論文の概要: Multiverse Privacy Theory for Contextual Risks in Complex User-AI Interactions

• arxiv url: http://arxiv.org/abs/2506.10042v1
• Date: Wed, 11 Jun 2025 05:02:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 15:37:22.335247
• Title: Multiverse Privacy Theory for Contextual Risks in Complex User-AI Interactions
• Title（参考訳）: 複雑なユーザ・AIインタラクションにおけるコンテキストリスクに対する多元的プライバシ理論
• Abstract要約: 本稿では,各プライバシ決定が並列宇宙を創出する新しいフレームワークである,多元的プライバシ理論を紹介する。 今後の研究は、実世界のシナリオベースのサーベイデータを用いて、その応用を探求する。
• 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: In an era of increasing interaction with artificial intelligence (AI), users face evolving privacy decisions shaped by complex, uncertain factors. This paper introduces Multiverse Privacy Theory, a novel framework in which each privacy decision spawns a parallel universe, representing a distinct potential outcome based on user choices over time. By simulating these universes, this theory provides a foundation for understanding privacy through the lens of contextual integrity, evolving preferences, and probabilistic decision-making. Future work will explore its application using real-world, scenario-based survey data.
• Abstract（参考訳）: 人工知能(AI)との相互作用が増大する中で、ユーザーは複雑な不確実な要因によって形成されるプライバシー決定の進化に直面している。 本稿では,各プライバシ決定が並列宇宙を創出する新しいフレームワークであるマルチバースプライバシ理論を紹介する。 これらの宇宙をシミュレートすることで、この理論は文脈整合性、進化する嗜好、確率論的意思決定のレンズを通してプライバシーを理解する基盤を提供する。 今後の研究は、実世界のシナリオベースのサーベイデータを用いて、その応用を探求する。

関連論文リスト

• Inverse Theory of Mind Modeling for Content Recommendation: From Web Browsing to Dynamic Intelligent Interfaces [11.250965676125302]
  我々は、行動を説明する信念、嗜好、意思決定特性を推測する逆心論(IToM)パイプラインを提案する。 パイプラインは、選択されたものや利用可能な選択肢を含む、各ユーザの決定コンテキストを再構築する。 VisionOS上でのペルソナ駆動型空間バンキングアプリケーションによるクロスモーダル転送性を示す。
  論文  参考訳（メタデータ） (2026-08-11T18:58:28Z)
• Beyond Static Dialogues: Benchmarking Realistic, Heterogeneous, and Evolving Long-Term Memory [54.947805187562274]
  動的時間的進化と長期コヒーレンスを示す多様な相互作用シナリオにまたがる現実的な対話を導入する。 その結果得られたベンチマークは、7つの調査タイプにまたがる挑戦的な質問と回答のペアを含んでいる。 現在研究されている27の重要な記憶特性のうち、少なくとも1つを同定する。
  論文  参考訳（メタデータ） (2026-05-29T09:51:22Z)
• VitaBench 2.0: Evaluating Personalized and Proactive Agents in Long-Term User Interactions [63.13827503828231]
  我々は、長期ユーザーインタラクションにおけるパーソナライズされたプロアクティブなエージェント動作を評価するためのベンチマークであるVitaBench 2.0を紹介する。 結果は、最先端のモデルでさえ、現実世界のパーソナライゼーションは非常に困難であることを示している。
  論文  参考訳（メタデータ） (2026-05-26T15:07:38Z)
• PrivacyAkinator: Articulating Key Privacy Design Decisions by Answering LLM-Generated Multiple-choice Questions [8.736562969448634]
  NISTのプライバシリスクアセスメント方法論(PRAM)は、プライバシ専門家がプライバシリスクを評価するための構造化されたフレームワークを提供する。 その複雑さと専門家の知識への依存は、初心者開発者が効果的に使うのを難しくする。 筆者らはまず,12人の参加者を対象に,現実世界のシナリオでPRAMを使用した観察的研究を行い,初歩的な開発者が,プライバシーに関する設計決定の明確化に最も苦労していることを発見した。 次に私たちは、開発者が重要なプライバシ決定を明確にするためのインタラクティブなツールであるPrivacyAkinatorを開発しました。
  論文  参考訳（メタデータ） (2026-04-08T00:49:29Z)
• Differential Privacy in Generative AI Agents: Analysis and Optimal Tradeoffs [22.661656301757663]
  大規模言語モデル(LLM)とAIエージェントは、企業システムに統合され、内部データベースにアクセスし、コンテキスト対応の応答を生成する。 このような統合によって生産性と意思決定サポートが向上する一方で、モデル出力は必然的にセンシティブな情報を明らかにする可能性がある。 本稿では,AIエージェントのプライバシー漏洩を差分プライバシーに基づいて解析するための確率的フレームワークを開発する。
  論文  参考訳（メタデータ） (2026-03-18T16:35:12Z)
• LifeSim: Long-Horizon User Life Simulator for Personalized Assistant Evaluation [63.37419733369833]
  LifeSimはユーザ認識をBDI(Belief-Desire-Intention)モデルでモデル化するユーザシミュレータである。 LifeSim-Evalは8つの生命ドメインと1200の多様なシナリオをカバーし、モデルの能力を評価するためにマルチターンインタラクティブメソッドを採用している。
  論文  参考訳（メタデータ） (2026-03-12T16:49:34Z)
• PrivacyReasoner: Can LLM Emulate a Human-like Privacy Mind? [13.499949825312797]
  本稿では、現実世界のニュースに応答して、個々のユーザがプライバシの懸念をどう形成するかをシミュレートするAIエージェント設計であるPRAを紹介する。 現実のHacker Newsに関する議論の実験では、プライバシに関する予測において、PRAがベースラインエージェントより優れていることが示されている。
  論文  参考訳（メタデータ） (2026-01-14T04:47:06Z)
• How to DP-fy Your Data: A Practical Guide to Generating Synthetic Data With Differential Privacy [52.00934156883483]
  Differential Privacy(DP)は、情報漏洩を推論し、制限するフレームワークである。 Differentially Private Synthetic Dataは、ソースデータの全体的なトレンドを保存する合成データを指す。
  論文  参考訳（メタデータ） (2025-12-02T21:14:39Z)
• Differential Privacy in Machine Learning: From Symbolic AI to LLMs [49.1574468325115]
  差別化プライバシは、プライバシーリスクを軽減するための正式なフレームワークを提供する。 単一のデータポイントの包含や除外がアルゴリズムの出力を著しく変更しないことを保証する。
  論文  参考訳（メタデータ） (2025-06-13T11:30:35Z)
• PAUSE: Low-Latency and Privacy-Aware Active User Selection for Federated Learning [49.02872047060618]
  フェデレートラーニング(FL)は、エッジデバイスが、潜在的にプライベートなデータを共有することなく、機械学習モデルを協調的にトレーニングすることを可能にする。 FLには2つの重要な課題がある。第一に、時間とともにプライバシーの漏洩が蓄積され、第二に、通信のレイテンシである。 本稿では,アクティブユーザ選択によるプライバシー漏洩と通信遅延の蓄積を共同で解決する手法を提案する。
  論文  参考訳（メタデータ） (2025-03-17T13:50:35Z)
• Centering Policy and Practice: Research Gaps around Usable Differential Privacy [12.340264479496375]
  我々は、差分プライバシーは理論上はクリーンな定式化であるが、実際は重大な課題を提起していると論じている。 差分プライバシーの約束と現実世界のユーザビリティのギャップを埋めるために、研究者と実践者は協力しなければなりません。
  論文  参考訳（メタデータ） (2024-06-17T21:32:30Z)
• FedP3: Federated Personalized and Privacy-friendly Network Pruning under Model Heterogeneity [82.5448598805968]
  我々は、フェデレートされたパーソナライズされたプライバシフレンドリーなネットワークプルーニングを表現する、効果的で適応可能なフェデレーションフレームワークであるFedP3を提案する。 我々は、FedP3とその局所微分プライベート変種DP-FedP3の理論解釈を提供し、それらの効率を理論的に検証する。
  論文  参考訳（メタデータ） (2024-04-15T14:14:05Z)
• What if LLMs Have Different World Views: Simulating Alien Civilizations with LLM-based Agents [41.651082318510845]
  本研究では,人間と地球外文明の複雑な相互作用をシミュレーションするために,Large Language Models (LLM) を用いた革新的な人工知能システムであるCosmoAgentを紹介する。 本手法により,文明の成長軌跡を定量的に分析し,成長・飽和の重要な点での今後の意思決定の洞察を提供する。 この革新的な研究は、潜在的な文明間力学を解釈する新しい方法を導入するだけでなく、異なる価値体系を持つ実体が、非対称情報の下でのゲームの実行、競合の防止、およびゲームへの関与を可能にする実践的な価値も持っている。
  論文  参考訳（メタデータ） (2024-02-20T17:49:46Z)
• Privacy and Copyright Protection in Generative AI: A Lifecycle Perspective [28.968233485060654]
  データライフサイクルにおけるプライバシーと著作権保護の多面的課題について論じる。 我々は、技術的革新と倫理的展望を組み合わせた統合的なアプローチを提唱する。 この作業は、より広範な議論のきっかけとなり、ジェネレーティブAIにおけるデータのプライバシと著作権の整合性に対する継続的な取り組みを促進することを目的としている。
  論文  参考訳（メタデータ） (2023-11-30T05:03:08Z)
• Can LLMs Keep a Secret? Testing Privacy Implications of Language Models via Contextual Integrity Theory [82.7042006247124]
  私たちは、最も有能なAIモデルでさえ、人間がそれぞれ39%と57%の確率で、プライベートな情報を公開していることを示しています。 我々の研究は、推論と心の理論に基づいて、新しい推論時プライバシー保護アプローチを即時に探求する必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-10-27T04:15:30Z)
• A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
  プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。 これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。 差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
  論文  参考訳（メタデータ） (2023-09-27T14:38:16Z)
• Privacy Preservation in Artificial Intelligence and Extended Reality (AI-XR) Metaverses: A Survey [3.0151762748441624]
  メタバースは、個人が対話し、創造し、幅広い活動に参加することができる仮想宇宙を構想している。 メタバースにおけるプライバシーは、概念が進化し、没入的な仮想体験がより普及するにつれて、重要な関心事である。 ユーザを追跡するためのAIに依存していることから、将来のメタバースが直面するであろうさまざまなプライバシー上の課題について検討する。
  論文  参考訳（メタデータ） (2023-09-19T11:56:12Z)
• A Three-Way Knot: Privacy, Fairness, and Predictive Performance Dynamics [2.9005223064604078]
  最も重要な問題の2つは、公正性とデータのプライバシーである。 プライバシ、公平性、予測パフォーマンスのバランスは複雑です。 この3方向の張力と各ベクトルの最適化が他に与える影響について検討する。
  論文  参考訳（メタデータ） (2023-06-27T15:46:22Z)
• Privacy Computing Meets Metaverse: Necessity, Taxonomy and Challenges [29.22630037716171]
  我々は、プライバシーコンピューティングがメタバースに合うときの必要性、分類、課題について包括的な研究を行う。 まず、メタバースの基盤技術と様々な応用を紹介し、メタバースにおけるデータ利用の課題を分析する。 次に、メタバースにおける異なるプライバシー問題に対する学習、差分プライバシー、同型暗号化、ゼロ知識に基づく最先端のソリューションをレビューし、要約する。
  論文  参考訳（メタデータ） (2023-04-23T13:05:58Z)
• Secure and Trustworthy Artificial Intelligence-Extended Reality (AI-XR) for Metaverses [14.042795506083117]
  我々は,AI-XRメタバースアプリケーションにおける各種AI技術の利用に伴う,セキュリティ,プライバシ,信頼性の面について議論する。 我々は、セキュアでプライベートで堅牢で信頼できるAI-XRアプリケーションを開発するために活用できる潜在的なソリューションの分類を提示する。
  論文  参考訳（メタデータ） (2022-10-24T14:26:59Z)
• Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
  プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。 特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。 ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
  論文  参考訳（メタデータ） (2022-09-04T06:22:37Z)
• Fully Adaptive Composition in Differential Privacy [53.01656650117495]
  よく知られた高度な合成定理は、基本的なプライバシー構成が許すよりも、プライベートデータベースを2倍にクエリすることができる。 アルゴリズムとプライバシパラメータの両方を適応的に選択できる完全適応型合成を導入する。 適応的に選択されたプライバシパラメータが許されているにもかかわらず、定数を含む高度なコンポジションのレートに適合するフィルタを構築します。
  論文  参考訳（メタデータ） (2022-03-10T17:03:12Z)
• 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)

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。