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
- Darkit: A User-Friendly Software Toolkit for Spiking Large Language Model [50.37090759139591]
大規模言語モデル(LLM)は、数十億のパラメータからなる様々な実践的応用に広く応用されている。
人間の脳は、生物工学的なスパイキング機構を使って、エネルギー消費を大幅に削減しながら、同じ仕事をこなすことができる。
私たちはDarwinKit(Darkit)という名のソフトウェアツールキットをリリースし、脳にインスパイアされた大きな言語モデルの採用を加速しています。
論文 参考訳(メタデータ) (2024-12-20T07:50:08Z) - PAPILLON: Privacy Preservation from Internet-based and Local Language Model Ensembles [21.340456482528136]
APIベースおよびローカルモデルをチェーンする新しいタスクであるPrivacy-Conscious Delegationを提案する。
我々は最近のユーザ-LLMインタラクションの公開コレクションを利用して、PUPAと呼ばれる自然なベンチマークを構築する。
私たちの最高のパイプラインは、85.5%のユーザクエリに対して高い応答品質を維持しながら、プライバシリークを7.5%に制限しています。
論文 参考訳(メタデータ) (2024-10-22T16:00:26Z) - CAMPHOR: Collaborative Agents for Multi-input Planning and High-Order Reasoning On Device [2.4100803794273005]
本稿では、複数のユーザ入力を処理し、個人的コンテキストを局所的に理性的に扱うように設計された、オンデバイス・スモールランゲージ・モデル(SLM)フレームワークを提案する。
CAMPHORは階層的アーキテクチャを採用しており、高階推論エージェントは複雑なタスクを分解し、個人のコンテキスト検索、ツールインタラクション、動的プラン生成に責任を持つ専門家エージェントを調整する。
エージェント間でパラメータ共有を実装し、即時圧縮を活用することにより、モデルサイズ、レイテンシ、メモリ使用量を大幅に削減する。
論文 参考訳(メタデータ) (2024-10-12T07:28:10Z) - Exploring ChatGPT App Ecosystem: Distribution, Deployment and Security [3.0924093890016904]
ChatGPTは、サードパーティ開発者がChatGPTの機能を拡張するプラグインを作成することを可能にする。
われわれはChatGPTアプリのエコシステムを総合的に調査し、研究コミュニティの景観を照らすことを目的としている。
ChatGPTプラグインの間に不均一な機能の分布が発見され、広く普及し、新たなトピックが浮かび上がっています。
論文 参考訳(メタデータ) (2024-08-26T15:31:58Z) - 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) - VidyaRANG: Conversational Learning Based Platform powered by Large Language Model [0.0]
大規模言語モデルは機密情報から派生した質問に対する回答の提供に失敗する。
ここでは知識強化検索技術が特に有用になる。
提案するプラットフォームは,異なる分野から学習者のニーズを満たすように設計されている。
論文 参考訳(メタデータ) (2024-07-23T06:30:35Z) - 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 [14.835715789786137]
より大きなSuperApps内で運用されている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することによって、ユーザエクスペリエンスに革命をもたらした。
既存のプライバシー規制とプラットフォームガイドラインにもかかわらず、ユーザーのプライバシーを完全に保護するための効果的なメカニズムが欠如している。
我々は,MiniApp環境向けに設計された新しい2相ハイブリッド分析手法であるMiniScopeを紹介する。
論文 参考訳(メタデータ) (2024-01-06T13:54:36Z) - 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。