Large Language Models and Privacy in the Corporate Context | Large Language Models e privacy nel contesto aziendale
Identification
- Clé publique
- radar:r-d9c202d3c18a36cb99c25332fe0c6ef4
- Auteurs
- Guendalina Capece · Lucilla Gatt · Vittoria BONINO
- Année déclarée
- 2025
- Langue déclarée
- en
- Type source
- article
- Première détection
- 2026-11-13T12:43:35.226906+00:00
- Dernière observation des métadonnées
- 2026-11-13T12:43:35.226906+00:00
- Dernière vérification HTTP
- Non effectuée
Institutions déclarées par la source
Mercatorum University · Università degli Studi Suor Orsola Benincasa
Pays d’affiliation déclarés
IT
Résumé documentaire — langue originale
The rapid development of Large Language Models (LLMs), such as GPT-3 and GPT-4, has transformed corporate functions, yet their integration raises critical privacy concerns. These models require vast amounts of training data, often including sensitive corporate information, which increases risks of data breaches and unauthorized access. This systematic review explores privacy challenges, model privacy strategies, and ethical considerations. By identifying key legal frameworks such as the GDPR and the AI Act, this paper aims to provide insights into corporate compliance and the responsible eployment of LLMs.
Identifiants
- OPENALEX
- https://openalex.org/W4413855172
- DOI
- 10.57230/ejplt251gclgvb
Repères documentaires
- Famille documentaire
- article
- Types déclarés par les sources
- article
- Éditeurs
- Università degli Studi Suor Orsola Benincasa
Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.
Sources
OpenAlex · Document 1
Citer cette référence
Guendalina Capece; Lucilla Gatt; Vittoria BONINO. Large Language Models and Privacy in the Corporate Context | Large Language Models e privacy nel contesto aziendale. 2025. https://doi.org/10.57230/ejplt251gclgvb
JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·
APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.
- APA
- Guendalina Capece; Lucilla Gatt; Vittoria BONINO. (2025). Large Language Models and Privacy in the Corporate Context | Large Language Models e privacy nel contesto aziendale. https://doi.org/10.57230/ejplt251gclgvb
- Chicago
- Guendalina Capece; Lucilla Gatt; Vittoria BONINO. Large Language Models and Privacy in the Corporate Context | Large Language Models e privacy nel contesto aziendale. 2025. https://doi.org/10.57230/ejplt251gclgvb
- ISO 690
- Guendalina Capece; Lucilla Gatt; Vittoria BONINO. Large Language Models and Privacy in the Corporate Context | Large Language Models e privacy nel contesto aziendale. 2025. https://doi.org/10.57230/ejplt251gclgvb
Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31
UDTR — Bibliothèque juridique mondiale des droits de la Nature. Large Language Models and Privacy in the Corporate Context | Large Language Models e privacy nel contesto aziendale. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-d9c202d3c18a36cb99c25332fe0c6ef4/ · Dernière vérification HTTP : non effectuée
Données de cette version figée
Dossiers et relations documentaires
Rôles des sources
Source bibliographique / publication d’origine · https://doi.org/10.57230/ejplt251gclgvb
Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.
Statut documentaire
Pertinence à examiner
Bibliothèque
Cette identité n’est pas encore intégrée à la Bibliothèque juridique.