一个基于形式化基础的ODRL评估器：实现与比较

arXiv cs.AI 论文
odrl policy-evaluation formal-semantics data-access ai-governance dataspaces implementation

摘要

本文介绍了一个具有透明语义的、基于形式化基础的ODRL评估器，支持所有规则类型，并将其性能与现有评估器进行比较，解决了数据访问和AI治理策略建模中的互操作性问题。

arXiv:2607.15987v1 公告类型：新发布 摘要：ODRL策略语言正逐渐成为欧洲数据空间中策略建模数据访问与使用偏好、AI治理策略以及数据工作流的事实标准。当前标准缺乏数学形式语义来描述系统应如何实现策略评估。这导致了多种系统和工具对语言进行各自的解读，限制了互操作性，且无法保证结果一致。基于已有的ODRL语义模型，我们形式化了访问控制和监控场景下ODRL评估的问题，包括静态和流式设置，并提出了一种新颖、高效的算法和实现。我们提出了首个具有透明形式语义并支持所有规则类型的ODRL评估器。我们通过实验测量其性能，分析了与策略复杂性和评估策略的数据大小相关的不同可扩展性维度。我们通过提供现有ODRL评估器的比较综述，将我们的系统与现有技术进行比较，突出了所支持的ODRL功能与评估模式的差异。
查看原文
查看缓存全文

缓存时间: 2026/07/20 09:23 

# 一个形式化基础的ODRL评估器：实现与比较
来源：https://arxiv.org/abs/2607.15987
查看PDF（https://arxiv.org/pdf/2607.15987）

> 摘要：ODRL策略语言正成为欧洲数据空间中建模数据访问与使用偏好、人工智能治理政策以及数据工作流的事实标准。当前标准缺乏数学形式语义来描述系统应如何实现策略评估，这导致众多系统和工具各自对该语言做出不同解释，从而限制了互操作性，且无法保证结果一致性。基于已有的ODRL语义模型，我们形式化了访问控制与监控场景下ODRL评估的问题，涵盖了静态和流式设定，并提出了一种新颖、高效的算法与实现。我们展示了首个具有透明形式语义并支持所有规则类型的ODRL评估器。我们通过实验测量其性能，分析与策略复杂性和评估数据规模相关的不同可扩展性维度。我们通过提供现有ODRL评估器的比较综述，将我们的系统与现有技术进行对比，突出了其在支持的ODRL特性与评估模式上的差异。

## 提交历史

来自：Paolo Pareti 博士 \[查看电子邮件（https://arxiv.org/show-email/e985a630/2607.15987）\] **\[v1\]** 2026年7月17日星期五 14:24:06 UTC（52 KB）

相似文章

受限自主性在受监管智能体AI中的评估：一个集成宪法奖励、升级标签与运行时治理的诊断框架

Hugging Face Daily Papers

论文提出了RegLLM，一个用于评估受监管智能体AI工作流中受限自主性的诊断框架，通过宪法奖励、升级标签与运行时治理对六项可信度信号进行度量。基于Qwen2.5-3B的小规模试点实验表明，配置差异可能会掩盖受限自主性指标上的调优效果，因此有必要扩大评估数据集规模并进行多次重复实验。

代理型AI系统运行时治理的道义政策

arXiv cs.AI

本文提出了AgenticRei框架，该框架使用OWL表达的道义政策对由LLM驱动的代理型AI系统进行运行时治理，实现了义务、豁免和冲突解决，超越了传统策略引擎。