PNR and SWIFT agreements : external relations of the EU on data protection matters
Notice bibliographique
Résumé
Since the 9/11 attacks there has been a dramatic increase in measures adopted in order to prevent and to combat international terrorism, which has had an impact on the existing data protection framework within the EU. This study will focus on the analysis of the international agreements signed between the EU and third countries regarding data transfers. In particular, PNR Agreements as well as the SWIFT Agreements will be examined, and I will also analyse the interconnection between the internal and external dimensions in depth, focusing on their mutual impact. In order to do this, an analysis and comparison of the current EU-US PNR Agreement, EU-Australia PNR Agreement and EU-Canada PNR Agreement will be carried out first. After, I will study the future European PNR Directive and possible implications for current PNR Agreements. I will then examine SWIFT and SWIFT II Agreements, paying special attention to the enhanced powers of the EP. At this point, it will be necessary to study the European Terrorist Finance Tracking System project as part of the EU Internal Security Strategy. Finally, concerning the negotiations recently opened by European Union and the United States on an agreement to protect personal information exchanged in the context of fighting crime and terrorism, I will examine this potential international agreement on data transfers between the EU and the US, and its impact on the rest of international agreements with regard to data protection.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».