Fugu-MT 論文翻訳(概要): The Overview of Privacy Labels and their Compatibility with Privacy Policies

論文の概要: The Overview of Privacy Labels and their Compatibility with Privacy Policies

arxiv url: http://arxiv.org/abs/2303.08213v1
Date: Tue, 14 Mar 2023 20:10:28 GMT
ステータス: 翻訳完了
システム内更新日: 2023-03-16 15:42:04.400589
Title: The Overview of Privacy Labels and their Compatibility with Privacy Policies
Title（参考訳）: プライバシーラベルの概要とプライバシーポリシーとの互換性
Authors: Rishabh Khandelwal, Asmit Nayak, Paul Chung and Kassem Fawaz
Abstract要約: プライバシ栄養ラベルは、長く読みにくいプライバシポリシを読むことなく、アプリの重要なデータプラクティスを理解する方法を提供する。 Apple(アップル)とGoogle(グーグル)は、アプリ開発者がプライバシーに関する慣行を強調したプライバシー保護ラベルを埋めることを義務付けている。
参考スコア（独自算出の注目度）: 24.871967983289117
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Privacy nutrition labels provide a way to understand an app's key data practices without reading the long and hard-to-read privacy policies. Recently, the app distribution platforms for iOS(Apple) and Android(Google) have implemented mandates requiring app developers to fill privacy nutrition labels highlighting their privacy practices such as data collection, data sharing, and security practices. These privacy labels contain very fine-grained information about the apps' data practices such as the data types and purposes associated with each data type. This provides us with a unique vantage point from which we can understand apps' data practices at scale.
Abstract（参考訳）: プライバシー栄養ラベルは、長く読みにくいプライバシーポリシーを読むことなく、アプリの重要なデータプラクティスを理解する方法を提供する。最近、ios(apple)とandroid(google)のアプリ配布プラットフォームは、アプリ開発者にデータ収集、データ共有、セキュリティプラクティスなどのプライバシプラクティスを強調するプライバシー栄養ラベルを満たさなければならないという義務を課している。これらのプライバシラベルには、各データタイプに関連するデータタイプや目的など、アプリのデータプラクティスに関する非常に詳細な情報が含まれている。これにより、アプリケーションのデータプラクティスを大規模に理解するための、ユニークなヴァンテージポイントが得られます。

関連論文リスト

Visualizing Privacy-Relevant Data Flows in Android Applications [5.367301239087641]
SliceVizは、バックエンドのソースコードで検出されたすべてのプライバシ関連データソースをスライスすることで、Androidアプリを分析するツールである。 SliceVizは,Androidアプリのプライバシ関連プロパティを効果的に識別する上で有効であることを示す12人の参加者を対象に,ユーザスタディを実施した。
論文参考訳（メタデータ） (2025-03-20T18:47:02Z)
On the Differential Privacy and Interactivity of Privacy Sandbox Reports [78.85958224681858]
GoogleのPrivacy Sandboxイニシアチブには、プライバシ保護広告機能を実現するAPIが含まれている。これらのAPIのプライバシを分析するための抽象モデルを提供し、それらが正式なDP保証を満たすことを示す。
論文参考訳（メタデータ） (2024-12-22T08:22:57Z)
Do Android App Developers Accurately Report Collection of Privacy-Related Data? [5.863391019411233]
欧州連合(EU)の一般保護規則は、ベンダーに対し、アプリが収集したデータを忠実に開示するよう求めている。多くのAndroidアプリは、同じ情報のためにサードパーティのコードを使用するが、すぐには利用できない。プライバシ関連のデータの多層的定義を最初に公開し,Androidアプリのコレクションを正しくレポートする。次にプライバシに敏感なデータクラスのデータセットを作成して,Androidアプリの入力として使用します。
論文参考訳（メタデータ） (2024-09-06T10:05:45Z)
PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action [54.11479432110771]
PrivacyLensは、プライバシに敏感な種子を表現的なヴィグネットに拡張し、さらにエージェントの軌跡に拡張するために設計された新しいフレームワークである。プライバシの文献とクラウドソーシングされたシードに基づいて、プライバシの規範のコレクションをインスタンス化する。 GPT-4やLlama-3-70Bのような最先端のLMは、プライバシー強化の指示が出されたとしても、機密情報を25.68%、38.69%のケースでリークしている。
論文参考訳（メタデータ） (2024-08-29T17:58:38Z)
Honesty is the Best Policy: On the Accuracy of Apple Privacy Labels Compared to Apps' Privacy Policies [13.771909487087793]
Appleは2020年12月に、アプリのプライバシー動作を報告するためのプライバシーラベルを導入した。 Appleはラベルを検証していないが、開発者は重要な比較ポイントを提供するプライバシーポリシーを提供する必要がある。 BERTベースの言語モデルを微調整して,iOS App Storeの474,669アプリのプライバシポリシ機能を抽出しました。
論文参考訳（メタデータ） (2023-06-29T16:10:18Z)
Toward the Cure of Privacy Policy Reading Phobia: Automated Generation of Privacy Nutrition Labels From Privacy Policies [19.180437130066323]
プライバシーポリシーからプライバシー栄養ラベルを自動的に生成できる最初のフレームワークを提案する。 Google Play App StoreのData Safety Reportに関する私たちの真実のアプリケーションに基づいて、当社のフレームワークは、サードパーティのデータ収集プラクティスの生成において、0.75F1スコアを達成しています。また、市場における地平の真実と保護されたプライバシーの栄養ラベルの矛盾を分析し、我々のフレームワークは90.1%の未解決の問題を検出することができる。
論文参考訳（メタデータ） (2023-06-19T13:33:44Z)
ATLAS: Automatically Detecting Discrepancies Between Privacy Policies and Privacy Labels [2.457872341625575]
自動プライバシラベル解析システム(ATLAS)について紹介する。 ATLASは、モバイルアプリのプライバシーポリシーとプライバシーラベルの相違点を特定する。平均して、アプリには5.32のコンプライアンス上の問題があることがわかっています。
論文参考訳（メタデータ） (2023-05-24T05:27:22Z)
Crowdsourcing on Sensitive Data with Privacy-Preserving Text Rewriting [9.409281517596396]
データラベリングは、スケーラビリティの理由から、クラウドソーシングプラットフォーム上で行われることが多い。公開プラットフォームにデータを公開するのは、プライバシ関連の情報が含まれていない場合に限られる。個人識別可能な情報(PII)を削除したり、差分プライバシ(DP)書き換えを行ったりすることで、クラウドソーシングにプライバシ関連情報を用いたテキストを利用できるかを検討する。
論文参考訳（メタデータ） (2023-03-06T11:54:58Z)
Privacy Explanations - A Means to End-User Trust [64.7066037969487]
この問題に対処するために、説明可能性がどのように役立つかを検討しました。私たちはプライバシーの説明を作成し、エンドユーザの理由と特定のデータが必要な理由を明らかにするのに役立ちました。我々の発見は、プライバシーの説明がソフトウェアシステムの信頼性を高めるための重要なステップであることを示している。
論文参考訳（メタデータ） (2022-10-18T09:30:37Z)
SPAct: Self-supervised Privacy Preservation for Action Recognition [73.79886509500409]
アクション認識におけるプライバシー漏洩を緩和するための既存のアプローチは、ビデオデータセットのアクションラベルとともに、プライバシラベルを必要とする。自己教師付き学習(SSL)の最近の進歩は、未ラベルデータの未発見の可能性を解き放ちつつある。本稿では、プライバシーラベルを必要とせず、自己管理的な方法で、入力ビデオからプライバシー情報を除去する新しいトレーニングフレームワークを提案する。
論文参考訳（メタデータ） (2022-03-29T02:56:40Z)
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)
BeeTrace: A Unified Platform for Secure Contact Tracing that Breaks Data Silos [73.84437456144994]
接触追跡は、新型コロナウイルスなどの感染症の拡散を制御する重要な方法である。現在のソリューションでは、ビジネスデータベースや個々のデジタルデバイスに格納された大量のデータを利用できません。データサイロを破り、プライバシーの目標を保証するために最先端の暗号化プロトコルをデプロイする統合プラットフォームであるBeeTraceを提案する。
論文参考訳（メタデータ） (2020-07-05T10:33:45Z)
Beyond privacy regulations: an ethical approach to data usage in transportation [64.86110095869176]
本稿では,フェデレート機械学習を交通分野に適用する方法について述べる。フェデレートラーニングは、ユーザのプライバシを尊重しつつ、プライバシに敏感なデータを処理可能にする方法だと考えています。
論文参考訳（メタデータ） (2020-04-01T15:10:12Z)

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。