論文の概要: Utilizing Large LanguageModels to Detect Privacy Leaks in Mini-App Code
- arxiv url: http://arxiv.org/abs/2402.07367v1
- Date: Mon, 12 Feb 2024 01:55:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 11:29:11.587003
- Title: Utilizing Large LanguageModels to Detect Privacy Leaks in Mini-App Code
- Title(参考訳): 大規模言語モデルを用いたミニアプリケーションコードのプライバシリーク検出
- Authors: Liming Jiang,
- Abstract要約: ミニアプリケーション(ミニアプリケーション、mini-appplications)は、より大きなアプリケーションやプラットフォームに埋め込まれたコンパクトなソフトウェアプログラムである。
本稿では,WeChat Mini プログラム内のプライバシー侵害を検出するために,Large Language Models (LLMs) を用いることの可能性を検討する。
- 参考スコア(独自算出の注目度): 19.7220607313348
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Mini-applications, commonly referred to as mini-apps, are compact software programs embedded within larger applications or platforms, offering targeted functionality without the need for separate installations. Typically web-based or cloud-hosted, these mini-apps streamline user experiences by providing focused services accessible through web browsers or mobile apps. Their simplicity, speed, and integration capabilities make them valuable additions to messaging platforms, social media networks, e-commerce sites, and various digital environments. WeChat Mini Programs, a prominent feature of China's leading messaging app, exemplify this trend, offering users a seamless array of services without additional downloads. Leveraging WeChat's extensive user base and payment infrastructure, Mini Programs facilitate efficient transactions and bridge online and offline experiences, shaping China's digital landscape significantly. This paper investigates the potential of employing Large Language Models (LLMs) to detect privacy breaches within WeChat Mini Programs. Given the widespread use of Mini Programs and growing concerns about data privacy, this research seeks to determine if LLMs can effectively identify instances of privacy leakage within this ecosystem. Through meticulous analysis and experimentation, we aim to highlight the efficacy of LLMs in safeguarding user privacy and security within the WeChat Mini Program environment, thereby contributing to a more secure digital landscape.
- Abstract(参考訳): ミニアプリケーション(Mini-applications)は、大規模なアプリケーションやプラットフォームに埋め込まれた小型のソフトウェアプログラムであり、個別のインストールを必要とせずにターゲット機能を提供する。
通常、Webベースまたはクラウドでホストされるこれらのミニアプリは、Webブラウザまたはモバイルアプリを介してアクセス可能な集中型サービスを提供することで、ユーザーエクスペリエンスを合理化する。
そのシンプルさ、スピード、統合性は、メッセージングプラットフォーム、ソーシャルメディアネットワーク、eコマースサイト、そして様々なデジタル環境に価値ある追加をもたらす。
中国のメッセージングアプリWeChat Mini Programsの目玉機能であるWeChat Mini Programsは、このトレンドを実証し、追加のダウンロードなしでシームレスなサービスの配列を提供する。
WeChatの広範なユーザーベースと支払いインフラを活用することで、Mini Programsは効率的なトランザクションを促進し、オンラインとオフラインのエクスペリエンスをブリッジし、中国のデジタルランドスケープを著しく形成する。
本稿では,WeChat Mini プログラム内のプライバシー侵害を検出するために,Large Language Models (LLMs) を用いることの可能性を検討する。
ミニプログラムの普及とデータプライバシに関する懸念の高まりを考えると、この研究はLLMがこのエコシステム内のプライバシー漏洩の事例を効果的に特定できるかどうかを判断することを目的としている。
WeChat Mini Program環境におけるユーザプライバシとセキュリティを保護し,よりセキュアなディジタルランドスケープに寄与することを目的としている。
関連論文リスト
- Perennial Semantic Data Terms of Use for Decentralized Web [14.831528850463373]
データ用語(Data Terms of Use, DTOU)の新たな形式記述を提案する。
ユーザとアプリケーションは、ローカル知識でDToUポリシーの独自の部分を指定する。
これは年長のDTOU言語を構成するもので、ポリシーのオーサリングは一度しか行われない。
論文 参考訳(メタデータ) (2024-03-12T12:18:20Z) - On the Multi-turn Instruction Following for Conversational Web Agents [83.51251174629084]
本稿では,ユーザと環境の両方で複数回にまたがる高度なインタラクションを必要とする,対話型Webナビゲーションの新たなタスクを紹介する。
本稿では,メモリ利用と自己回帰技術を用いた自己反射型メモリ拡張計画(Self-MAP)を提案する。
論文 参考訳(メタデータ) (2024-02-23T02:18:12Z) - PIN: Positional Insert Unlocks Object Localisation Abilities in VLMs [55.8550939439138]
VLM(Vision-Language Models)は、大きな言語モデルと視覚システムを統合することで、大きな可能性を秘めている。
これらのモデルは、主にキャプションを含むマルチモーダルデータに対するトレーニングのため、オブジェクトローカライゼーションの基本的なコンピュータビジョンタスクにおいて課題に直面している。
本稿では,空間的プロンプトであるPIN(Input-Agnostic Positional Insert)を導入する。
我々のPINモジュールは、新しい出力ヘッドを必要とせずに、合成データに対する単純な次トーケン予測タスクで訓練されている。
論文 参考訳(メタデータ) (2024-02-13T18:39:18Z) - OS-Copilot: Towards Generalist Computer Agents with Self-Improvement [48.29860831901484]
オペレーティングシステム(OS)の包括的要素と対話可能な汎用エージェントを構築するためのフレームワークであるOS-Copilotを紹介する。
我々はOS-Copilotを使って、汎用コンピュータタスクを自動化する自己改善型実施エージェントであるFRIDAYを開発した。
一般的なAIアシスタントのベンチマークであるGAIAでは、FRIDAYが従来の手法を35%上回り、以前のタスクから蓄積したスキルを通じて、目に見えないアプリケーションへの強力な一般化を示している。
論文 参考訳(メタデータ) (2024-02-12T07:29:22Z) - MiniScope: Automated UI Exploration and Privacy Inconsistency Detection
of MiniApps via Two-phase Iterative Hybrid Analysis [15.579663449357144]
MiniAppsは、個々のアプリのダウンロードを必要とせずに、幅広いサービスを提供している。
これらのMiniAppsは機密データへのアクセスを必要とすることが多く、プライバシー侵害につながる可能性がある。
我々の研究は、MiniAppsのプライバシープラクティスの分析における重要なギャップに対処しています。
論文 参考訳(メタデータ) (2024-01-06T13:54:36Z) - DIALIGHT: Lightweight Multilingual Development and Evaluation of
Task-Oriented Dialogue Systems with Large Language Models [76.79929883963275]
DIALIGHTは多言語タスク指向対話(ToD)システムの開発と評価のためのツールキットである。
ローカル発話レベルとグローバル対話レベルの両方において、人間のきめ細かい評価のためのセキュアでユーザフレンドリーなWebインターフェースを備えている。
評価の結果, PLMの微調整により精度とコヒーレンスが向上する一方, LLMベースのシステムは多様で類似した応答を生成するのに優れていた。
論文 参考訳(メタデータ) (2024-01-04T11:27:48Z) - ChatPipe: Orchestrating Data Preparation Program by Optimizing
Human-ChatGPT Interactions [17.730203129078255]
ChatPipeは、ユーザとChatGPT間のシームレスなインタラクションを容易にするように設計された、新しいシステムである。
ChatPipeは、次のデータ準備操作に対して効果的なレコメンデーションを提供し、ChatGPTをガイドしてオペレーションのプログラムを生成する。
われわれはChatPipe用のWebアプリケーションを開発し、Kaggleから現実のMLタスクを複数用意した。
論文 参考訳(メタデータ) (2023-04-07T08:33:08Z) - Software Engineering Approaches for TinyML based IoT Embedded Vision: A
Systematic Literature Review [0.0]
IoT(Internet of Things)は、マシンラーニング(ML)と協力して、遠端に深いインテリジェンスを埋め込んでいる。
TinyML(Tiny Machine Learning)は、極めてリーンなエッジハードウェア上に、組み込みビジョンのためのMLモデルのデプロイを可能にする。
TinyMLをベースとする組み込みビジョンアプリケーションは、まだ初期段階にある。
論文 参考訳(メタデータ) (2022-04-19T07:07:41Z) - TinyMLOps: Operational Challenges for Widespread Edge AI Adoption [4.110617007156225]
エッジデバイス上でアプリケーションを運用する場合、TinyML実践者が考慮する必要があるいくつかの課題をリストアップする。
私たちは、アプリケーションの監視や管理、MLOpsプラットフォームの共通機能といったタスクに集中し、エッジデプロイメントの分散特性によってそれらがいかに複雑であるかを示します。
論文 参考訳(メタデータ) (2022-03-21T12:36:12Z) - YMIR: A Rapid Data-centric Development Platform for Vision Applications [82.67319997259622]
本稿では,コンピュータビジョンアプリケーションの開発を迅速化するオープンソースプラットフォームについて紹介する。
このプラットフォームは、効率的なデータ開発を機械学習開発プロセスの中心に置く。
論文 参考訳(メタデータ) (2021-11-19T05:02:55Z) - Local Differential Privacy based Federated Learning for Internet of
Things [72.83684013377433]
Internet of Vehicles (IoV)は、Waze、Uber、Amazon Mechanical Turkなど、さまざまなクラウドソーシングアプリケーションをシミュレートする。
これらのアプリケーションのユーザは、ユーザの報告したトラフィック情報に基づいて機械学習モデルをトレーニングするクラウドサーバに、リアルタイムのトラフィック情報を報告する。
本稿では,機械学習モデルを実現するためのクラウドソーシングアプリケーションを容易にするために,フェデレーション学習とローカルディファレンシャルプライバシ(LDP)を統合することを提案する。
論文 参考訳(メタデータ) (2020-04-19T14:03:10Z)
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。