不同严格程度的法规指南对LLM输出的一致性和幻觉情况有不同影响。
2026-08-24 cs.AI
Standard Applicability Judgment and Cross-jurisdictional Reasoning: A RAG-based Framework for Medical Device Compliance
University of Oxford（牛津大学）；University of Birmingham（伯明翰大学）
针对医疗器械合规中标准适用性判定难题，提出基于RAG的模块化AI系统，实现跨辖区自动分类（强制/推荐/不适用），准确率73%，Top-5召回率87%，并支持中美标准冲突解决。
2025-06-23 cs.AI
Long SKILL Compliance as Logical Reasoning: Closure-Grounded Detection with Scaling-Guided On-Policy Distillation
Meituan（美团）
针对长SKILL合规性检测的成本与精度矛盾，提出SkillCDG框架，结合两级检索与依赖闭包实现检测，在多数据集上优于基线，还发现尺度趋势以优化小模型性能。
2026-08-11 cs.AI
A Four-Valued Normative Intermediate Representation for ASP-Oriented Compliance Reasoning
University of Science and Technology of China（中国科学技术大学）
提出MONIR，一种用于ASP合规推理的模态化输出规范性中间表示，通过分阶段操作语义和可执行编译，结合LLM辅助流程应用于中国ADAS法规，并评估提取质量与模块化增量求解效率。
2026-06-23 cs.AI cs.LO
Quant Fever, Reasoning Blackholes, Schrodinger's Compliance, and More: Probing GPT-OSS-20B
Northeastern University（东北大学）；Shanghai Jiao Tong University（上海交通大学）
该研究使用Jailbreak Oracle工具对开源大模型GPT-OSS-20B开展安全评估，发现Q热、推理黑洞等多种对抗失效模式，证实其可被利用并造成严重后果。
2025-10-05 cs.AI cs.CR
Adaptive PII Mitigation Framework for Large Language Models
IBM Research（IBM研究院）
本文提出一个适应性PII缓解框架，利用NLP和策略驱动掩码动态对齐法规，在护照号码识别上F1达0.95，优于现有工具，并获用户高信任评分，为企业隐私合规提供可扩展方案。
2025-01-21 cs.AI cs.CR cs.LG
Compliance-by-Construction Argument Graphs: Using Generative AI to Produce Evidence-Linked Formal Arguments for Certification-Grade Accountability
本文提出一种结合生成式AI与结构化正式论证表示的合规性架构，通过类型化论证图、检索增强生成、推理验证内核和溯源账本，确保论证的可验证性和可追溯性，防止不支持的主张进入决策记录。
2026-04-05 cs.AI
Self-Guard: Defending Large Reasoning Models via enhanced self-reflection
National University of Singapore（新加坡国立大学）；Southern University of Science and Technology（南方科技大学）；University of Science and Technology of China（中国科学技术大学）；Nanyang Technological University（南洋理工大学）
Self-Guard通过增强的自我反思机制，有效解决大型推理模型的安全合规问题，实现安全与实用性的平衡。
2026-01-31 cs.AI
An Automated Framework for Supporting Data-Governance Rule Compliance in Decentralized MIMO Contexts
University of Edinburgh（爱丁堡大学）
我们提出了Dr.Aid，一个基于逻辑的AI框架，用于对数据流图上的数据治理规则进行自动合规性检查。规则建模使用形式语言的基础上的情况演算，适合于分散的多输入多输出（MIMO）过程的上下文。Dr.Aid对数据规则和流规则进行建模，并通过推理数据流图上数据规则的传播、组合、修改和应用来检查合规性。我们的方法是由真实世界的数据集驱动和评估的，使用来自数据密集型研究的出处图。
2021-09-02 cs.AI
Compliance vs. Sensibility: On the Reasoning Controllability in Large Language Models
School of Computer Science, University of Sheffield（谢菲尔德大学计算机科学学院）；School of EECS, Queen Mary University of London（伦敦女王学院电子工程与计算机科学学院）；The Alan Turing Institute（艾伦·图灵研究所）
通过推理冲突视角，系统研究大型语言模型在诱导逻辑模式与任务预期模式冲突时，是否优先服从指令还是遵循感知合理性，并探索内部检测与激活级干预方法。
2026-09-09 cs.AI cs.CL
Code-as-Auditor: Executable Compliance Reasoning via Regulation-to-Code
Sungkyunkwan University（成均馆大学）
本文提出Code-as-Auditor框架，将法规转化为可执行代码和检查清单，通过动态问题引导和自验证循环，实现基于证据的自动化合规评估，在隐私场景中提升准确性和可追溯性。
2026-09-18 cs.AI cs.SE
Beyond Compliance: A Resistance-Informed Motivation Reasoning Framework for Challenging Psychological Client Simulation
Southeast University（东南大学）；Purple Mountain Laboratories（紫金山实验室）；The Nanjing Derong Wisdom Information Technology Co., Ltd.（南京德融智信信息技术有限公司）
本文提出RIMR框架，通过整合外部行为与动机机制，改进心理客户模拟器，提升挑战性行为的真实性和推理一致性。
2026-04-12 cs.AI cs.HC
Unlocking the Potential of Binding Corporate Rules (BCRs) in Health Data Transfers
本文探讨了约束性企业规则（BCRs）在GDPR框架下促进企业集团内安全健康数据传输的关键作用，分析了EDPB相关建议及AI治理挑战，呼吁简化审批流程并采取多学科方法以推动其全球合规应用。
2024-07-31 cs.AI cs.CY
Representing Normative Regulations in OWL DL for Automated Compliance Checking Supported by Text Annotation
L3S Research Center, Leibniz University Hannover（汉诺威莱布尼茨大学L3S研究中心）；ITMO University（ITMO大学）
本文针对人工合规检查耗时且易错的问题，提出一种注释模式和算法，将法规文本注释自动转换为 OWL DL 代码，从而支持基于 OWL 推理的自动化合规检查，并在建筑领域进行了概念验证。
2025-04-08 cs.AI
DianJin-R1: Evaluating and Enhancing Financial Reasoning in Large Language Models
Alibaba Cloud Computing（阿里云）；Soochow University（苏州大学）
DianJin-R1通过推理增强监督和GRPO强化学习，提升金融领域LLM的推理能力，在多个基准上优于非推理模型，并匹配多智能体系统性能。
2025-04-22 cs.AI
From Regulation to Requirements: An Automated Requirement Derivation and Explanation Pipeline
Tata Consultancy Services（塔塔咨询公司）
针对法规合规性挑战，提出自动化管道，识别法规文档中条款并推导软件需求及解释。评估效果良好，还实现工具Reg2Req，用户研究表明可提升需求理解与行动信心。
2026-07-07 cs.AI cs.SE
Logical Lease Litigation: Prolog and LLMs for Rental Law Compliance in New York
Stony Brook University（石溪大学）
本文提出 LogicLease 系统，结合 LLM 信息提取与 Prolog 法律推理，自动分析纽约房东—租户案件并引用法律，实现透明、可控且无幻觉的合规判断。
2025-02-13 cs.AI cs.LO
CircuChain: Disentangling Competence and Compliance in LLM Circuit Analysis
Independent Researcher（独立研究员）；San Francisco, CA, USA（美国加州旧金山）
CircuChain通过设计控制/陷阱问题对，评估LLM在电路分析中遵循指令与物理推理能力的差异，揭示模型能力与约束对齐的不足。
2026-01-29 cs.AI cs.SE
Knowledge-Augmented Reasoning for EUAIA Compliance and Adversarial Robustness of LLMs
fortiss Research Institute of the Free State of Bavaria（巴伐利亚自由州fortiss研究所）；IBM Research Europe（IBM欧洲研究院）
本文提出一种功能架构，通过引入基于知识增强的推理层，桥接文献推荐的检测层与法律要求的报告层，解决 LLM 在 EUAIA 合规性与对抗鲁棒性上的重复建设问题，为在欧盟部署兼具合规与鲁棒的可信赖 LLM 指明新方向。
2024-10-04 cs.AI cs.CL cs.CY
Rule-VLN: Bridging Perception and Compliance via Semantic Reasoning and Geometric Rectification
Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））；Beijing Normal University（北京师范大学）；Guangzhou University（广州大学）
本文提出Rule-VLN，首个大规模城市规则合规导航基准，通过语义推理和几何校正模块提升导航安全性，实验表明该模块显著提升导航能力。
2026-07-02 cs.AI cs.CV cs.RO
From Siloed Algorithms to Compliance-First Agentic Platforms: A Multi-Layered Architecture for Hospital AI Systems
针对医院AI部署孤立、规模化难的问题，提出含智能体编排、合规策略、隐私保护数据层的多层架构，通过原型验证可减少任务耗时与文档工作量，为医院AI平台建设提供实用蓝图。
2026-11-06 cs.AI cs.CL cs.LG
Exploring LLM Capabilities for Situational Understanding and COLREG compliance on real-world maritime navigation scenarios
Technical University of Denmark（丹麦技术大学）；University of Copenhagen（哥本哈根大学）
本研究探索LLM在海事航行中的应用，构建含50个真实场景的AIS数据集，评估不同LLM的理解与推理能力，发现不微调则难以解决海事航行任务。
2026-08-11 cs.AI cs.RO
