論文の概要: AidUI: Toward Automated Recognition of Dark Patterns in User Interfaces
- arxiv url: http://arxiv.org/abs/2303.06782v1
- Date: Sun, 12 Mar 2023 23:46:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 16:59:41.194931
- Title: AidUI: Toward Automated Recognition of Dark Patterns in User Interfaces
- Title（参考訳）: AidUI:ユーザインタフェースにおけるダークパターンの自動認識を目指して
- Authors: SM Hasan Mansur and Sabiha Salma and Damilola Awofisayo and Kevin
Moran
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.922187804798161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Past studies have illustrated the prevalence of UI dark patterns, or user
interfaces that can lead end-users toward (unknowingly) taking actions that
they may not have intended. Such deceptive UI designs can result in adverse
effects on end users, such as oversharing personal information or financial
loss. While significant research progress has been made toward the development
of dark pattern taxonomies, developers and users currently lack guidance to
help recognize, avoid, and navigate these often subtle design motifs. However,
automated recognition of dark patterns is a challenging task, as the
instantiation of a single type of pattern can take many forms, leading to
significant variability.
In this paper, we take the first step toward understanding the extent to
which common UI dark patterns can be automatically recognized in modern
software applications. To do this, we introduce AidUI, a novel automated
approach that uses computer vision and natural language processing techniques
to recognize a set of visual and textual cues in application screenshots that
signify the presence of ten unique UI dark patterns, allowing for their
detection, classification, and localization. To evaluate our approach, we have
constructed ContextDP, the current largest dataset of fully-localized UI dark
patterns that spans 175 mobile and 83 web UI screenshots containing 301 dark
pattern instances. The results of our evaluation illustrate that \AidUI
achieves an overall precision of 0.66, recall of 0.67, F1-score of 0.65 in
detecting dark pattern instances, reports few false positives, and is able to
localize detected patterns with an IoU score of ~0.84. Furthermore, a
significant subset of our studied dark patterns can be detected quite reliably
(F1 score of over 0.82), and future research directions may allow for improved
detection of additional patterns.
- Abstract（参考訳）: 過去の研究では、uiダークパターン、あるいはエンドユーザが意図していなかったアクションを(知らないうちに)受け取ることができるユーザインターフェースの普及が示されている。
このような偽りのUIデザインは、個人情報の共有や財務損失などエンドユーザーに悪影響を及ぼす可能性がある。
ダークパターン分類法の開発に向けて大きな研究が進められているが、開発者とユーザは、これらの微妙なデザインモチーフを認識し、回避し、ナビゲートするためのガイダンスを現在欠いている。
しかしながら、暗いパターンの自動認識は難しい作業であり、単一のタイプのパターンのインスタンス化には多くの形式が必要になるため、大きな変動が生じる。
本稿では,現代のソフトウェアアプリケーションにおいて,一般的なUIのダークパターンが認識される範囲を理解するための第一歩を踏み出す。
これを実現するために,コンピュータビジョンと自然言語処理技術を用いた新しい自動化アプローチであるAidUIを導入し,アプリケーションスクリーンショット中の視覚的およびテキスト的手がかりのセットを認識し,その検出,分類,ローカライゼーションを可能にする。
このアプローチを評価するために、私たちはContextDPを構築しました。これは、モバイル175と301のダークパターンインスタンスを含む83のWeb UIスクリーンショットにまたがる、完全にローカライズされたUIダークパターンの現在の最大のデータセットです。
その結果,<AidUI</A>は0.66の精度,0.67のリコール,0.65のF1スコア,偽陽性の報告は少なく,IoUスコア~0.84で検出されたパターンをローカライズできることがわかった。
さらに、研究した暗黒パターンのかなりのサブセット(f1スコアが0.02以上)をかなり確実に検出することができ、今後の研究方向により追加パターンの検出が改善される可能性がある。
関連論文リスト
- ShowUI: One Vision-Language-Action Model for GUI Visual Agent [80.50062396585004]
グラフィカルユーザインタフェース(GUI)アシスタントの構築は、人間のワークフロー生産性を向上させるための大きな約束である。
デジタルワールドにおける視覚言語アクションモデル、すなわちShowUIを開発し、以下のイノベーションを特徴とする。
256Kデータを使用した軽量な2BモデルであるShowUIは、ゼロショットのスクリーンショットグラウンドで75.1%の精度を実現している。
論文 参考訳（メタデータ） (2024-11-26T14:29:47Z) - 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) - 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) - Token-Level Adversarial Prompt Detection Based on Perplexity Measures
and Contextual Information [67.78183175605761]
大規模言語モデルは、敵の迅速な攻撃に影響を受けやすい。
この脆弱性は、LLMの堅牢性と信頼性に関する重要な懸念を浮き彫りにしている。
トークンレベルで敵のプロンプトを検出するための新しい手法を提案する。
論文 参考訳（メタデータ） (2023-11-20T03:17:21Z) - Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-07-31T10:22:33Z) - 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) - Rules Of Engagement: Levelling Up To Combat Unethical CUI Design [23.01296770233131]
いわゆる暗黒パターンの先行研究から得られた5次元のインタフェースを簡易に評価する手法を提案する。
提案手法はユーザに対して,評価されたインタフェースの操作性を表す数値スコアを提供する。
論文 参考訳（メタデータ） (2022-07-19T14:02:24Z) - Automated detection of dark patterns in cookie banners: how to do it
poorly and why it is hard to do it any other way [7.2834950390171205]
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。
論文 参考訳（メタデータ） (2022-04-21T12:10:27Z) - User-Guided Domain Adaptation for Rapid Annotation from User
Interactions: A Study on Pathological Liver Segmentation [49.96706092808873]
マスクベースの医用画像のアノテーション、特に3Dデータは、信頼できる機械学習モデルを開発する上でボトルネックとなる。
ユーザガイド付きドメイン適応(UGDA)フレームワークを提案する。このフレームワークは,UIとマスクの複合分布をモデル化するために,予測に基づくドメイン適応(PADA)を利用する。
UGDAは、利用可能なUIのごく一部しか見ていない場合でも、最先端のパフォーマンスを維持することができる。
論文 参考訳（メタデータ） (2020-09-05T04:24:58Z) - Scalable Backdoor Detection in Neural Networks [61.39635364047679]
ディープラーニングモデルは、トロイの木馬攻撃に対して脆弱で、攻撃者はトレーニング中にバックドアをインストールして、結果のモデルが小さなトリガーパッチで汚染されたサンプルを誤識別させる。
本稿では,ラベル数と計算複雑性が一致しない新たなトリガリバースエンジニアリング手法を提案する。
実験では,提案手法が純モデルからトロイの木馬モデルを分離する際の完全なスコアを達成できることが観察された。
論文 参考訳（メタデータ） (2020-06-10T04:12:53Z) - Adversarial Attack on Community Detection by Hiding Individuals [68.76889102470203]
我々はブラックボックス攻撃に焦点をあて、ディープグラフコミュニティ検出モデルの検出からターゲット個人を隠すことを目的としている。
本稿では,制約付きグラフ生成器として動作するモジュールと,サロゲート型コミュニティ検出モデルとして動作するモジュールを交互に更新する反復学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-01-22T09:50:04Z)
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。