論文の概要: The AppChk Crowd-Sourcing Platform: Which third parties are iOS apps talking to?

• arxiv url: http://arxiv.org/abs/2104.06167v1
• Date: Tue, 13 Apr 2021 13:19:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-03 23:42:07.138543
• Title: The AppChk Crowd-Sourcing Platform: Which third parties are iOS apps talking to?
• Title（参考訳）: AppChk Crowd-Sourcing Platform:iOSアプリと対話するサードパーティは?
• Authors: Oleg Geier and Dominik Herrmann
• Abstract要約: プラットフォームは、ネットワークトラフィックを監視するiOSアプリと、結果を評価するWebサイトで構成されている。 監視はデバイス上で行われ、外部サーバは不要である。 結果は、新しいトラッカーを検出したり、プライバシープラクティスの不正行為を指摘したり、価格、地域、カテゴリーなどのアプリ属性の比較を自動化するために使用される。
• 参考スコア（独自算出の注目度）: 0.76146285961466
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper we present a platform which is usable by novice users without domain knowledge of experts. The platform consisting of an iOS app to monitor network traffic and a website to evaluate the results. Monitoring takes place on-device; no external server is required. Users can record and share network activity, compare evaluation results, and create rankings on apps and app-groups. The results are used to detect new trackers, point out misconduct in privacy practices, or automate comparisons on app-attributes like price, region, and category. To demonstrate potential use cases, we compare 75 apps before and after the iOS 14 release and show that we can detect trends in app-specific behavior change over time, for example, by privacy changes in the OS. Our results indicate a slight decrease in tracking but also an increase in contacted domains. We identify seven new trackers which are not present in current tracking lists such as EasyList. The games category is particularly prone to tracking (53% of the traffic) and contacts on average 36.2 domains with 59.3 requests per minute.
• Abstract（参考訳）: 本稿では,初心者が専門家のドメイン知識を使わずに利用できるプラットフォームを提案する。 プラットフォームは、ネットワークトラフィックを監視するiOSアプリと、結果を評価するWebサイトで構成される。 監視はデバイス上で行われ、外部サーバは必要ない。 ユーザーはネットワークのアクティビティを記録し、共有し、評価結果を比較し、アプリやアプリグループでランキングを作成することができる。 結果は、新しいトラッカーを検出したり、プライバシープラクティスの不正行為を指摘したり、価格、地域、カテゴリーなどのアプリ属性の比較を自動化するために使用される。 潜在的なユースケースを示すために、iOS 14のリリース前後で75のアプリを比較し、例えばOSのプライバシー変更によって、アプリ固有の振る舞いの変化のトレンドを検出することができることを示す。 以上の結果から,追跡はわずかに減少する一方,接触領域の増加も示唆された。 EasyListのような現在のトラッキングリストには存在しない7つの新しいトラッカーを特定します。 ゲームカテゴリーは特に追跡しやすく(トラフィックの53%)、平均36.2ドメインで1分間に59.3リクエストを行う。

関連論文リスト

• What If We Had Used a Different App? Reliable Counterfactual KPI Analysis in Wireless Systems [52.499838151272016]
  本稿では、無線アクセスネットワーク(RAN)によって異なるアプリが実装された場合、キーパフォーマンス指標(KPI)の値を推定する「What-if」問題に対処する。 本稿では,推定値に対して信頼度の高い「エラーバー」を提供する無線システムに対する共形予測に基づく対実解析手法を提案する。
  論文  参考訳（メタデータ） (2024-09-30T18:47:26Z)
• GUI Odyssey: A Comprehensive Dataset for Cross-App GUI Navigation on Mobile Devices [61.48043339441149]
  GUI Odysseyは6つのモバイルデバイスから7,735エピソードで構成され、6種類のクロスアプリタスク、201のアプリ、1.4Kのアプリコンボで構成されている。 履歴再サンプリングモジュールを用いたQwen-VLモデルの微調整により,マルチモーダルなクロスアプリナビゲーションエージェントであるOdysseyAgentを開発した。
  論文  参考訳（メタデータ） (2024-06-12T17:44:26Z)
• Learning Location from Shared Elevation Profiles in Fitness Apps: A Privacy Perspective [14.886240385518716]
  本研究では,ユーザの位置を予測するために,標高プロファイルがどの程度用いられるかを検討する。 我々は、ターゲットの市や区を予測できる3つの確実な脅威設定を考案する。 我々は59.59%から99.80%の予測成功率を達成した。
  論文  参考訳（メタデータ） (2022-10-27T15:15:13Z)
• Goodbye Tracking? Impact of iOS App Tracking Transparency and Privacy Labels [25.30364629335751]
  AppleはiOS 14で、iOS上のトラッキングを可能にする必須オプトインシステムであるApp Tracking Transparency (ATT)と、プライバシ栄養ラベルの2つの重要な変更を導入した。 この記事では、英国App Storeから1,759のiOSアプリの2つのバージョンを分析し、これらの変更が個人のプライバシとコントロールに与える影響について論じる。 Apple自身が、サードパーティの追跡や信用スコアなどの侵入的なデータプラクティスを、何らかの形で追跡し、免除していることに気付きました。
  論文  参考訳（メタデータ） (2022-04-07T16:32:58Z)
• Global Instance Tracking: Locating Target More Like Humans [47.99395323689126]
  人間の視覚システムの本質的な能力であるターゲットトラッキングは、コンピュータビジョンタスクによってシミュレートされている。 既存のトラッカーは、アスターの実験環境では良好に動作しますが、閉塞や高速動作といった課題で失敗します。 本稿では,ビデオ中の任意のユーザ指定インスタンスを検索するグローバルインスタンス追跡(GIT)タスクを提案する。
  論文  参考訳（メタデータ） (2022-02-26T06:16:34Z)
• Erasing Labor with Labor: Dark Patterns and Lockstep Behaviors on Google Play [13.658284581863839]
  Google Playのポリシーは、アプリの配置を操作するためのインセンティブ付きインストール、評価、レビューの使用を禁止している。 社会技術レンズによるインストールインセンティブアプリについて検討し、レビューとパーミッションの混合メソッド分析を行う。 私たちのデータセットには、60以上のアプリから5ヶ月以上にわたって収集された319万のレビューが含まれています。 インストールインセンティブのアプリに対する不正なレビューの証拠を見つけ、それに続いて、アプリとレビュアーの動的二部グラフのエッジストリームとしてモデル化します。
  論文  参考訳（メタデータ） (2022-02-09T16:54:27Z)
• Analysis of Longitudinal Changes in Privacy Behavior of Android Applications [79.71330613821037]
  本稿では,プライバシに関して,Androidアプリが時間とともにどのように変化してきたかを検討する。 HTTPSの採用、アプリが他のインストール済みアプリのデバイスをスキャンするかどうか、プライバシに敏感なデータに対するパーミッションの使用、ユニークな識別子の使用について検討する。 アプリがアップデートを受け続けるにつれて、プライバシ関連の振る舞いは時間とともに改善され、アプリによって使用されるサードパーティライブラリが、プライバシに関するより多くの問題に責任を負っていることが分かっています。
  論文  参考訳（メタデータ） (2021-12-28T16:21:31Z)
• DanceTrack: Multi-Object Tracking in Uniform Appearance and Diverse Motion [56.1428110894411]
  マルチヒューマントラッキングのための大規模データセットを提案する。 データセットには、主にグループダンスビデオが含まれているので、私たちはそれを"DanceTrack"と名付けます。 当社のデータセット上でいくつかの最先端トラッカーをベンチマークし、既存のベンチマークと比較した場合、DanceTrackの大幅なパフォーマンス低下を観察します。
  論文  参考訳（メタデータ） (2021-11-29T16:49:06Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)
• The use of personal data in French public services: e-mails, websites, apps [0.0]
  パーミッションとトレーサは、ほとんど常にモバイルアプリケーションに存在している。 トレーシングの主要なプレーヤーであり、ネットユーザーの情報の保存において大きな力を持つGoogleは、ほとんどのトレーサの背後にある。 現存するクッキーのほとんどは、しばしばターゲットとなる観客の測定と広告表示のためのものである。
  論文  参考訳（メタデータ） (2020-07-02T13:04:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。