論文の概要: 50 Shades of Deceptive Patterns: A Unified Taxonomy, Multimodal Detection, and Security Implications

• arxiv url: http://arxiv.org/abs/2501.13351v1
• Date: Thu, 23 Jan 2025 03:28:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-24 15:54:46.480789
• Title: 50 Shades of Deceptive Patterns: A Unified Taxonomy, Multimodal Detection, and Security Implications
• Title（参考訳）: 50の知覚パターン:統一分類、マルチモーダル検出、セキュリティ含意
• Authors: Zewei Shi, Ruoxi Sun, Jieshan Chen, Jiamou Sun, Minhui Xue, Yansong Gao, Feng Liu, Xingliang Yuan,
• Abstract要約: 認知パターン (DP) は意図しない決定にユーザを操作するために意図的に設計されたユーザインタフェースである。 セキュリティとプライバシの観点から、偽造パターンの分類を拡大し、カテゴリとスコープを洗練しました。 我々は,商用マルチモーダル・大規模言語モデル(MLLM)を利用した,認識パターン検出のための新しい自動ツールDPGuardを開発した。
• 参考スコア（独自算出の注目度）: 33.2581087304465
• License:
• Abstract: Deceptive patterns (DPs) are user interface designs deliberately crafted to manipulate users into unintended decisions, often by exploiting cognitive biases for the benefit of companies or services. While numerous studies have explored ways to identify these deceptive patterns, many existing solutions require significant human intervention and struggle to keep pace with the evolving nature of deceptive designs. To address these challenges, we expanded the deceptive pattern taxonomy from security and privacy perspectives, refining its categories and scope. We created a comprehensive dataset of deceptive patterns by integrating existing small-scale datasets with new samples, resulting in 6,725 images and 10,421 DP instances from mobile apps and websites. We then developed DPGuard, a novel automatic tool leveraging commercial multimodal large language models (MLLMs) for deceptive pattern detection. Experimental results show that DPGuard outperforms state-of-the-art methods. Finally, we conducted an extensive empirical evaluation on 2,000 popular mobile apps and websites, revealing that 23.61% of mobile screenshots and 47.27% of website screenshots feature at least one deceptive pattern instance. Through four unexplored case studies that inform security implications, we highlight the critical importance of the unified taxonomy in addressing the growing challenges of Internet deception.
• Abstract（参考訳）: 認知的パターン(英:deceptive pattern、DP)は、ユーザーを意図しない決定へと操作するために意図的にデザインされたユーザーインターフェースであり、しばしば企業やサービスの利益のために認知バイアスを利用する。 多くの研究は、これらの偽装パターンを特定する方法を模索してきたが、既存のソリューションの多くは、重大な人間の介入を必要とし、偽装デザインの進化する性質に追従するのに苦労している。 これらの課題に対処するため、私たちは、セキュリティとプライバシの観点から、偽のパターン分類を拡張し、カテゴリとスコープを洗練しました。 そこで我々は,既存の小規模データセットを新たなサンプルと統合し,モバイルアプリやWebサイトから6,725のイメージと10,421のDPインスタンスを生成することによって,認識パターンの包括的データセットを構築した。 そこで我々はDPGuardを開発した。DPGuardは商用マルチモーダル大言語モデル(MLLM)を利用した新たな自動ツールである。 実験の結果,DPGuardは最先端の手法よりも優れていた。 最後に、2000の人気のあるモバイルアプリとWebサイトに対して広範な実証的な評価を行い、23.61%のモバイルスクリーンショットと47.27%のWebサイトスクリーンショットが、少なくとも1つの偽造パターンインスタンスを特徴としていることを明らかにした。 セキュリティへの影響を知らせる4つの未調査ケーススタディを通じて、インターネット偽装の増大する課題に対処する上で、統合分類の重要さを強調した。

関連論文リスト

• Unsupervised Model Diagnosis [49.36194740479798]
  本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。 提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
  論文  参考訳（メタデータ） (2024-10-08T17:59:03Z)
• A Federated Learning Approach for Multi-stage Threat Analysis in Advanced Persistent Threat Campaigns [25.97800399318373]
  高度な永続的脅威(APT)のようなマルチステージの脅威は、データを盗み、インフラストラクチャを破壊することによって深刻なリスクを引き起こす。 APTは新たな攻撃ベクトルを使用し、ネットワークの存在を隠蔽することでシグネチャベースの検出を回避する。 本稿では,APTを検出するための3段階の非教師付きフェデレーション学習(FL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-19T03:34:41Z)
• From CNNs to Transformers in Multimodal Human Action Recognition: A Survey [23.674123304219822]
  人間の行動認識はコンピュータビジョンにおいて最も広く研究されている研究問題の1つである。 近年の研究では、マルチモーダルデータを用いてこの問題に対処することで性能が向上することが示されている。 視覚モデリングにおけるトランスフォーマーの最近の増加は、アクション認識タスクのパラダイムシフトを引き起こしている。
  論文  参考訳（メタデータ） (2024-05-22T02:11:18Z)
• Privacy Backdoors: Enhancing Membership Inference through Poisoning Pre-trained Models [112.48136829374741]
  本稿では、プライバシーバックドア攻撃という新たな脆弱性を明らかにします。 被害者がバックドアモデルに微調整を行った場合、トレーニングデータは通常のモデルに微調整された場合よりも大幅に高い速度でリークされる。 我々の発見は、機械学習コミュニティにおける重要なプライバシー上の懸念を浮き彫りにし、オープンソースの事前訓練モデルの使用における安全性プロトコルの再評価を求めている。
  論文  参考訳（メタデータ） (2024-04-01T16:50:54Z)
• The Invisible Game on the Internet: A Case Study of Decoding Deceptive Patterns [19.55209153462331]
  認知パターンは、ユーザーを操作するためのデジタルプラットフォームに埋め込まれたデザインプラクティスである。 検出ツールの進歩にもかかわらず、偽りのパターンのリスクを評価する際に大きなギャップが存在する。
  論文  参考訳（メタデータ） (2024-02-05T22:42:59Z)
• Model Stealing Attack against Graph Classification with Authenticity, Uncertainty and Diversity [80.16488817177182]
  GNNは、クエリ許可を通じてターゲットモデルを複製するための悪行であるモデル盗難攻撃に対して脆弱である。 異なるシナリオに対応するために,3つのモデルステルス攻撃を導入する。
  論文  参考訳（メタデータ） (2023-12-18T05:42:31Z)
• TII-SSRC-23 Dataset: Typological Exploration of Diverse Traffic Patterns for Intrusion Detection [0.5261718469769447]
  既存のデータセットは、しばしば不足しており、必要な多様性と現在のネットワーク環境との整合性が欠如している。 本稿では,これらの課題を克服するための新しい包括的データセットであるTII-SSRC-23を紹介する。
  論文  参考訳（メタデータ） (2023-09-14T05:23:36Z)
• Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results [73.98594459933008]
  顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。 この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。 制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
  論文  参考訳（メタデータ） (2023-04-12T10:29:42Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)

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。