Prädiktive Privatheit: Kollektiver Datenschutz im Kontext von Big Data und KI

Inhaltsverzeichnis

Bibliographische Infos

Cover des Buchs: Künstliche Intelligenz, Demokratie und Privatheit
Open Access Vollzugriff

Künstliche Intelligenz, Demokratie und Privatheit

Autor:innen:
Reihe
Privatheit und Selbstbestimmung in der digitalen Welt | Privacy and Self-Determination in the Digital World
Band
1
Verlag
Nomos, Baden-Baden
Copyrightjahr
2022
ISBN-Print
978-3-8487-7327-5
ISBN-Online
978-3-7489-1334-4

Kapitelinformationen

Open Access Vollzugriff

Prädiktive Privatheit: Kollektiver Datenschutz im Kontext von Big Data und KI

Autor:innen:
ISBN-Print
978-3-8487-7327-5
ISBN-Online
978-3-7489-1334-4
Kapitelvorschau:

Literaturverzeichnis

  1. Abadi, Martín, Andy Chu, Ian Goodfellow, H. Brendan McMahan, Ilya Mironov, Kunal Talwar, und Li Zhang (2016). „Deep Learning with Differential Privacy“. Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security - CCS’16, 308-18. <https://doi.org/10.1145/2976749.2978318>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  2. Article-29-Datenschutzgruppe (2007). „Stellungnahme 4/2007 zum Begriff ‚personenbezogene Daten‘“. 01248/07/DE WP 136. <https://ec.europa.eu/justice/article-29/documentation/opinion-recommendation/files/2007/wp140_de.pdf>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  3. Article-29-Datenschutzgruppe (2018). „Leitlinien zu automatisierten Entscheidungen im Einzelfall einschließlich Profiling für die Zwecke der Verordnung 2016/679“. 17/DE WP251rev.01. <https://ec.europa.eu/newsroom/article29/items/612053/en>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  4. Baruh, Lemi, and Mihaela Popescu (2017). “Big Data Analytics and the Limits of Privacy Self-Management.” New Media & Society 19, no. 4: 579-96. https://doi.org/10.1177/1461444815614001. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  5. Ben-Shahar, Omri (2019). „Data Pollution“. Journal of Legal Analysis 11 (Januar): 104-59. <https://doi.org/10.1093/jla/laz005>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  6. Blanke, Jordan M. (2020). „Protection for ‘Inferences Drawn’: A Comparison Between the General Data Protection Regulation and the California Consumer Privacy Act“. Global Privacy Law Review 1 (2). Google Scholar öffnen doi.org/10.5771/9783748913344-31
  7. Bundesverfassungsgericht (1983). BVerfG, Urteil des Ersten Senats vom 15. Dezember 1983 - Zur Verfassungsmäßigkeit des Volkszählungsgesetzes 1983, 209/83 1 BvR 1-215. Bundesverfassungsgericht. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  8. California Consumer Privacy Act, Cal. Legis. Serv. Ch. 55 (A.B. 375) (west) § (2018). https://leginfo.legislature.ca.gov/faces/codes_displayText.xhtml?division=3.&part=4.&lawCode=CIV&title=1.81.5. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  9. Duhigg, Charles (2012). „How Companies Learn Your Secrets“. The New York Times, 16. Februar 2012, Abschn. Magazine. <https://www.nytimes.com/2012/02/19/magazine/shopping-habits.html>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  10. Dwork, Cynthia (2006). „Differential Privacy“. In Automata, Languages and Programming: 33rd International Colloquium, ICALP 2006, Venice, Italy, July 10-14, 2006, Proceedings, Part II, herausgegeben von Michele Bugliesi, Bart Preneel, Vladimiro Sassone, und Ingo Wegener, 2:1-12. Lecture Notes in Computer Science 4052. Berlin and Heidelberg: Springer. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  11. Goggin, Benjamin (2019). „Inside Facebook’s suicide algorithm: Here’s how the company uses artificial intelligence to predict your mental state from your posts“. Business Insider, 6. Januar 2019. <https://www.businessinsider.com/facebook-is-using-ai-to-try-to-predict-if-youre-suicidal-2018-12>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  12. Gymrek, M., A. L. McGuire, D. Golan, E. Halperin, und Y. Erlich (2013). „Identifying Personal Genomes by Surname Inference“. Science 339 (6117): 321-24. <https://doi.org/10.1126/science.1229566>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  13. Kosinski, Michal, David Stillwell, und Thore Graepel (2013). „Private Traits and Attributes Are Predictable from Digital Records of Human Behavior“. Proceedings of the National Academy of Sciences 110 (15): 5802-5. <https://doi.org/10.1073/pnas.1218772110>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  14. Kröger, Jacob Leon, Otto Hans-Martin Lutz, und Stefan Ullrich (2021). „The Myth of Individual Control: Mapping the Limitations of Privacy Self-Management“. In SSRN Electronic Journal. <https://doi.org/10.2139/ssrn.3881776>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  15. Lewinski, Kai von (2009). „Geschichte des Datenschutzrechts von 1600 bis 1977“. In Freiheit - Sicherheit - Öffentlichkeit: 48. Assistententagung Öffentliches Recht, Heidelberg 2008, 196-220. Nomos. <https://doi.org/10.5771/9783845215532-196>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  16. von Lewinski, Kai (2014). Die Matrix des Datenschutzes Besichtigung und Ordnung eines Begriffsfeldes. Tübingen: Mohr Siebeck. <http://public.eblib.com/choice/PublicFullRecord.aspx?p=6624481>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  17. Lippert, John (2014). „ZestFinance Issues Small, High-Rate Loans, Uses Big Data to Weed out Deadbeats“. Washington Post, 11. Oktober 2014, Abschn. Business. <https://www.washingtonpost.com/business/zestfinance-issues-small-high-rate-loans-uses-big-data-to-weed-out-deadbeats/2014/10/10/e34986b6-4d71-11e4-aa5e-7153e466a02d_story.html>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  18. Loi, Michele, und Markus Christen (2020). “Two Concepts of Group Privacy.” Philosophy & Technology 33: 207-24. https://doi.org/10.1007/s13347-019-00351-0. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  19. Mantelero, Alessandro (2016). „Personal Data for Decisional Purposes in the Age of Analytics: From an Individual to a Collective Dimension of Data Protection“. Computer Law & Security Review 32 (2): 238-55. <https://doi.org/10.1016/j.clsr.2016.01.014>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  20. Merchant, Raina M., David A. Asch, Patrick Crutchley, Lyle H. Ungar, Sharath C. Guntuku, Johannes C. Eichstaedt, Shawndra Hill, Kevin Padrez, Robert J. Smith, und H. Andrew Schwartz (2019). „Evaluating the Predictability of Medical Conditions from Social Media Posts“. PLOS ONE 14 (6): e0215476. <https://doi.org/10.1371/journal.pone.0215476>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  21. Mittelstadt, Brent (2017). “From Individual to Group Privacy in Big Data Analytics.” Philosophy & Technology 30, no. 4: 475-94. https://doi.org/10.1007/s13347-017-0253-7. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  22. Mühlhoff, Rainer (2018). „Digitale Entmündigung und User Experience Design: Wie digitale Geräte uns nudgen, tracken und zur Unwissenheit erziehen“. Leviathan - Journal of Social Sciences 46 (4): 551-74. <https://doi.org/10.5771/0340-0425-2018-4-551>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  23. Mühlhoff, Rainer (2020a). „Die Illusion der Anonymität: Big Data im Gesundheitssystem“. Blätter für Deutsche und Internationale Politik 8: 13-16. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  24. Mühlhoff, Rainer (2020b). „Prädiktive Privatheit: Warum wir alle »etwas zu verbergen haben«“. In #VerantwortungKI - künstliche intelligenz und gesellschaftliche folgen, herausgegeben von Christoph Markschies und Isabella Hermann. Bd. 3/2020. Berlin-Brandenburgische Akademie der Wissenschaften. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  25. Mühlhoff, Rainer (2020c). „Automatisierte Ungleichheit: Ethik der Künstlichen Intelligenz in der biopolitischen Wende des Digitalen Kapitalismus“. Deutsche Zeitschrift für Philosophie 68 (6): 867-90. <https://doi.org/10.1515/dzph-2020-0059>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  26. Mühlhoff, Rainer (2021). „Predictive Privacy: Towards an Applied Ethics of Data Analytics“. Ethics and Information Technology, Juli. <https://doi.org/10.1007/s10676-021-09606-x>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  27. Narayanan, Arvind, und Vitaly Shmatikov (2008). „Robust De-anonymization of Large Sparse Datasets“. In 2008 IEEE Symposium on Security and Privacy (sp 2008), 111-25. Oakland, CA, USA: IEEE. <https://doi.org/10.1109/SP.2008.33>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  28. Ohm, Paul (2010). „Broken Promises of Privacy: Responding to the Surprising Failure of Anonymization“. UCLA Law Review, 77. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  29. O’Neil, Cathy (2016). Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. New York: Crown. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  30. Österreichische Datenschutzbehörde (2018). Datenschutzbeschwerde von Dr. Xaver X. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  31. Pohle, Jörg (2016). „PERSONAL DATA NOT FOUND: Personenbezogene Entscheidungen als überfällige Neuausrichtung im Datenschutz“. Datenschutz Nachrichten, 2016. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  32. Roßnagel, Alexander (2018). “Notwendige Schritte zu einem modernen Datenschutzrecht.” In Die Fortentwicklung des Datenschutzes: zwischen Systemgestaltung und Selbstregulierung, herausgegeben von Alexander Roßnagel, Michael Friedewald und Marit Hansen, 361-84. Wiesbaden: Springer Vieweg. https://doi.org/10.1007/978-3-658-23727-1_20. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  33. Ruschemeier, Hannah (2021). „Kollektiver Rechtsschutz und strategische Prozessführung gegen Digitalkonzerne“. MMR 24 (12): 942-46. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  34. Skeba, Patrick, und Eric PS Baumer (2020). „Informational Friction as a Lens for Studying Algorithmic Aspects of Privacy.“ Proceedings of the ACM on Human-Computer Interaction 4, CSCW2: 1-22. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  35. Sweeney, Latanya (2002). „K-Anonymity: A Model for Protecting Privacy“. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems 10 (05): 557-70. <https://doi.org/10.1142/S0218488502001648>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  36. Tavani, Herman T. (2007). „Philosophical Theories of Privacy: Implications for an Adequate Online Privacy Policy“. Metaphilosophy 38 (1): 1-22. <https://doi.org/10.1111/j.1467-9973.2006.00474.x>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  37. Taylor, Linnet, Luciano Floridi, und Bart van der Sloot (2016). Group Privacy: New Challenges of Data Technologies. New York: Springer Berlin Heidelberg. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  38. Vedder, Anton (1999). “KDD: The Challenge to Individualism.” Ethics and Information Technology 1, no. 4: 275-81. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  39. Wachter, Sandra (2019). „Data Protection in the Age of Big Data“. Nature Electronics 2 (1): 6-7. <https://doi.org/10.1038/s41928-018-0193-y>. Google Scholar öffnen doi.org/10.5771/9783748913344-31
  40. Wachter, Sandra, und Brent Mittelstadt (2018). „A Right to Reasonable Inferences: Re-Thinking Data Protection Law in the Age of Big Data and AI“. Preprint. LawArXiv. <https://doi.org/10.31228/osf.io/mu2kf>. Google Scholar öffnen doi.org/10.5771/9783748913344-31

Zitation

Download RIS Download BibTex

Downloads

Download Kapitel (PDF) Download kompl. Werk (PDF)

Hinweis

Dieses Werk ist urheberrechtlich geschützt und darf nur nach den Vorgaben der Nutzungs- und Lizenzvereinbarung genutzt werden. Jede darüber hinaus gehende Nutzung des Werkes ist ausdrücklich untersagt und wird verfolgt.

Per E-Mail teilen

Medien