💬 NLP

Axis-Aligned Semantics for ODRL: Resolving Dimensional Ambiguity in Policy Constraints

Ce papier résout l'ambiguïté dimensionnelle dans les contraintes spatiales ODRL en introduisant une méthode de décomposition des axes qui transforme les opérandes multi-axes en intervalles scalaires spécifiques à chaque axe, permettant une détection de conflits sûre et complète par comparaison de boîtes et validée par un nouveau profil et une vérification formelle approfondie.

Auteurs originaux : Daham Mustafa, Diego Collarana, Sabrina Kirrane, Christoph Lange, Christoph Quix, Rafiqul Haque, Yixin Peng, Stefan Decker

Publié 2026-05-26

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Daham Mustafa, Diego Collarana, Sabrina Kirrane, Christoph Lange, Christoph Quix, Rafiqul Haque, Yixin Peng, Stefan Decker

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez d'organiser une immense bibliothèque numérique où les gens partagent des scans 3D d'artefacts historiques, des photos haute résolution et des cartes. Pour maintenir la sécurité et l'équité, la bibliothèque utilise un ensemble de règles appelé ODRL (Open Digital Rights Language). Ces règles agissent comme des videurs dans une boîte de nuit, décidant qui peut entrer et ce qu'ils peuvent faire.

Cependant, l'article identifie un problème confus concernant le fonctionnement actuel de ces règles lorsqu'il s'agit d'objets 3D (choses ayant une largeur, une hauteur et une profondeur).

Le Problème : Le Videur « Aveugle »

Actuellement, les règles ODRL ressemblent à de simples phrases mathématiques :

Règle : « La taille doit être inférieure à 1920. »
Règle : « La taille doit être inférieure à 1080. »
Règle : « La taille doit être inférieure à 50. »

Le problème est que le mot « Taille » est ambigu. La limite de 1920 s'applique-t-elle à la largeur ? À la hauteur ? Ou à la profondeur ?

Imaginez un videur dans une boîte de nuit à qui l'on dit : « N'acceptez que les personnes mesurant moins de 1,80 m. » Mais le videur ne sait pas si cette règle s'applique à la taille, ou s'il s'agit d'une règle concernant la largeur des épaules d'une personne. Si deux personnes tentent d'entrer, et que l'une mesure 1,80 m mais a des épaules de 2,10 m de large, le videur est perdu. Il ne peut pas dire si les règles sont en conflit ou si elles sont compatibles. Dans le monde numérique, cette confusion signifie que le système informatique ne peut pas détecter de manière fiable si deux politiques s'affrontent (un « conflit ») ou si elles fonctionnent ensemble.

La Solution : Le Profil « Aligné sur les Axes » (OAAP)

Les auteurs proposent une nouvelle façon d'écrire ces règles, appelée OAAP (ODRL Axis-Aligned Profile). Ils résolvent la confusion en décomposant la grande et vague règle « Taille » en trois règles spécifiques et distinctes :

La Largeur doit être inférieure à 1920.
La Hauteur doit être inférieure à 1080.
La Profondeur doit être inférieure à 50.

Maintenant, le videur dispose d'une liste de contrôle claire. Il n'a pas à deviner. Il peut regarder la largeur, vérifier la règle de largeur, regarder la hauteur, vérifier la règle de hauteur, et ainsi de suite.

Comment Cela Fonctionne : La Métaphore de la « Boîte »

L'article utilise une métaphore géométrique ingénieuse pour expliquer comment cela fonctionne :

Ancienne Méthode : Une règle était un nuage flou. On ne savait pas exactement où se trouvaient les limites dans l'espace 3D.
Nouvelle Méthode (OAAP) : Chaque règle est désormais une boîte parfaitement alignée sur les axes.
- Imaginez une boîte en carton posée sur une table. Elle a une largeur, une hauteur et une profondeur spécifiques.
- Si vous avez une « Demande » (ce qu'un utilisateur veut) et une « Offre » (ce que la bibliothèque autorise), vous essayez essentiellement de faire tenir une boîte à l'intérieur d'une autre.
- Si la « Boîte Demande » est plus large que la « Boîte Offre », elles ne s'emboîtent pas. Conflit !
- Si la « Boîte Demande » tient parfaitement à l'intérieur de la « Boîte Offre », elles sont Compatibles.
- Si la « Boîte Demande » ne mentionne pas la profondeur, mais que la « Boîte Offre » le fait, le système dit Inconnu. C'est comme dire : « Je sais que vous rentrez en largeur et en hauteur, mais je ne sais pas encore si vous rentrez en profondeur. »

La Logique à Trois Valeurs

Parce que le système est désormais si précis, il peut donner trois réponses spécifiques au lieu de simplement « Oui » ou « Non » :

Conflit : Les boîtes ne se chevauchent certainement pas. (Par exemple : Vous avez demandé une largeur de 2000, mais la règle indique un maximum de 1920).
Compatible : Les boîtes se chevauchent certainement. (Par exemple : Vous avez demandé une hauteur de 800, et la règle autorise jusqu'à 1080).
Inconnu : Nous ne pouvons pas décider pour l'instant car l'une des parties n'a pas spécifié de règle pour une certaine dimension. (Par exemple : La bibliothèque a fixé une limite de profondeur, mais vous n'avez pas indiqué quelle profondeur vous avez besoin. Le système attend plus d'informations plutôt que de deviner).

La Preuve : Le « Test Mathématique »

Les auteurs n'ont pas seulement écrit cette idée ; ils ont construit un cadre mathématique rigoureux pour prouver qu'il fonctionne. Ils ont traduit ces règles dans un langage que de puissants moteurs mathématiques informatiques (comme Z3 et Vampire) peuvent comprendre.

Ils ont créé 256 scénarios de test différents (comme un immense examen pratique).

Ils ont soumis ces scénarios à quatre « cerveaux mathématiques » différents (solveurs informatiques).
Les quatre solveurs ont été d'accord sur chaque réponse unique.
Ils ont prouvé que leur méthode est saine (elle ne donne jamais une réponse faussement « Compatible » lorsqu'il y a en réalité un conflit) et rétrocompatible (elle fonctionne avec les anciennes règles sans les casser).

Résumé

En bref, l'article corrige un « angle mort » dans la gestion des droits numériques. En forçant les règles à spécifier exactement quelle dimension (largeur, hauteur ou profondeur) elles concernent, ils transforment des contraintes vagues et confuses en boîtes 3D claires. Cela permet aux ordinateurs de dire instantanément et avec précision si deux politiques numériques s'affrontent ou travaillent ensemble, en utilisant un système simple de « Conflit », « Compatible » ou « Inconnu ».

Résumé technique : Sémantique alignée sur les axes pour ODRL

Énoncé du problème
Le langage Open Digital Rights (ODRL) est la norme du W3C pour l'expression des politiques d'accès et d'utilisation, largement adoptée dans les espaces de données tels que le « Culture Dataspace » allemand. Cependant, ODRL représente les contraintes de politique sous forme de triplets (opérande gauche, opérateur, opérande droite) sans identité d'axe explicite. Cela crée une ambiguïté critique pour les actifs numériques multi-axes (par exemple, des images raster avec largeur/hauteur, des scans 3D avec largeur/hauteur/profondeur, ou des données géospatiales avec longitude/latitude/altitude).

Plus précisément, cinq opérandes gauche spatiaux dans ODRL — absoluteSize, relativeSize, absoluteSpatialPosition, relativeSpatialPosition et spatialCoordinates — s'étendent sur des domaines multi-axes (produits de domaines totalement ordonnés à valeurs réelles). La syntaxe actuelle traite ces opérandes comme des attributs uniques et indifférenciés. Par conséquent, les moteurs de politique ne peuvent pas distinguer si plusieurs contraintes s'appliquent au même axe ou à des axes différents. Par exemple, une politique contenant (absoluteSize, lteq, 1920) et (absoluteSize, lteq, 1080) ne peut pas être interprétée sans ambiguïté comme s'appliquant à la largeur, à la hauteur ou aux deux. Cette ambiguïté rend la détection de conflits non fiable ou incomplète, car les moteurs ne peuvent pas déterminer si les contraintes se chevauchent ou sont disjointes. Les formalisations existantes d'ODRL (par exemple, la logique du premier ordre ou les sémantiques basées sur des règles) réduisent généralement ces opérandes multi-axes à des domaines scalaires uniques, échouant ainsi à résoudre cette ambiguïté dimensionnelle.

Méthodologie
Les auteurs proposent une méthode générale de décomposition axiale, instanciée sous la forme du Profil Aligné sur les Axes ODRL (OAAP). La méthodologie procède comme suit :

Décomposition axiale : Les opérandes multi-axes sont remplacés par un ensemble d'opérandes scalaires distincts et spécifiques à l'axe. Par exemple, absoluteSize est décomposé en oaap:absoluteSizeWidth, oaap:absoluteSizeHeight et oaap:absoluteDepth. Chaque nouvel opérande s'étend sur un domaine totalement ordonné spécifique (par exemple, $(0, \infty)$ pour les dimensions de taille).
Sémantique d'intervalle : Le profil restreint les opérateurs aux « opérateurs d'intervalle » (lt, lteq, gt, gteq, eq). Sous cette restriction, chaque contrainte désigne un intervalle contigu sur son axe spécifique. Un ensemble de contraintes sur un seul axe est normalisé en un seul intervalle par intersection.
Désignation de boîte : L'ensemble des contraintes d'une politique sur un opérande multi-axes est interprété comme une boîte alignée sur les axes (le produit cartésien des intervalles normalisés pour chaque axe).
Algèbre de verdicts à trois valeurs : La détection de conflits est définie à l'aide d'une logique à trois valeurs :
- Conflit : L'intersection des intervalles (ou des boîtes) est vide.
- Compatible : L'intersection est non vide.
- Inconnu : Une politique contraint un axe tandis que l'autre ne le fait pas (le silence n'est pas interprété comme une permission).
- Ces verdicts sont composés à l'aide de la conjonction et de la disjonction de Kleene forte, où Conflit est l'élément bottom et Compatible l'élément top.
Composition logique : Les sémantiques gèrent les opérateurs logiques (and, or, xone) en agrégeant les verdicts de boîte. Pour les disjonctions, une politique est compatible si n'importe quelle paire de branches est compatible ; elle est en conflit uniquement si toutes les paires de branches sont en conflit.
Pont d'exécution : Le cadre définit une relation de satisfaction où une requête (une affectation partielle de valeurs d'axes) satisfait une politique si les valeurs tombent dans les intervalles désignés.

Contributions clés

Profil OAAP : Une ontologie OWL 2 et un graphe de formes SHACL qui introduisent 15 opérandes gauche spécifiques à l'axe pour les cinq termes spatiaux affectés. Il préserve la rétrocompatibilité en laissant les opérandes et opérateurs non-intervallaires inchangés.
Sémantique formelle : Une sémantique dénotationnelle qui mappe les contraintes vers des intervalles et les politiques vers des boîtes alignées sur les axes. L'article prouve :
- Expressivité : Chaque boîte alignée sur les axes peut être représentée par une conjonction de contraintes spécifiques à l'axe bien formées.
- Fidélité : Un verdict Conflit garantit que les désignations de deux politiques sont disjointes (aucune requête ne peut satisfaire les deux).
- Monotonie : Le raffinement d'une politique (rétrécissement de ses intervalles) ne peut que déplacer le verdict vers Conflit, jamais vers Compatible.
- Précision de l'Inconnu : Si un verdict est Inconnu, il existe des complétions des axes non contraints qui aboutissent soit à Compatible, soit à Conflit.
Évaluation : Les auteurs ont validé le cadre sur une série de tests de 256 problèmes de politique dérivés du scénario de données culturelles BSB–BnF. Ces problèmes ont été exprimés en Turtle, compilés en formats de logique du premier ordre (TPTP) et SMT-LIB, et vérifiés à l'aide de quatre solveurs : Vampire, E, Z3 et cvc5. Tous les 256 problèmes ont été vérifiés avec une concordance totale entre les formalismes et les solveurs, avec des temps d'exécution inférieurs à 11 secondes au total.

Résultats
L'évaluation confirme que la méthode de décomposition est fidèle et que la sémantique d'intervalle résout correctement l'ambiguïté dimensionnelle. Les solveurs ont vérifié avec succès :

Les désignations d'intervalle et de boîte (incluant la projection et la normalisation).
Le critère de conflit basé sur la priorité des extrémités.
Les règles de composition logique pour and, or et xone.
L'inclusion de boîte et les propriétés des verdicts Inconnu.
La satisfaction d'exécution (décisions d'autoriser/refuser).
La fidélité via des exemples négatifs (des verdicts délibérément erronés ont été correctement réfutés).

Les résultats démontrent que les solveurs SMT standards (comme Z3) peuvent décider de ces contraintes en millisecondes, soutenant une vérification de conflits potentielle en temps réel.

Importance
L'article affirme que OAAP résout le problème de longue date de l'ambiguïté dimensionnelle dans ODRL sans altérer la syntaxe de contrainte de base. En décomposant les opérandes multi-axes en termes scalaires spécifiques à l'axe, le profil permet une détection de conflits fiable et complète pour les régions alignées sur les axes. Les auteurs soulignent que cette approche ne se limite pas aux données spatiales ; elle s'applique à tout opérande sur un domaine totalement ordonné (par exemple, les futurs opérandes temporels). Bien que la méthode soit fidèle, les auteurs notent modestement qu'elle n'est pas complète pour les régions non alignées sur les axes (par exemple, les contraintes de rapport d'aspect ou les formes circulaires), qui restent hors du champ de la sémantique d'intervalle actuelle. Ce travail fournit une base formelle pour la gouvernance des actifs multi-axes dans les espaces de données, garantissant que les moteurs de politique peuvent déterminer de manière fiable la compatibilité et le conflit.