論文の概要: LLMs on support of privacy and security of mobile apps: state of the art and research directions

• arxiv url: http://arxiv.org/abs/2506.11679v2
• Date: Mon, 07 Jul 2025 17:36:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.145365
• Title: LLMs on support of privacy and security of mobile apps: state of the art and research directions
• Title（参考訳）: モバイルアプリのプライバシとセキュリティに関するLLM - 最先端技術と研究の方向性
• Authors: Tran Thanh Lam Nguyen, Barbara Carminati, Elena Ferrari,
• Abstract要約: セキュリティとプライバシーのリスクは依然としてモバイルアプリのユーザーを脅かす。 セキュリティリスクとプライバシ違反を特定するために,大規模言語モデルの適用について検討する。 ユーザが画像をオンラインで共有する場合に,機密データ漏洩を検出する手法を提案する。
• 参考スコア（独自算出の注目度）: 1.5293427903448022
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern life has witnessed the explosion of mobile devices. However, besides the valuable features that bring convenience to end users, security and privacy risks still threaten users of mobile apps. The increasing sophistication of these threats in recent years has underscored the need for more advanced and efficient detection approaches. In this chapter, we explore the application of Large Language Models (LLMs) to identify security risks and privacy violations and mitigate them for the mobile application ecosystem. By introducing state-of-the-art research that applied LLMs to mitigate the top 10 common security risks of smartphone platforms, we highlight the feasibility and potential of LLMs to replace traditional analysis methods, such as dynamic and hybrid analysis of mobile apps. As a representative example of LLM-based solutions, we present an approach to detect sensitive data leakage when users share images online, a common behavior of smartphone users nowadays. Finally, we discuss open research challenges.
• Abstract（参考訳）: 現代の生活はモバイルデバイスの爆発を目撃している。 しかし、エンドユーザーに利便性をもたらす価値ある機能に加えて、セキュリティとプライバシーのリスクは依然としてモバイルアプリのユーザーを脅かしている。 近年、これらの脅威の高度化が進み、より高度で効率的な検出アプローチの必要性が強調されている。 この章では、セキュリティリスクとプライバシ違反を特定し、モバイルアプリケーションエコシステムのためにそれらを緩和するために、LLM(Large Language Models)の適用について検討する。 スマートフォンプラットフォームのセキュリティリスクのトップ10を緩和するためにLLMを適用した最先端の研究を導入することで、モバイルアプリの動的およびハイブリッド分析のような従来の分析手法を置き換えるためのLLMの可能性と可能性を強調します。 LLMベースのソリューションの代表例として,ユーザが画像をオンラインで共有する際の機密データ漏洩を検出するアプローチを提案する。 最後にオープンな研究課題について論じる。

関連論文リスト

• Odysseus: Jailbreaking Commercial Multimodal LLM-integrated Systems via Dual Steganography [77.44136793431893]
  本稿では,悪質なクエリを隠蔽して良質な画像に埋め込むために,二重ステガノグラフィーを導入した新しいjailbreakパラダイムを提案する。 我々のOdysseusはいくつかの先駆的で現実的なMLLM統合システムを脱獄し、最大99%の攻撃成功率を達成した。
  論文  参考訳（メタデータ） (2025-12-23T08:53:36Z)
• OS-Sentinel: Towards Safety-Enhanced Mobile GUI Agents via Hybrid Validation in Realistic Workflows [77.95511352806261]
  VLM(Vision-Language Models)を利用したコンピュータ利用エージェントは、モバイルプラットフォームのようなデジタル環境を操作する上で、人間のような能力を実証している。 我々は,明示的なシステムレベルの違反を検出するための形式検証器と,文脈的リスクとエージェント行動を評価するコンテキスト判断器を組み合わせた,新しいハイブリッド安全検出フレームワークOS-Sentinelを提案する。
  論文  参考訳（メタデータ） (2025-10-28T13:22:39Z)
• Beyond Data Privacy: New Privacy Risks for Large Language Models [37.95953819924652]
  大規模言語モデル(LLM)は、自然言語理解、推論、自律的な意思決定において顕著な進歩を遂げている。 これらの進歩には、重要なプライバシー上の懸念も伴っている。 LLMを広く使われているアプリケーションに統合し、その自律能力の武器化によって、新たなプライバシ脆弱性が生まれている。
  論文  参考訳（メタデータ） (2025-09-16T09:46:09Z)
• A Survey: Towards Privacy and Security in Mobile Large Language Models [17.927458870623095]
  Mobile Large Language Models (LLMs) は、医療、金融、教育などの様々な分野に革命をもたらし、先進的な自然言語処理タスクを現在実行している。 しかしながら、これらのモデルをモバイルおよびエッジ環境にデプロイすることは、そのリソース集約性と、処理するデータの感度によって、プライバシとセキュリティに関する重大な問題を引き起こす。 この調査は、モバイルLLMに関連するプライバシーとセキュリティの問題に関する総合的な概要を提供し、差分プライバシー、フェデレーション学習、迅速な暗号化といった既存のソリューションを体系的に分類する。
  論文  参考訳（メタデータ） (2025-09-02T15:19:57Z)
• A Systematic Survey of Model Extraction Attacks and Defenses: State-of-the-Art and Perspectives [65.3369988566853]
  近年の研究では、敵が対象モデルの機能を複製できることが示されている。 モデル抽出攻撃は知的財産権、プライバシー、システムのセキュリティに脅威をもたらす。 本稿では,攻撃機構,防衛手法,計算環境に応じてMEAを分類する新しい分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-20T19:49:59Z)
• Large AI Model-Enabled Secure Communications in Low-Altitude Wireless Networks: Concepts, Perspectives and Case Study [92.15255222408636]
  低高度無線ネットワーク(LAWN)は、様々なアプリケーションをサポートすることにより、通信に革命をもたらす可能性がある。 LAWNにおけるセキュア通信のための大規模人工知能モデル(LAM)対応ソリューションについて検討する。 LAWNにおけるセキュア通信のためのLAMの実用的メリットを示すために,新しいLAMベースの最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-01T01:53:58Z)
• A Survey on Privacy Risks and Protection in Large Language Models [13.602836059584682]
  大規模言語モデル(LLM)は多様なアプリケーションにますます統合され、プライバシーの懸念が高まっている。 この調査は、LCMに関連するプライバシーリスクの包括的概要を提供し、これらの課題を軽減するための現在のソリューションを調べます。
  論文  参考訳（メタデータ） (2025-05-04T03:04:07Z)
• LLMs in Mobile Apps: Practices, Challenges, and Opportunities [4.104646810514711]
  AI技術の統合は、ソフトウェア開発でますます人気が高まっている。 大規模言語モデル(LLM)と生成AIの台頭により、開発者は、クローズドソースプロバイダから豊富な高品質のオープンソースモデルとAPIにアクセスできるようになる。
  論文  参考訳（メタデータ） (2025-02-21T19:53:43Z)
• The Information Security Awareness of Large Language Models [13.977080888159627]
  情報セキュリティ意識(ISA)は、大規模言語モデル(LLM)の重要かつ未解明の安全性の側面である。 本稿では,モバイルISA分類における30のセキュリティトピックすべてを対象として,LLMのISAを自動的に測定する手法を提案する。 人気モデルのほとんどが中～低レベルのISAしか表示せず、ユーザをサイバーセキュリティの脅威にさらしていることが分かりました。
  論文  参考訳（メタデータ） (2024-11-20T11:09:55Z)
• Navigating the Risks: A Survey of Security, Privacy, and Ethics Threats in LLM-Based Agents [67.07177243654485]
  この調査は、大規模言語モデルに基づくエージェントが直面するさまざまな脅威を収集、分析する。 LLMをベースとしたエージェントの6つの重要な特徴を概説する。 4つの代表エージェントをケーススタディとして選択し,実践的に直面する可能性のあるリスクを分析した。
  論文  参考訳（メタデータ） (2024-11-14T15:40:04Z)
• The Emerged Security and Privacy of LLM Agent: A Survey with Case Studies [43.65655064122938]
  大規模言語モデル(LLM)エージェントは複雑なタスクを実行するために進化してきた。 LLMエージェントの幅広い応用は、その商業的価値を示している。 しかし、セキュリティとプライバシの脆弱性も公開している。 この調査は、LLMエージェントが直面しているプライバシーとセキュリティの問題を包括的に概観することを目的としている。
  論文  参考訳（メタデータ） (2024-07-28T00:26:24Z)
• "Glue pizza and eat rocks" -- Exploiting Vulnerabilities in Retrieval-Augmented Generative Models [74.05368440735468]
  Retrieval-Augmented Generative (RAG)モデルにより大規模言語モデル(LLM)が強化される 本稿では,これらの知識基盤の開放性を敵が活用できるセキュリティ上の脅威を示す。
  論文  参考訳（メタデータ） (2024-06-26T05:36:23Z)
• Identifying and Mitigating Vulnerabilities in LLM-Integrated Applications [37.316238236750415]
  LLM統合アプリケーションのバックエンドとして,大規模言語モデル(LLM)がますます多くデプロイされている。 本研究では,ユーザとLLMがLLM統合アプリケーションを介して,中間で対話する環境について考察する。 悪意のあるアプリケーション開発者や外部からの脅威から生じる可能性のある潜在的な脆弱性を特定します。 我々は、内部の脅威と外部の脅威の両方を緩和する軽量で脅威に依存しない防御を開発する。
  論文  参考訳（メタデータ） (2023-11-07T20:13:05Z)
• Privacy in Large Language Models: Attacks, Defenses and Future Directions [84.73301039987128]
  大規模言語モデル(LLM)を対象とした現在のプライバシ攻撃を分析し、敵の想定能力に応じて分類する。 本稿では、これらのプライバシー攻撃に対抗するために開発された防衛戦略について概説する。
  論文  参考訳（メタデータ） (2023-10-16T13:23:54Z)
• Vulnerability of Machine Learning Approaches Applied in IoT-based Smart Grid: A Review [51.31851488650698]
  機械学習(ML)は、IoT(Internet-of-Things)ベースのスマートグリッドでの使用頻度が高まっている。 電力信号に注入された逆方向の歪みは システムの正常な制御と操作に大きな影響を及ぼす 安全クリティカルパワーシステムに適用されたMLsgAPPの脆弱性評価を行うことが不可欠である。
  論文  参考訳（メタデータ） (2023-08-30T03:29:26Z)
• Not what you've signed up for: Compromising Real-World LLM-Integrated Applications with Indirect Prompt Injection [64.67495502772866]
  大規模言語モデル(LLM)は、様々なアプリケーションに統合されつつある。 本稿では、プロンプトインジェクション攻撃を用いて、攻撃者が元の命令をオーバーライドし、制御を採用する方法を示す。 我々は、コンピュータセキュリティの観点から、影響や脆弱性を体系的に調査する包括的な分類法を導出する。
  論文  参考訳（メタデータ） (2023-02-23T17:14:38Z)

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。