Securing Mobile Technology & Financial Transactions in the United States
Notice bibliographique
Résumé
One of the paradoxes of modern life is the conflict between convenience and security. Advances in technology simultaneously usher in progress and pain. The development of mobile and smartphone technology will have a significant positive impact on financial transactions and the average consumer’s access to financial services. Nevertheless, there are several reasons to secure mobile technology and financial transactions in the United States. First, cell phones increase the risk to personal security and most U.S. wireless carriers are using outdated encryption technology. Second, many cell phone users are more concerned with convenience—caring more about the availability and functionality of smartphone applications—than with potential security threats. This will change as more consumers use their phones for financial transactions. Third, evidence from other developed countries, including Canada and several nations in Europe, has shown that it is possible to provide additional security protections for consumers. Americans rely on their smartphones to transmit financial data about themselves, their work places and families. While some privacy laws have been interpreted to cover the unique threats posed by mobile technology, most do not, and security and privacy issues in regards to mobile banking have been largely unheralded. This Article identifies existing privacy laws and security regulations that have been applied to mobile technologies by federal and state governments, by courts, and by various regulatory agencies. The Article then analyzes the shortcomings of the current regulatory framework in the United States. After examining several policy recommendations, as well as current standards in the telecommunications industry, the Article concludes with several suggestions for mitigating the risks posed by emerging mobile technology. Without entirely upending the current system, U.S. laws can be expanded and streamlined to address future challenges.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».