論文の概要: (Mis-)Informed Consent: Predatory Apps and the Exploitation of Populations with Limited Literacy

• arxiv url: http://arxiv.org/abs/2601.17025v1
• Date: Fri, 16 Jan 2026 20:23:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 02:21:38.507258
• Title: (Mis-)Informed Consent: Predatory Apps and the Exploitation of Populations with Limited Literacy
• Title（参考訳）: (Mis-)インフォームド・コンセント:捕食アプリと限定リテラシーによる人口の流出
• Authors: Muhammad Muneeb Pervez, Muhammad Qasim Atiq Ullah, Ibrahim Ahmed Khan, Roshnik Rahat, Muhammad Fareed Zaffar, Rashid Tahir, Talal Rahwan, Yasir Zaki,
• Abstract要約: 本稿では,インフォームド・コンセントが捕食的金融アプリケーションによってどのように悪用されるかを検討する。 弊社は、50のGoogle Play Storeアプリのデータセットを分析して、重要なプライバシー開示の省略数や難読度を測定する。 調査参加者の85%は基本的アプリ許可を理解できなかった。
• 参考スコア（独自算出の注目度）: 1.5370108793508594
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Among populations with limited literacy in emerging digital markets, the adoption of mobile phones, combined with comprehension barriers and poor cybersecurity hygiene, has created hidden privacy risks. This paper examines how informed consent is often abused by predatory financial applications, leading to financial scams that disproportionately affect users with low literacy. We focus on predatory loan, gambling, and trading apps, analyzing a dataset of 50 Google Play Store apps to measure how many omit or obfuscate critical privacy disclosures. We also evaluate comprehension gaps among users with low literacy via a targeted user study and assess whether Large Language Model (LLM)-generated summaries, translations, and visual cues can improve consent clarity. Our findings show that 85% of study participants did not understand basic app permissions, underscoring the urgent need for stronger regulatory oversight and scalable LLM-driven privacy-literacy tools.
• Abstract（参考訳）: 新興デジタル市場においてリテラシーが限られている人口の中で、携帯電話の採用は、理解障壁とサイバーセキュリティ衛生の貧弱さが組み合わさって、隠れたプライバシーリスクを生み出している。 本報告では, インフォームド・コンセント(インフォームド・コンセント, インフォームド・コンセント, インフォームド・コンセント, インフォームド・コンセント, インフォームド・コンセント, インフォームド・コンセント, インフォームド・コンセント, インフォームド・コンセント, インフォームド・コンセント, インフォームド・コンセント, インフォームド・コンセントの悪用について検討する。 我々は、捕食的ローン、ギャンブル、およびトレーディングアプリに焦点を当て、50のGoogle Play Storeアプリのデータセットを分析して、重要なプライバシー開示の欠如や難解な数を測定する。 また,低識字率ユーザ間の理解ギャップを目標としたユーザスタディを通じて評価し,Large Language Model(LLM)生成サマリー,翻訳,視覚的手がかりが同意の明確性を向上させるかを評価する。 調査の結果,85%の参加者が基本的アプリ許可を理解できず,規制の強化と拡張性のあるLCMによるプライバシーリテラシーツールの必要性が強調された。

関連論文リスト

• Deep Learning Approaches for Anti-Money Laundering on Mobile Transactions: Review, Framework, and Directions [51.43521977132062]
  マネーロンダリング(英: Money laundering)は、不正資金の起源を隠蔽する金融犯罪である。 モバイル決済プラットフォームとスマートIoTデバイスの普及は、マネーロンダリング対策をかなり複雑にしている。 本稿では,AMLにおけるディープラーニングソリューションとその利用に関する課題について,包括的レビューを行う。
  論文  参考訳（メタデータ） (2025-03-13T05:19:44Z)
• Are We There Yet? Revealing the Risks of Utilizing Large Language Models in Scholarly Peer Review [66.73247554182376]
  大規模言語モデル(LLM)がピアレビューに統合された。 未確認のLLMの採用は、ピアレビューシステムの完全性に重大なリスクをもたらす。 5%のレビューを操作すれば、論文の12%が上位30%のランキングでその地位を失う可能性がある。
  論文  参考訳（メタデータ） (2024-12-02T16:55:03Z)
• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• Rescriber: Smaller-LLM-Powered User-Led Data Minimization for LLM-Based Chatbots [2.2447085410328103]
  Rescriberは、LLMベースの会話エージェントでユーザ主導のデータ最小化をサポートするブラウザエクステンションである。 我々の研究によると、Rescriberはユーザーが不必要な開示を減らし、プライバシー上の懸念に対処するのに役立ちました。 以上の結果から,LLMによる小型ユーザ向けオンデバイスプライバシコントロールの実現可能性が確認された。
  論文  参考訳（メタデータ） (2024-10-10T01:23:16Z)
• CLAMBER: A Benchmark of Identifying and Clarifying Ambiguous Information Needs in Large Language Models [60.59638232596912]
  大規模言語モデル(LLM)を評価するベンチマークであるCLAMBERを紹介する。 分類を基盤として12Kの高品質なデータを構築し, 市販のLCMの強度, 弱点, 潜在的なリスクを評価する。 本研究は, あいまいなユーザクエリの特定と明確化において, 現在のLCMの実用性に限界があることを示唆する。
  論文  参考訳（メタデータ） (2024-05-20T14:34:01Z)
• The Adoption and Efficacy of Large Language Models: Evidence From Consumer Complaints in the Financial Industry [2.300664273021602]
  本研究は、2015年から2024年までの消費者金融保護局に提出された消費者苦情に対するLarge Language Models(LLMs)の効果について検討する。 LLMの利用は、金融機関から救済を受ける可能性の高まりと関連している。
  論文  参考訳（メタデータ） (2023-11-28T04:07:34Z)
• "It's a Fair Game", or Is It? Examining How Users Navigate Disclosure Risks and Benefits When Using LLM-Based Conversational Agents [27.480959048351973]
  大規模言語モデル(LLM)ベースの会話エージェント(CA)の普及は、多くのプライバシー上の懸念を引き起こす。 実世界のChatGPT会話における機密情報開示を分析し,19名のLCMユーザを対象に半構造化インタビューを行った。 LLMベースのCAを使用する場合,ユーザは常に,プライバシやユーティリティ,利便性のトレードオフに直面しています。
  論文  参考訳（メタデータ） (2023-09-20T21:34:36Z)

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。