論文の概要: Automated detection of dark patterns in cookie banners: how to do it poorly and why it is hard to do it any other way

• arxiv url: http://arxiv.org/abs/2204.11836v1
• Date: Thu, 21 Apr 2022 12:10:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-01 08:49:50.612545
• Title: Automated detection of dark patterns in cookie banners: how to do it poorly and why it is hard to do it any other way
• Title（参考訳）: クッキーバナーにおける暗黒パターンの自動検出--どのようにして貧弱にするか、なぜ他の方法では難しいのか
• Authors: Than Htut Soe, Cristiana Teixeira Santos, and Marija Slavkovik
• Abstract要約: 300のニュースサイトのクッキーバナーのデータセットを使用して、正確にそれを行う予測モデルをトレーニングした。 トレーニングされたモデルの正確性は有望ですが、改善の余地はたくさんあります。 我々は、人工知能に暗パターンの自動検出がもたらす学際的課題を詳細に分析する。
• 参考スコア（独自算出の注目度）: 7.2834950390171205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cookie banners, the pop ups that appear to collect your consent for data collection, are a tempting ground for dark patterns. Dark patterns are design elements that are used to influence the user's choice towards an option that is not in their interest. The use of dark patterns renders consent elicitation meaningless and voids the attempts to improve a fair collection and use of data. Can machine learning be used to automatically detect the presence of dark patterns in cookie banners? In this work, a dataset of cookie banners of 300 news websites was used to train a prediction model that does exactly that. The machine learning pipeline we used includes feature engineering, parameter search, training a Gradient Boosted Tree classifier and evaluation. The accuracy of the trained model is promising, but allows a lot of room for improvement. We provide an in-depth analysis of the interdisciplinary challenges that automated dark pattern detection poses to artificial intelligence. The dataset and all the code created using machine learning is available at the url to repository removed for review.
• Abstract（参考訳）: クッキーバナーは、あなたのデータ収集の同意を集めているように見えるポップアップで、暗いパターンにとって魅力的な場所です。 ダークパターンは、興味のないオプションに対するユーザの選択に影響を与えるために使用されるデザイン要素である。 ダークパターンの使用は同意意識を無意味に表現し、公平な収集とデータの使用を改善する試みを無効にする。 機械学習はクッキーバナーに暗黒パターンが存在することを自動的に検出できるだろうか? この研究では、300のニュースウェブサイトのクッキーバナーのデータセットを使用して、正確にそれを行う予測モデルをトレーニングしました。 私たちが使用した機械学習パイプラインには、機能エンジニアリング、パラメータ検索、勾配強化木分類器のトレーニング、評価が含まれています。 トレーニングされたモデルの正確性は有望ですが、改善の余地はたくさんあります。 我々は、人工知能に暗パターンの自動検出がもたらす学際的課題を詳細に分析する。 データセットと機械学習を使って作成されたすべてのコードは、レビューのために削除されたリポジトリのurlで入手できる。

関連論文リスト

• Detecting Deceptive Dark Patterns in E-commerce Platforms [0.0]
  ダークパターン(ダークパターン)は、電子商取引サイトがウェブサイトに利益をもたらす方法でユーザーの振舞いを操作するために使う偽のユーザーインターフェースである。 既存のソリューションとしては、コンピュータビジョンと自然言語処理を使用するUIGuardや、検出可能性に基づいてダークパターンを分類するアプローチ、あるいはデータセットに基づいてトレーニングされた機械学習モデルを使用するアプローチなどがある。 我々は,Webスクレイピング手法と細調整されたBERT言語モデルを組み合わせることを提案する。
  論文  参考訳（メタデータ） (2024-05-27T16:32:40Z)
• Predicting Long-horizon Futures by Conditioning on Geometry and Time [49.86180975196375]
  我々は,過去を前提とした将来のセンサ観測の課題を探求する。 マルチモーダリティを扱える画像拡散モデルの大規模事前学習を活用する。 我々は、屋内と屋外のシーンにまたがる多様なビデオのセットについて、ビデオ予測のためのベンチマークを作成する。
  論文  参考訳（メタデータ） (2024-04-17T16:56:31Z)
• Why is the User Interface a Dark Pattern? : Explainable Auto-Detection and its Analysis [1.4474137122906163]
  ダークパターンは、ユーザーが意図せず振る舞うオンラインサービスのための偽りのユーザーインターフェイスデザインである。 解釈可能なダークパターン自動検出,すなわち,特定のユーザインターフェースがダークパターンを持つものとして検出される理由について検討する。 我々の発見は、ユーザーがダークパターンで操作されることを防ぎ、より公平なインターネットサービスの構築を支援する可能性がある。
  論文  参考訳（メタデータ） (2023-12-30T03:53:58Z)
• Learn to Unlearn for Deep Neural Networks: Minimizing Unlearning Interference with Gradient Projection [56.292071534857946]
  最近のデータプライバシ法は、機械学習への関心を喚起している。 課題は、残りのデータセットに関する知識を変更することなく、忘れたデータに関する情報を捨てることである。 我々は、プロジェクテッド・グラディエント・アンラーニング(PGU)という、プロジェクテッド・グラディエント・ベースの学習手法を採用する。 トレーニングデータセットがもはやアクセスできない場合でも、スクラッチからスクラッチで再トレーニングされたモデルと同じような振る舞いをするモデルを、我々のアンラーニング手法が生成できることを実証するための実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2023-12-07T07:17:24Z)
• Cookiescanner: An Automated Tool for Detecting and Evaluating GDPR Consent Notices on Websites [1.3416250383686867]
  本稿では,同意通知を検出し,抽出する自動スキャンツールであるEmphcookiescannerを紹介する。 その結果,手作業によるフィルタリストの精度は高いが,キーワードベースの手法よりも同意度が低いことがわかった。 我々のBERTモデルは、以前の研究と一致しているが、候補抽出が不十分なため、低リコールに苦しむ英語の通知に対して高い精度を達成する。
  論文  参考訳（メタデータ） (2023-09-12T13:04:00Z)
• AidUI: Toward Automated Recognition of Dark Patterns in User Interfaces [6.922187804798161]
  UIのダークパターンは、エンドユーザが意図したことのないアクションを取る(無意識に)ためのものです。 AidUIは、コンピュータビジョンと自然言語処理技術を用いて、10種類のユニークなUIダークパターンを認識する新しいアプローチである。 AidUIは、ダークパターンの検出において0.66、リコール0.67、F1スコア0.65の総合精度を実現し、検出されたパターンをIoUスコア0.84でローカライズすることができる。
  論文  参考訳（メタデータ） (2023-03-12T23:46:04Z)
• Dark patterns in e-commerce: a dataset and its baseline evaluations [0.14680035572775535]
  我々は最先端の機械学習手法を用いて暗パターン検出のためのデータセットを構築した。 5倍のクロスバリデーションの結果,RoBERTaでは0.975の精度を達成できた。
  論文  参考訳（メタデータ） (2022-11-12T01:53:49Z)
• Reasoning-Modulated Representations [85.08205744191078]
  タスクが純粋に不透明でないような共通的な環境について研究する。 我々のアプローチは、新しいデータ効率表現学習の道を開く。
  論文  参考訳（メタデータ） (2021-07-19T13:57:13Z)
• Visualising Deep Network's Time-Series Representations [93.73198973454944]
  機械学習モデルの普及にもかかわらず、多くの場合、モデルの内部で起きていることに関する洞察のないブラックボックスとして運用される。 本稿では,多次元時系列データの可視化に着目し,この問題に対処する手法を提案する。 高周波在庫市場データセットの実験は、この方法が迅速かつ識別可能な可視化を提供することを示しています。
  論文  参考訳（メタデータ） (2021-03-12T09:53:34Z)
• Data Augmentation for Object Detection via Differentiable Neural Rendering [71.00447761415388]
  注釈付きデータが乏しい場合、堅牢なオブジェクト検出器を訓練することは困難です。 この問題に対処する既存のアプローチには、ラベル付きデータからラベル付きデータを補間する半教師付き学習が含まれる。 オブジェクト検出のためのオフラインデータ拡張手法を導入し、新しいビューでトレーニングデータを意味的に補間する。
  論文  参考訳（メタデータ） (2021-03-04T06:31:06Z)
• What Do Deep Nets Learn? Class-wise Patterns Revealed in the Input Space [88.37185513453758]
  本研究では,深層ニューラルネットワーク(DNN)が学習するクラスワイズな知識を,異なる環境下で可視化し,理解する手法を提案する。 本手法は,各クラスのモデルが学習した知識を表現するために,画素空間内の1つの予測パターンを探索する。 逆境環境では、逆境に訓練されたモデルはより単純化された形状パターンを学ぶ傾向がある。
  論文  参考訳（メタデータ） (2021-01-18T06:38:41Z)

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。