論文の概要: Detecting Deceptive Dark Patterns in E-commerce Platforms

• arxiv url: http://arxiv.org/abs/2406.01608v1
• Date: Mon, 27 May 2024 16:32:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-09 15:49:54.109393
• Title: Detecting Deceptive Dark Patterns in E-commerce Platforms
• Title（参考訳）: 電子商取引プラットフォームにおける知覚的暗黒パターンの検出
• Authors: Arya Ramteke, Sankalp Tembhurne, Gunesh Sonawane, Ratnmala N. Bhimanpallewar,
• Abstract要約: ダークパターン(ダークパターン)は、電子商取引サイトがウェブサイトに利益をもたらす方法でユーザーの振舞いを操作するために使う偽のユーザーインターフェースである。 既存のソリューションとしては、コンピュータビジョンと自然言語処理を使用するUIGuardや、検出可能性に基づいてダークパターンを分類するアプローチ、あるいはデータセットに基づいてトレーニングされた機械学習モデルを使用するアプローチなどがある。 我々は,Webスクレイピング手法と細調整されたBERT言語モデルを組み合わせることを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dark patterns are deceptive user interfaces employed by e-commerce websites to manipulate user's behavior in a way that benefits the website, often unethically. This study investigates the detection of such dark patterns. Existing solutions include UIGuard, which uses computer vision and natural language processing, and approaches that categorize dark patterns based on detectability or utilize machine learning models trained on datasets. We propose combining web scraping techniques with fine-tuned BERT language models and generative capabilities to identify dark patterns, including outliers. The approach scrapes textual content, feeds it into the BERT model for detection, and leverages BERT's bidirectional analysis and generation abilities. The study builds upon research on automatically detecting and explaining dark patterns, aiming to raise awareness and protect consumers.
• Abstract（参考訳）: ダークパターン(ダークパターン)は、電子商取引サイトがウェブサイトに利益をもたらす方法でユーザーの振舞いを操作するために使う偽のユーザーインターフェースである。 本研究では,このような暗黒パターンの検出について検討する。 既存のソリューションとしては、コンピュータビジョンと自然言語処理を使用するUIGuardや、検出可能性に基づいてダークパターンを分類するアプローチ、あるいはデータセットに基づいてトレーニングされた機械学習モデルを使用するアプローチなどがある。 我々は,Webスクレイピング手法と細調整されたBERT言語モデルを組み合わせることを提案する。 このアプローチはテキストコンテンツをスクラップし、BERTモデルに入力して検出し、BERTの双方向分析と生成能力を活用する。 この研究は、暗黒パターンを自動的に検出し、説明する研究に基づいており、認識を高め、消費者を保護することを目的としている。

関連論文リスト

• Automatically Detecting Online Deceptive Patterns in Real-time [18.62244798755693]
  デジタルインターフェースにおける認知パターン(DP)は、ユーザが意図しない決定を行い、認知バイアスや心理的脆弱性を悪用するように操作する。 我々は、機械学習技術を使用してウェブサイトの視覚的外観を分析する、自動で欺くパターン検出ツールであるAutoBotを紹介した。 私たちはAutoBotを軽量なChromeブラウザエクステンションとして実装し、すべての分析をローカルに実行し、レイテンシを最小限にし、ユーザのプライバシを保存する。
  論文  参考訳（メタデータ） (2024-11-11T23:49:02Z)
• Model Pairing Using Embedding Translation for Backdoor Attack Detection on Open-Set Classification Tasks [63.269788236474234]
  バックドア検出のためのオープンセット分類タスクにモデルペアを用いることを提案する。 このスコアは、異なるアーキテクチャのモデルがあるにもかかわらず、バックドアの存在を示す指標であることを示している。 この技術は、オープンセット分類タスク用に設計されたモデル上のバックドアの検出を可能にするが、文献ではほとんど研究されていない。
  論文  参考訳（メタデータ） (2024-02-28T21:29:16Z)
• Why is the User Interface a Dark Pattern? : Explainable Auto-Detection and its Analysis [1.4474137122906163]
  ダークパターンは、ユーザーが意図せず振る舞うオンラインサービスのための偽りのユーザーインターフェイスデザインである。 解釈可能なダークパターン自動検出,すなわち,特定のユーザインターフェースがダークパターンを持つものとして検出される理由について検討する。 我々の発見は、ユーザーがダークパターンで操作されることを防ぎ、より公平なインターネットサービスの構築を支援する可能性がある。
  論文  参考訳（メタデータ） (2023-12-30T03:53:58Z)
• Reverse-Engineering Decoding Strategies Given Blackbox Access to a Language Generation System [73.52878118434147]
  テキスト生成に使用する復号法をリバースエンジニアリングする手法を提案する。 どのようなデコード戦略が使われたかを検出する能力は、生成されたテキストを検出することに影響を及ぼす。
  論文  参考訳（メタデータ） (2023-09-09T18:19:47Z)
• Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。 本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。 本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
  論文  参考訳（メタデータ） (2023-06-06T14:23:34Z)
• Mask and Restore: Blind Backdoor Defense at Test Time with Masked Autoencoder [57.739693628523]
  Masked AutoEncoder (BDMAE) を用いたブラインドバックドア防御のためのフレームワークを提案する。 BDMAEは、画像構造的類似性とテスト画像とMAE復元の間のラベル整合性を用いて、トークン空間で可能なトリガを検出する。 私たちのアプローチは、モデル復元、パターンのトリガー、画像の良心に盲目です。
  論文  参考訳（メタデータ） (2023-03-27T19:23:33Z)
• AidUI: Toward Automated Recognition of Dark Patterns in User Interfaces [6.922187804798161]
  UIのダークパターンは、エンドユーザが意図したことのないアクションを取る(無意識に)ためのものです。 AidUIは、コンピュータビジョンと自然言語処理技術を用いて、10種類のユニークなUIダークパターンを認識する新しいアプローチである。 AidUIは、ダークパターンの検出において0.66、リコール0.67、F1スコア0.65の総合精度を実現し、検出されたパターンをIoUスコア0.84でローカライズすることができる。
  論文  参考訳（メタデータ） (2023-03-12T23:46:04Z)
• Unlearnable Clusters: Towards Label-agnostic Unlearnable Examples [128.25509832644025]
  インターネット上の視覚的プライバシー漏洩に対して、未学習の例(UE)を開発することへの関心が高まっている。 UEは、目に見えないが学習不可能なノイズを付加したトレーニングサンプルであり、機械学習モデルの不正なトレーニングを防ぐことができる。 本稿では,無学習クラスタ (UC) と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-12-31T04:26:25Z)
• Dark patterns in e-commerce: a dataset and its baseline evaluations [0.14680035572775535]
  我々は最先端の機械学習手法を用いて暗パターン検出のためのデータセットを構築した。 5倍のクロスバリデーションの結果,RoBERTaでは0.975の精度を達成できた。
  論文  参考訳（メタデータ） (2022-11-12T01:53:49Z)
• Automated detection of dark patterns in cookie banners: how to do it poorly and why it is hard to do it any other way [7.2834950390171205]
  300のニュースサイトのクッキーバナーのデータセットを使用して、正確にそれを行う予測モデルをトレーニングした。 トレーニングされたモデルの正確性は有望ですが、改善の余地はたくさんあります。 我々は、人工知能に暗パターンの自動検出がもたらす学際的課題を詳細に分析する。
  論文  参考訳（メタデータ） (2022-04-21T12:10:27Z)
• Software Vulnerability Detection via Deep Learning over Disaggregated Code Graph Representation [57.92972327649165]
  この研究は、コードコーパスから安全でないパターンを自動的に学習するためのディープラーニングアプローチを探求する。 コードには解析を伴うグラフ構造が自然に認められるため,プログラムの意味的文脈と構造的規則性の両方を利用する新しいグラフニューラルネットワーク(GNN)を開発する。
  論文  参考訳（メタデータ） (2021-09-07T21:24:36Z)

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。