論文の概要: Unraveling Privacy Threat Modeling Complexity: Conceptual Privacy Analysis Layers
- arxiv url: http://arxiv.org/abs/2408.03578v1
- Date: Wed, 7 Aug 2024 06:30:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-08 17:30:30.234723
- Title: Unraveling Privacy Threat Modeling Complexity: Conceptual Privacy Analysis Layers
- Title（参考訳）: プライバシーの脅威モデリングの複雑さを解き明かす - 概念的プライバシー分析レイヤ
- Authors: Kim Wuyts, Avi Douglen,
- Abstract要約: ソフトウェア製品におけるプライバシの脅威を分析することは、システムがプライバシを尊重することを保証するためのソフトウェア開発の不可欠な部分である。
我々は、このプライバシーの複雑さを捉えるために、4つの概念的レイヤ(機能、エコシステム、ビジネスコンテキスト、環境)を使うことを提案する。
これらのレイヤは、より具体的で実行可能な方法で、プライバシ分析のサポートを構造化し、指定するためのフレームとして使用することができる。
- 参考スコア（独自算出の注目度）: 0.7918886297003017
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Analyzing privacy threats in software products is an essential part of software development to ensure systems are privacy-respecting; yet it is still a far from trivial activity. While there have been many advancements in the past decade, they tend to focus on describing 'what' the threats are. What isn't entirely clear yet is 'how' to actually find these threats. Privacy is a complex domain. We propose to use four conceptual layers (feature, ecosystem, business context, and environment) to capture this privacy complexity. These layers can be used as a frame to structure and specify the privacy analysis support in a more tangible and actionable way, thereby improving applicability of the analysis process.
- Abstract（参考訳）: ソフトウェア製品におけるプライバシの脅威を分析することは、システムがプライバシを尊重することを保証するソフトウェア開発の不可欠な部分である。
過去10年間に多くの進歩があったが、脅威が何であるかを説明することに重点を置いている。
まだ明らかになっていないのは、これらの脅威を実際に見つける「方法」だ。
プライバシーは複雑なドメインである。
我々は、このプライバシーの複雑さを捉えるために、4つの概念的レイヤ(機能、エコシステム、ビジネスコンテキスト、環境)を使うことを提案する。
これらのレイヤは、より具体的で実行可能な方法でプライバシ分析サポートを構造化し、指定するためのフレームとして使用することができ、分析プロセスの適用性を向上させることができる。
関連論文リスト
- PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action [54.11479432110771]
PrivacyLensは、プライバシに敏感な種子を表現的なヴィグネットに拡張し、さらにエージェントの軌跡に拡張するために設計された新しいフレームワークである。
プライバシの文献とクラウドソーシングされたシードに基づいて、プライバシの規範のコレクションをインスタンス化する。
GPT-4やLlama-3-70Bのような最先端のLMは、プライバシー強化の指示が出されたとしても、機密情報を25.68%、38.69%のケースでリークしている。
論文 参考訳（メタデータ） (2024-08-29T17:58:38Z) - Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-31T19:28:04Z) - Privacy Protectability: An Information-theoretical Approach [4.14084373472438]
本稿では,ビデオストリームをどの程度保護できるかを特徴付けるために,新たなメートル法であるテクストプライバシー保護法を提案する。
プライバシ保護性の定義は情報理論に根ざし,メトリックを推定する効率的なアルゴリズムを開発した。
論文 参考訳（メタデータ） (2023-05-25T04:06:55Z) - Privacy Explanations - A Means to End-User Trust [64.7066037969487]
この問題に対処するために、説明可能性がどのように役立つかを検討しました。
私たちはプライバシーの説明を作成し、エンドユーザの理由と特定のデータが必要な理由を明らかにするのに役立ちました。
我々の発見は、プライバシーの説明がソフトウェアシステムの信頼性を高めるための重要なステップであることを示している。
論文 参考訳（メタデータ） (2022-10-18T09:30:37Z) - The Evolving Path of "the Right to Be Left Alone" - When Privacy Meets
Technology [0.0]
本稿では,プライバシエコシステムの新たなビジョンとして,プライバシの次元,関連するユーザの期待,プライバシ違反,変化要因を導入することを提案する。
プライバシー問題に取り組むための有望なアプローチは, (i) 効果的なプライバシメトリクスの識別, (ii) プライバシに準拠したアプリケーションを設計するためのフォーマルなツールの採用という,2つの方向に移行している,と私たちは信じています。
論文 参考訳（メタデータ） (2021-11-24T11:27:55Z) - Privacy and Robustness in Federated Learning: Attacks and Defenses [74.62641494122988]
このトピックに関する最初の包括的な調査を実施します。
FLの概念の簡潔な紹介と、1脅威モデル、2堅牢性に対する中毒攻撃と防御、3プライバシーに対する推論攻撃と防御、というユニークな分類学を通じて、私たちはこの重要なトピックのアクセス可能なレビューを提供します。
論文 参考訳（メタデータ） (2020-12-07T12:11:45Z) - Target Privacy Threat Modeling for COVID-19 Exposure Notification
Systems [8.080564346335542]
デジタル接触追跡(DCT)技術は感染症の拡散を遅らせるのに役立っている。
倫理的技術デプロイメントとユーザ採用の両方をサポートするためには、プライバシが最前線にある必要があります。
プライバシーの喪失は重大な脅威であり、徹底的な脅威モデリングは、DCT技術が進歩するにつれて、プライバシーの強化と保護に役立ちます。
論文 参考訳（メタデータ） (2020-09-25T02:09:51Z) - More Than Privacy: Applying Differential Privacy in Key Areas of
Artificial Intelligence [62.3133247463974]
差分プライバシーは、AIのプライバシー保護以上のことができることを示す。
また、セキュリティを改善し、学習を安定させ、公正なモデルを構築し、AIの選択領域にコンポジションを課すためにも使用できる。
論文 参考訳（メタデータ） (2020-08-05T03:07:36Z) - Privacy threats in intimate relationships [0.720851507101878]
この記事では、家族内で起こりうるプライバシーの脅威、ロマンチックなパートナーシップ、親密な友情、介護関係のクラスについて概観する。
様々な親密な関係を調査し、共通の特徴について述べる。
これらの特徴に基づいて、技術的なプライバシ設計とポリシーの両方に影響を及ぼすものを検討し、親密なプライバシリスクを改善するための設計推奨を提供する。
論文 参考訳（メタデータ） (2020-06-06T16:21:14Z) - InfoScrub: Towards Attribute Privacy by Targeted Obfuscation [77.49428268918703]
視覚データに流出した個人情報を個人が制限できる技術について検討する。
我々はこの問題を新しい画像難読化フレームワークで解決する。
提案手法では,元の入力画像に忠実な難読化画像を生成するとともに,非難読化画像に対して6.2$times$(または0.85bits)の不確実性を増大させる。
論文 参考訳（メタデータ） (2020-05-20T19:48:04Z) - Privacy at Scale: Introducing the PrivaSeer Corpus of Web Privacy Policies [13.09699710197036]
PrivaSeerは、100万以上の英語ウェブサイトのプライバシーポリシーのコーパスです。
本稿では,可読性テスト,文書類似性,キーフレーズ抽出の結果を示し,トピックモデリングによるコーパスの探索を行った。
論文 参考訳（メタデータ） (2020-04-23T13:21:00Z)
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。