論文の概要: Making Sense of Private Advertising: A Principled Approach to a Complex Ecosystem

• arxiv url: http://arxiv.org/abs/2512.20583v1
• Date: Tue, 23 Dec 2025 18:28:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-24 19:17:49.970069
• Title: Making Sense of Private Advertising: A Principled Approach to a Complex Ecosystem
• Title（参考訳）: プライベート広告のセンスを作る: 複雑なエコシステムへの原則的アプローチ
• Authors: Kyle Hogan, Alishah Chator, Gabriel Kaptchuk, Mayank Varia, Srinivas Devadas,
• Abstract要約: 私たちは、広告エコシステムのエンドツーエンドパイプラインをモデル化し、現在のプライベート広告提案の軌跡で2つの主要な問題を特定できます。 テクトパーフェクトのプライバシーは、最小限の広告エコシステムでも不可能であることを示す。 われわれはプライバシーが広告において現実的に何を意味するかを再検討し、特定のコンテキストにおけるテキストセンシティブなデータの概念に基づいて構築する。
• 参考スコア（独自算出の注目度）: 14.898604991303527
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we model the end-to-end pipeline of the advertising ecosystem, allowing us to identify two main issues with the current trajectory of private advertising proposals. First, prior work has largely considered ad targeting and engagement metrics individually rather than in composition. This has resulted in privacy notions that, while reasonable for each protocol in isolation, fail to compose to a natural notion of privacy for the ecosystem as a whole, permitting advertisers to extract new information about the audience of their advertisements. The second issue serves to explain the first: we prove that \textit{perfect} privacy is impossible for any, even minimally, useful advertising ecosystem, due to the advertisers' expectation of conducting market research on the results. Having demonstrated that leakage is inherent in advertising, we re-examine what privacy could realistically mean in advertising, building on the well-established notion of \textit{sensitive} data in a specific context. We identify that fundamentally new approaches are needed when designing privacy-preserving advertising subsystems in order to ensure that the privacy properties of the end-to-end advertising system are well aligned with people's privacy desires.
• Abstract（参考訳）: 本研究では、広告エコシステムのエンドツーエンドパイプラインをモデル化し、現在のプライベート広告提案の軌跡に関する2つの主要な問題を特定する。 まず、事前の作業は、構成よりも個別に広告ターゲティングとエンゲージメントのメトリクスを主に考慮してきました。 このことは、それぞれのプロトコルが独立して妥当であるにもかかわらず、エコシステム全体のプライバシーに関する自然な概念を組み立てることができず、広告主は広告のオーディエンスに関する新しい情報を抽出できるというプライバシーの概念をもたらした。 2つ目の問題は、広告主が市場調査を行うことを期待しているため、すべての広告エコシステムに対して、‘textit{perfect} プライバシーは不可能である、ということを証明している。 漏洩が広告に固有のことを実証し、プライバシーが広告において現実的に何を意味するかを再検討し、特定のコンテキストにおける \textit{sensitive} データの概念に基づいて構築した。 エンド・ツー・エンド広告システムのプライバシー特性が人々のプライバシー欲求に合致することを確実にするために、プライバシー保護広告サブシステムを設計する際には、根本的に新しいアプローチが必要であると認識する。

関連論文リスト

• Zero-Shot Privacy-Aware Text Rewriting via Iterative Tree Search [60.197239728279534]
  クラウドベースのサービスにおける大規模言語モデル(LLM)は、重大なプライバシー上の懸念を引き起こしている。 既存のテキスト匿名化と、ルールベースのリアクションやスクラブのような非識別技術は、プライバシー保護とテキストの自然性と実用性のバランスをとるのに苦労することが多い。 我々は,一貫性,妥当性,自然性を保ちながら,秘密情報を体系的に難読化・削除するゼロショット木探索型反復文書き換えアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-09-25T07:23:52Z)
• 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)
• Click Without Compromise: Online Advertising Measurement via Per User Differential Privacy [33.14965788272627]
  本稿では,オンライン広告測定結果を対象とした新しいユーザレベル差分プライバシー保護スキームであるAdsBPCを紹介する。 AdsBPCは、広告測定に適用された既存のストリーミングDPメカニズムよりも33%から95%の精度向上を実現している。
  論文  参考訳（メタデータ） (2024-06-04T16:31:19Z)
• What Do Privacy Advertisements Communicate to Consumers? [9.786948558195062]
  本稿では,プライバシマーケティングが消費者のキャンペーン提供組織に対する態度に与える影響について検討する。 以上の結果から,プライバシ機能に対する意識は,企業や製品に対する肯定的な認識に寄与する可能性が示唆された。 われわれの結果は、プライバシーキャンペーンはプライバシー機能に対する意識を高め、ブランドイメージを改善するのに役立つが、視聴者にプライバシー機能の使用方法を教える最も効果的な方法ではないことを示唆している。
  論文  参考訳（メタデータ） (2024-05-22T17:32:04Z)
• SPAct: Self-supervised Privacy Preservation for Action Recognition [73.79886509500409]
  アクション認識におけるプライバシー漏洩を緩和するための既存のアプローチは、ビデオデータセットのアクションラベルとともに、プライバシラベルを必要とする。 自己教師付き学習(SSL)の最近の進歩は、未ラベルデータの未発見の可能性を解き放ちつつある。 本稿では、プライバシーラベルを必要とせず、自己管理的な方法で、入力ビデオからプライバシー情報を除去する新しいトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-29T02:56:40Z)
• Lessons from the AdKDD'21 Privacy-Preserving ML Challenge [57.365745458033075]
  W3Cの顕著な提案では、過去のディスプレイの集計された、差別化されたプライベートなレポートを通じてのみ広告信号を共有することができる。 この提案を広く研究するために、AdKDD'21でオープンなプライバシ保護機械学習チャレンジが行われた。 重要な発見は、大量の集約されたデータの小さな集合が存在する場合の学習モデルは驚くほど効率的で安価であることである。
  論文  参考訳（メタデータ） (2022-01-31T11:09:59Z)

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。