論文の概要: Automatically Detecting Online Deceptive Patterns in Real-time
- arxiv url: http://arxiv.org/abs/2411.07441v1
- Date: Mon, 11 Nov 2024 23:49:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-13 13:19:08.682349
- Title: Automatically Detecting Online Deceptive Patterns in Real-time
- Title（参考訳）: リアルタイムオンライン認知パターンの自動検出
- Authors: Asmit Nayak, Shirley Zhang, Yash Wani, Rishabh Khandelwal, Kassem Fawaz,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 18.62244798755693
- License:
- Abstract: Deceptive patterns (DPs) in digital interfaces manipulate users into making unintended decisions, exploiting cognitive biases and psychological vulnerabilities. These patterns have become ubiquitous across various digital platforms. While efforts to mitigate DPs have emerged from legal and technical perspectives, a significant gap in usable solutions that empower users to identify and make informed decisions about DPs in real-time remains. In this work, we introduce AutoBot, an automated, deceptive pattern detector that analyzes websites' visual appearances using machine learning techniques to identify and notify users of DPs in real-time. AutoBot employs a two-staged pipeline that processes website screenshots, identifying interactable elements and extracting textual features without relying on HTML structure. By leveraging a custom language model, AutoBot understands the context surrounding these elements to determine the presence of deceptive patterns. We implement AutoBot as a lightweight Chrome browser extension that performs all analyses locally, minimizing latency and preserving user privacy. Through extensive evaluation, we demonstrate AutoBot's effectiveness in enhancing users' ability to navigate digital environments safely while providing a valuable tool for regulators to assess and enforce compliance with DP regulations.
- Abstract（参考訳）: 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。
これらのパターンは、様々なデジタルプラットフォームで広く使われている。
DPを緩和する取り組みは法的・技術的な観点からは現れているが、利用者がリアルタイムにDPに関する情報を識別し、決定を下すことができるような、使用可能なソリューションにおける大きなギャップは残されている。
本研究では,機械学習技術を用いてWebサイトの視覚的外観を分析し,DPのユーザをリアルタイムで識別し,通知する自動偽造パターン検出ツールであるAutoBotを紹介する。
AutoBotは、Webサイトのスクリーンショットを処理し、対話可能な要素を特定し、HTML構造に頼ることなくテキスト機能を抽出する、2段階のパイプラインを採用している。
カスタム言語モデルを活用することで、AutoBotはこれらの要素を取り巻くコンテキストを理解して、偽りのパターンの存在を判断する。
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。
広汎な評価を通じて,ユーザがデジタル環境を安全にナビゲートする能力を高める上で,AutoBotが有効であることを示すとともに,規制当局がDP規制の遵守を評価し,実施するための貴重なツールを提供する。
関連論文リスト
- Object Detection for Vehicle Dashcams using Transformers [2.3243389656894595]
トランスを用いたダッシュカムにおける物体検出のための新しい手法を提案する。
我々のシステムは、最先端検出TRansformer (DETR) に基づいている。
以上の結果から,変圧器によるインテリジェントな自動化は,ダッシュカムシステムの能力を大幅に向上させる可能性が示唆された。
論文 参考訳（メタデータ） (2024-08-28T14:08:24Z) - Detecting Deceptive Dark Patterns in E-commerce Platforms [0.0]
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。
論文 参考訳（メタデータ） (2024-05-27T16:32:40Z) - Autosen: improving automatic wifi human sensing through cross-modal
autoencoder [56.44764266426344]
WiFiによる人間のセンシングは、人間の活動を認識する上での低コストでプライバシー上の利点として高く評価されている。
ラベル付きデータなしで自己教師付き学習を可能にすることを目的とした従来のクロスモーダル手法は、振幅-位相の組み合わせから意味のある特徴を抽出するのに苦労する。
我々は、従来のアプローチから外れた革新的な自動WiFiセンシングソリューションであるAutoSenを紹介する。
論文 参考訳（メタデータ） (2024-01-08T19:50:02Z) - DeepCAVE: An Interactive Analysis Tool for Automated Machine Learning [41.90094833178758]
DeepCAVEはAutoMLの最先端の最適化手順を分析し、監視するインタラクティブなフレームワークである。
当社のフレームワークのモジュール構造は、ユーザが自動的に生成したテキスト、テーブル、グラフィック視覚化を提供する。
論文 参考訳（メタデータ） (2022-06-07T12:59:39Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - Automating Privilege Escalation with Deep Reinforcement Learning [71.87228372303453]
本研究では,エージェントの訓練に深層強化学習を用いることで,悪意あるアクターの潜在的な脅威を実証する。
本稿では,最先端の強化学習アルゴリズムを用いて,局所的な特権エスカレーションを行うエージェントを提案する。
我々のエージェントは、実際の攻撃センサーデータを生成し、侵入検知システムの訓練と評価に利用できる。
論文 参考訳（メタデータ） (2021-10-04T12:20:46Z) - Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object
Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。
対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。
5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文 参考訳（メタデータ） (2021-03-26T01:18:11Z) - An Automated Machine Learning (AutoML) Method for Driving Distraction
Detection Based on Lane-Keeping Performance [2.3951613028271397]
本研究では,ドメイン固有自動機械学習(AutoML)を提案し,最適なモデルを自己学習して気晴らしを検出する。
提案したAutoGBM法は,電話による運転障害の予測に信頼性があり,有望であることがわかった。
目的のautogbmは、少ない機能でより良いパフォーマンスを生み出すだけでなく、システム設計に関するデータ駆動の洞察を提供する。
論文 参考訳（メタデータ） (2021-03-10T12:37:18Z) - Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data
Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。
私達のアプローチは人間の相互作用なしで完全に自動です。
VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-15T03:03:38Z) - Artificial Intelligence Enabled Traffic Monitoring System [3.085453921856008]
本稿では,深層畳み込みニューラルネットワークを用いたリアルタイム交通映像の自動監視手法を提案する。
提案システムは、さまざまなトラフィック監視ニーズを自動化するために、最先端のディープラーニングアルゴリズムをデプロイする。
論文 参考訳（メタデータ） (2020-10-02T22:28:02Z) - Detection of Novel Social Bots by Ensembles of Specialized Classifiers [60.63582690037839]
悪意ある俳優は、社会ボットとして知られるアルゴリズムによって部分的に制御される不正なソーシャルメディアアカウントを作成し、誤情報を広め、オンラインでの議論を扇動する。
異なるタイプのボットが、異なる行動特徴によって特徴づけられることを示す。
本稿では,ボットのクラスごとに専門的な分類器を訓練し,それらの決定を最大ルールで組み合わせる,教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-11T22:59:59Z)
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。