論文の概要: Unpacking Privacy Labels: A Measurement and Developer Perspective on Google's Data Safety Section

• arxiv url: http://arxiv.org/abs/2306.08111v1
• Date: Tue, 13 Jun 2023 20:01:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-16 22:50:02.419346
• Title: Unpacking Privacy Labels: A Measurement and Developer Perspective on Google's Data Safety Section
• Title（参考訳）: プライバシラベルのアンパック: googleのデータ安全セクションにおける測定と開発者視点
• Authors: Rishabh Khandelwal, Asmit Nayak, Paul Chung, and Kassem Fawaz
• Abstract要約: 本稿では,定量的および定性的手法を用いて,Googleのデータ安全セクション(DSS)の包括的解析を行う。 報告されたプラクティスには内部的な矛盾があることが分かりました。 次に、DSSの縦断的研究を行い、報告されたプラクティスが時間の経過とともにどのように進化するかを考察する。
• 参考スコア（独自算出の注目度）: 23.183167991569352
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Google has mandated developers to use Data Safety Sections (DSS) to increase transparency in data collection and sharing practices. In this paper, we present a comprehensive analysis of Google's Data Safety Section (DSS) using both quantitative and qualitative methods. We conduct the first large-scale measurement study of DSS using apps from Android Play store (n=1.1M). We find that there are internal inconsistencies within the reported practices. We also find trends of both over and under-reporting practices in the DSSs. Next, we conduct a longitudinal study of DSS to explore how the reported practices evolve over time, and find that the developers are still adjusting their practices. To contextualize these findings, we conduct a developer study, uncovering the process that app developers undergo when working with DSS. We highlight the challenges faced and strategies employed by developers for DSS submission, and the factors contributing to changes in the DSS. Our research contributes valuable insights into the complexities of implementing and maintaining privacy labels, underlining the need for better resources, tools, and guidelines to aid developers. This understanding is crucial as the accuracy and reliability of privacy labels directly impact their effectiveness.
• Abstract（参考訳）: Googleは、データ収集と共有のプラクティスの透明性を高めるために、Data Safety Sections (DSS)を使用することを開発者に義務付けている。 本稿では,定量的および定性的手法を用いて,Googleのデータ安全セクション(DSS)の包括的解析を行う。 われわれはAndroid Play Store(n=1.1M)のアプリを用いてDSSの大規模測定を行った。 報告されたプラクティスには内部的な矛盾があることが分かります。 dsssでは、オーバーとアンダーレポートの両方のプラクティスの傾向も見られます。 次に,dssの縦断的な調査を行い,報告されたプラクティスが時間とともにどのように進化するかを調査し,開発者がまだプラクティスを調整できていることを確認する。 これらの発見を文脈化するために、我々は開発者調査を行い、アプリケーション開発者がdssで作業するプロセスを明らかにする。 私たちは、DSS申請で開発者が直面した課題と戦略、DSSの変更に寄与する要因を強調します。 当社の研究は、プライバシラベルの実装とメンテナンスの複雑さに関する貴重な洞察を提供し、開発者を支援するためのより良いリソース、ツール、ガイドラインの必要性を強調しています。 この理解は、プライバシラベルの正確性と信頼性が、その効果に直接影響を与えるため、重要である。

関連論文リスト

• A Large-Scale Privacy Assessment of Android Third-Party SDKs [17.245330733308375]
  サードパーティのソフトウェア開発キット(SDK)は、Androidアプリ開発で広く採用されている。 この利便性は、ユーザのプライバシに敏感な情報への不正アクセスに関するかなりの懸念を引き起こす。 当社の研究では,AndroidサードパーティSDK間のユーザプライバシ保護を対象とする分析を行っている。
  論文  参考訳（メタデータ） (2024-09-16T15:44:43Z)
• LLM-PBE: Assessing Data Privacy in Large Language Models [111.58198436835036]
  大規模言語モデル(LLM)は多くのドメインに不可欠なものとなり、データ管理、マイニング、分析におけるアプリケーションを大幅に進歩させた。 この問題の批判的な性質にもかかわらず、LLMにおけるデータプライバシのリスクを総合的に評価する文献は存在しない。 本稿では,LLMにおけるデータプライバシリスクの体系的評価を目的としたツールキットであるLLM-PBEを紹介する。
  論文  参考訳（メタデータ） (2024-08-23T01:37:29Z)
• Collection, usage and privacy of mobility data in the enterprise and public administrations [55.2480439325792]
  個人のプライバシーを守るためには、匿名化などのセキュリティ対策が必要である。 本研究では,現場における実践の洞察を得るために,専門家によるインタビューを行った。 我々は、一般的には最先端の差分プライバシー基準に準拠しない、使用中のプライバシー強化手法を調査した。
  論文  参考訳（メタデータ） (2024-07-04T08:29:27Z)
• Enhancing Reasoning Capacity of SLM using Cognitive Enhancement [0.0]
  大規模言語モデル(LLM)はサイバーセキュリティ活動の自動化や、サイバー調査やデジタル法医学を含むプロセスに応用されている。 本稿では,人間が問題解決に使用する認知戦略の統合により,性能低下を軽減することを目的とする。
  論文  参考訳（メタデータ） (2024-04-01T14:29:58Z)
• Toward an Android Static Analysis Approach for Data Protection [7.785051236155595]
  この論文は,Androidアプリにおけるデータ保護の説明の必要性を動機付けている。 データ分析は、ソースコード内の個人データソースを認識する。 開発者はデータ操作やデータ操作に関する重要な質問に答えることができる。
  論文  参考訳（メタデータ） (2024-02-12T18:52:39Z)
• What Can Self-Admitted Technical Debt Tell Us About Security? A Mixed-Methods Study [6.286506087629511]
  自己充足型技術的負債(SATD) 潜在的に悪用可能な脆弱性や セキュリティ上の欠陥に関する 恐ろしい情報源と見なすことができます 本研究は、SATDのセキュリティへの影響を、技術と開発者中心の観点から検討する。
  論文  参考訳（メタデータ） (2024-01-23T13:48:49Z)
• SoK: Privacy-Preserving Data Synthesis [72.92263073534899]
  本稿では,プライバシ保護データ合成(PPDS)に注目し,その分野の総合的な概要,分析,議論を行う。 PPDSでは,統計的手法と深層学習(DL)に基づく手法の2つの顕著な研究を統一するマスターレシピを作成した。
  論文  参考訳（メタデータ） (2023-07-05T08:29:31Z)
• Rethinking People Analytics With Inverse Transparency by Design [57.67333075002697]
  我々は、デザインによる逆透過性(inverse transparency)と呼ぶ、労働分析のための新しい設計手法を提案する。 アーキテクチャの変更はコア機能を阻害することなく行われます。 我々は、デザインによる逆透明性は、受け入れられ、責任ある人々の分析を実現するための有望なアプローチである、と結論付けている。
  論文  参考訳（メタデータ） (2023-05-16T21:37:35Z)
• Navigating the challenges in creating complex data systems: a development philosophy [0.0]
  逆のインセンティブと広範なソフトウェアエンジニアリングスキルの欠如は、多くの根本原因のひとつです。 私たちは2つの重要な開発哲学を提唱します。
  論文  参考訳（メタデータ） (2022-10-21T14:28:53Z)
• Black-box Dataset Ownership Verification via Backdoor Watermarking [67.69308278379957]
  我々は、リリースデータセットの保護を、(目立たしい)サードパーティモデルのトレーニングに採用されているかどうかの検証として定式化する。 バックドアの透かしを通じて外部パターンを埋め込んでオーナシップの検証を行い,保護することを提案する。 具体的には、有毒なバックドア攻撃(例えばBadNets)をデータセットのウォーターマーキングに利用し、データセット検証のための仮説テストガイダンスメソッドを設計する。
  論文  参考訳（メタデータ） (2022-08-04T05:32:20Z)
• Data Mining with Big Data in Intrusion Detection Systems: A Systematic Literature Review [68.15472610671748]
  クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。 データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。 ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
  論文  参考訳（メタデータ） (2020-05-23T20:57:12Z)

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。

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。