論文の概要: Matcha: An IDE Plugin for Creating Accurate Privacy Nutrition Labels

• arxiv url: http://arxiv.org/abs/2402.03582v1
• Date: Mon, 5 Feb 2024 23:17:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-18 07:48:02.412317
• Title: Matcha: An IDE Plugin for Creating Accurate Privacy Nutrition Labels
• Title（参考訳）: Matcha: 正確なプライバシ栄養ラベルを作成するためのIDEプラグイン
• Authors: Tianshi Li, Lorrie Faith Cranor, Yuvraj Agarwal, Jason I. Hong,
• Abstract要約: AppleとGoogleは、プライバシ栄養ラベルのバージョンをモバイルアプリストアに導入し、アプリのデータプラクティスをよりよく通知した。 これらのラベルは開発者によって自己報告されており、ラベル分類の誤解のために多くの不正確な情報が含まれていることが判明している。 私たちは、開発者が正確なGoogle Playデータ安全ラベルを作成するのを助けるために、自動コード分析を使用するIDEプラグインであるMatchaを紹介します。
• 参考スコア（独自算出の注目度）: 22.90575890100623
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Apple and Google introduced their versions of privacy nutrition labels to the mobile app stores to better inform users of the apps' data practices. However, these labels are self-reported by developers and have been found to contain many inaccuracies due to misunderstandings of the label taxonomy. In this work, we present Matcha, an IDE plugin that uses automated code analysis to help developers create accurate Google Play data safety labels. Developers can benefit from Matcha's ability to detect user data accesses and transmissions while staying in control of the generated label by adding custom Java annotations and modifying an auto-generated XML specification. Our evaluation with 12 developers showed that Matcha helped our participants improved the accuracy of a label they created with Google's official tool for a real-world app they developed. We found that participants preferred Matcha for its accuracy benefits. Drawing on Matcha, we discuss general design recommendations for developer tools used to create accurate standardized privacy notices.
• Abstract（参考訳）: AppleとGoogleは、プライバシ栄養ラベルのバージョンをモバイルアプリストアに導入し、アプリのデータプラクティスをよりよく通知した。 しかし、これらのラベルは開発者によって自己報告されており、ラベル分類の誤解のために多くの不正確さが含まれていることが判明している。 この作業では、自動コード分析を使用して開発者が正確なGoogle Playデータ安全ラベルを作成するのを助けるIDEプラグインであるMatchaを紹介します。 開発者は、カスタムのJavaアノテーションを追加し、自動生成されたXML仕様を変更することで、生成されたラベルをコントロールしながら、Matchaのユーザデータアクセスと送信を検知する機能を利用することができる。 12人の開発者による評価によると、MatchaはGoogleの公式ツールを使って作成したラベルの精度を向上させるのに役立ちました。 その結果,参加者はMatchaが有効であることがわかった。 Matchaをベースとして、正確な標準化されたプライバシ通知を作成するために使用される開発ツールの一般的な設計推奨について論じる。

関連論文リスト

• Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
  Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。 Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
  論文  参考訳（メタデータ） (2024-10-02T09:11:10Z)
• How do annotations affect Java code readability? [3.2100402371585943]
  本稿では,コードアノテーションとコード可読性との関係を系統的に検討する。 ソフトウェア開発者による調査では、コードアノテーションなしで15組のJavaコードスニペットを提示します。
  論文  参考訳（メタデータ） (2024-04-26T13:54:22Z)
• Large language models can accurately predict searcher preferences [12.134907765184572]
  本稿では,ラベルの品質向上のための代替手法を提案する。 実際のユーザーからの注意深いフィードバックが受けられる。これは定義上、高品質のファースト・パーティ・ゴールド・データだ。 大規模な言語モデルは、人間のラベルラーと同じくらいの精度で有効であることがわかった。
  論文  参考訳（メタデータ） (2023-09-19T13:55:39Z)
• Exploring Structured Semantic Prior for Multi Label Recognition with Incomplete Labels [60.675714333081466]
  不完全なラベルを持つマルチラベル認識(MLR)は非常に難しい。 最近の研究は、視覚言語モデルであるCLIPにおける画像とラベルの対応を探り、不十分なアノテーションを補うことを目指している。 我々は,MLRにおけるラベル管理の欠如を,構造化されたセマンティクスを導出することにより,不完全なラベルで修復することを提唱する。
  論文  参考訳（メタデータ） (2023-03-23T12:39:20Z)
• The Overview of Privacy Labels and their Compatibility with Privacy Policies [24.871967983289117]
  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。
  論文  参考訳（メタデータ） (2023-03-14T20:10:28Z)
• MEGAnno: Exploratory Labeling for NLP in Computational Notebooks [9.462926987075122]
  本稿では,NLP実践者と研究者を対象とした新しいアノテーションフレームワークMEGAnnoを紹介する。 MEGAnnoを使えば、ユーザーは高度な検索機能と対話型提案機能を通じてデータを探索できる。 我々は,MEGAnnoのフレキシブル,探索的,効率的,シームレスなラベル付け体験を感情分析のユースケースを通じて実証する。
  論文  参考訳（メタデータ） (2023-01-08T19:16:22Z)
• SciAnnotate: A Tool for Integrating Weak Labeling Sources for Sequence Labeling [55.71459234749639]
  SciAnnotateはSciAnnotateという名前のテキストアノテーションのためのウェブベースのツールで、科学的なアノテーションツールを指す。 我々のツールは、弱いラベルを作成するために複数のユーザフレンドリーなインターフェースを提供する。 本研究では,Bertifying Conditional Hidden Markov Modelを用いて,ツールが生成する弱いラベルを識別する手法を提案する。
  論文  参考訳（メタデータ） (2022-08-07T19:18:13Z)
• Omni-DETR: Omni-Supervised Object Detection with Transformers [165.4190908259015]
  我々は、ラベルなし、完全ラベル付き、弱ラベル付きアノテーションを使用できるOmni教師付きオブジェクト検出の問題を考察する。 この統一アーキテクチャの下では、異なる種類の弱いラベルを利用して正確な擬似ラベルを生成することができる。 弱いアノテーションは検出性能を向上させるのに役立ち、それらの混合はアノテーションのコストと精度のトレードオフを改善することができる。
  論文  参考訳（メタデータ） (2022-03-30T06:36:09Z)
• OneLabeler: A Flexible System for Building Data Labeling Tools [48.15772261649084]
  OneLabelerは、データラベリングツールを構築するための共通ソフトウェアモジュールの構成と構成をサポートする。 開発者とのユーザスタディは、OneLabelerが多様なデータラベリングツールの効率的な構築をサポートする証拠を提供する。
  論文  参考訳（メタデータ） (2022-03-27T07:22:36Z)
• IGA : An Intent-Guided Authoring Assistant [37.98368621931934]
  我々は、言語モデリングの進歩を活用して、著者仕様に従ってテキストを生成し、言い換えるインタラクティブな書き込みアシスタントを構築する。 Intent-Guided Assistant (IGA)への入力は、特定の修辞的な指示に対応するタグが散在するテキスト形式で提供される。 我々は、データセットでラベル付けされた著者意図で言語モデルを微調整し、IGAがこれらのタグに生成したテキストを埋めて、ユーザが自分の好きなように編集できるようにする。
  論文  参考訳（メタデータ） (2021-04-14T17:32:21Z)
• Interaction Matching for Long-Tail Multi-Label Classification [57.262792333593644]
  既存のマルチラベル分類モデルにおいて,制約に対処するためのエレガントで効果的なアプローチを提案する。 ソフトなn-gram相互作用マッチングを実行することで、ラベルと自然言語記述をマッチングする。
  論文  参考訳（メタデータ） (2020-05-18T15:27:55Z)

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。