California Consumer Privacy Act
PulseAugur coverage of California Consumer Privacy Act — every cluster mentioning California Consumer Privacy Act across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
OpenAI 通过先进的加密和访问控制加强客户隐私
OpenAI 正在加强其客户隐私措施，采用先进的加密和访问控制来保护敏感的企业数据。这些举措旨在建立客户信任并降低风险，使 OpenAI 在与 Anthropic 等竞争对手的竞争中占据优势。该公司的做法包括对静态和传输中的数据使用 AES-256 加密、基于角色的访问控制以及定期审计，以确保符合 GDPR、CCPA 和 HIPAA 等法规。
-
AIBridge 自动为 LLM 提示进行 PII redaction
一项名为 AIBridge 的新服务为开发人员提供了一种解决方案，可以在用户提示发送给第三方大型语言模型 (LLM) 之前自动对其进行个人身份信息 (PII) redaction。这解决了 GDPR 和 CCPA 等法规的合规性问题，以及与 LLM 提供商的服务条款协议。通过在网关级别集成 PII 屏蔽，AIBridge 旨在简化开发人员的隐私合规性，确保姓名、电子邮件和电话号码等敏感数据在到达 DeepSeek、Kimi k3 和 …
-
欧盟《人工智能法案》的透明度规则将于2026年8月影响美国公司
欧盟《人工智能法案》的透明度要求将于2026年8月2日生效，无论美国公司是否在欧洲设有实体，只要其人工智能产品或输出在欧盟境内使用，都将受到影响。尽管一些高风险义务已推迟至2027年和2028年，但包括披露人工智能交互和标记人工智能生成内容在内的基本透明度规则仍按原计划进行。这需要大量的工程和产品开发工作，类似于GDPR如何影响美国隐私法。
-
本地AI基础设施将在2026年前提升开发者速度和隐私性
根据一篇dev.to文章，AI开发工具的未来在于本地基础设施，而非公共云。本地AI处理，例如在笔记本GPU上运行一个7B参数模型，可以将推理延迟降低到10毫秒以下，显著提高开发者的速度。这种方法还通过将敏感代码和数据保留在用户物理机或安全网络内，绕过对外部API及其相关停机风险的需求，从而增强了数据隐私和主权。
-
专家警告：网络安全中的人工智能因数据质量问题而失败
尽管人工智能和大数据前景广阔，但预测性网络安全计划常常因数据质量差和集成挑战而失败。Apriorit首席执行官Klaudia Zaika指出，虽然人工智能可以通过分析各种信号将网络安全从被动防御转变为预测性防御，但成功与否取决于是否拥有充足、高质量的数据。诸如保留期短、格式不一致、字段缺失以及监管限制（GDPR、CCPA、欧盟人工智能法案）等问题会分割数据，导致预测不准确、警报疲劳或虚假信心。此外，在有限或具有文化特异性的数据上训练的…
-
AI合同工具对企业数据和合规性构成隐患
组织越来越多地采用人工智能工具进行合同管理，但通常会授予广泛的数据访问权限，而没有完全理解其影响。这种快速采用带来了重大风险，包括人工智能幻觉导致的错误、通过互联的第三方供应商暴露风险、数据保护和保密性泄露，以及与GDPR等法规的合规性漂移。一个关键的担忧是，供应商合同很少详细说明人工智能工具如何处理、提取或保留敏感公司数据，这使得组织即使没有直接的数据泄露也会变得脆弱。
-
新框架平衡AI推荐个性化与强大隐私保护
研究人员开发了一个新的推荐系统框架，该框架在优先考虑用户隐私的同时保持个性化。该方法结合了联邦学习、差分隐私和智能代理，以保持用户数据去中心化，并在模型更新中引入受控噪声。在合成零售数据上的实验表明，该框架可以实现强大的隐私保证，适度的隐私预算（epsilon 约等于 5）对推荐效果影响有限。
-
涌现出阻止敏感数据泄露到公共LLM的工具
部署大型语言模型（LLM）的组织面临着严峻的数据隐私挑战，因为敏感信息可能会无意中泄露到公共LLM。目前正涌现出各种工具，提供安全防护、数据 redaction 和端点治理，以防止合规性违规和安全风险。主要功能包括 PII/PHI 检测、可定制规则、访问控制和实时执行，而像 Bifrost 这样的解决方案通过将保护扩展到员工个人设备上来解决“影子AI”问题。
-
数据法规推动全球市场互联网碎片化
GDPR和CCPA等数据法规正导致互联网碎片化，迫使从集中式系统转向更高效、更有限的系统。这种碎片化是由不同地区（包括欧洲、美国、中国、印度和巴西）不断变化的隐私法律驱动的。未来的互联网可能作为一系列独立的、优化的系统集合运行，而不是一个单一的、统一的实体。
-
模型构建后，AI训练数据治理至关重要
AI治理不仅限于模型训练，还包括训练数据在其生命周期中的管理，即使模型已经构建完成。组织常常误以为训练完成后数据就会消失，但其影响会通过学习到的模式和参数持续存在，带来重大的隐私、安全和合规风险。GDPR、欧盟AI法案和CCPA等法规要求对这些数据进行审慎管理，包括合法使用、最小化原则和防止通过模型输出或专门攻击暴露的风险。
-
AI代理为企业制造了责任缺口
AI代理在企业环境中日益广泛的部署带来了重大的责任挑战，因为当前的身份和授权框架难以应对自主行为。这些代理可以执行超出明确用户同意范围的操作，从而造成一个“身份缺口”，使得问责不清。如果企业无法证明代理的行为是用户明确授权的，它们将面临法律风险，这凸显了需要超越简单推理追踪的强大审计和问责机制。
-
Google Chrome 秘密下载 4GB AI 模型，未经用户同意
据发现，Google Chrome 在未经用户明确同意的情况下，正在将一个名为 Gemini Nano 的 4GB AI 模型下载到用户设备上。隐私顾问 Alexander Hanff 发现，如果删除该文件，它会自动重新下载，并且其安装过程在后台静默进行。Hanff 认为此举违反了 GDPR 和 ePrivacy 等隐私法规，并批评 Chrome 的“AI 模式”功能并未利用此本地模型，而是将查询发送到云端。
-
研究人员提出图联邦遗忘以增强隐私保护
研究人员开发了一种新的图联邦学习（GFL）方法，通过结合机器学习遗忘技术来增强隐私保护。该方法解决了即使在用户退出GFL系统后敏感用户数据仍然存在的问题，这对于遵守GDPR等法规至关重要。所提出的方法最大限度地减少了遗忘过程中的性能下降，并使用虚拟客户端来维护图拓扑和全局嵌入，而不会损害被移除实体的隐私。
-
Didit 发布集成了 AI 的类似 Stripe 的身份验证平台
Didit 是一家由同卵双胞胎创立的初创公司，它推出了一个旨在简化企业身份验证流程的新平台。该服务旨在通过提供统一的集成来简化 KYC、AML、生物识别和欺诈防护复杂且分散的格局。Didit 开发了自己的 AI 模型用于 ID 验证和生物识别，通过自动化手动审查和检测复杂的欺诈企图，使他们能够提高入职率并降低成本。
-
OpenAI 向全球企业客户扩展数据驻留选项
OpenAI 正在向全球企业客户扩展其数据驻留选项，允许他们在特定区域内存储数据。此功能现已适用于欧洲、亚洲、北美和太平洋地区的众多国家的 ChatGPT Enterprise、ChatGPT Edu 和 API 平台。此举旨在帮助组织遵守当地数据保护法规并增强数据控制，并建立在 OpenAI 现有的安全措施之上，例如高级加密和不使用客户数据进行训练的承诺。