論文の概要: Challenges in Android Data Disclosure: An Empirical Study
- arxiv url: http://arxiv.org/abs/2601.20459v1
- Date: Wed, 28 Jan 2026 10:33:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-29 15:46:06.894152
- Title: Challenges in Android Data Disclosure: An Empirical Study
- Title（参考訳）: Androidデータ開示の課題:実証研究
- Authors: Mugdha Khedkar, Michael Schlichtig, Mohamed Soliman, Eric Bodden,
- Abstract要約: 本稿では,Google Play Storeのデータセーフティセクション(DSS)形式の開発者エクスペリエンスを理解するために,実証的なアプローチを採用する。
プライバシー関連のデータをDSSカテゴリに分類する方法を理解するために、まず41人のAndroid開発者を調査しました。
我々はこの調査を172人のオンライン開発者ディスカッションの分析で補完し、642人の追加開発者の視点を捉えた。
- 参考スコア（独自算出の注目度）: 7.011407021531348
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current legal frameworks enforce that Android developers accurately report the data their apps collect. However, large codebases can make this reporting challenging. This paper employs an empirical approach to understand developers' experience with Google Play Store's Data Safety Section (DSS) form. We first survey 41 Android developers to understand how they categorize privacy-related data into DSS categories and how confident they feel when completing the DSS form. To gain a broader and more detailed view of the challenges developers encounter during the process, we complement the survey with an analysis of 172 online developer discussions, capturing the perspectives of 642 additional developers. Together, these two data sources represent insights from 683 developers. Our findings reveal that developers often manually classify the privacy-related data their apps collect into the data categories defined by Google-or, in some cases, omit classification entirely-and rely heavily on existing online resources when completing the form. Moreover, developers are generally confident in recognizing the data their apps collect, yet they lack confidence in translating this knowledge into DSS-compliant disclosures. Key challenges include issues in identifying privacy-relevant data to complete the form, limited understanding of the form, and concerns about app rejection due to discrepancies with Google's privacy requirements. These results underscore the need for clearer guidance and more accessible tooling to support developers in meeting privacy-aware reporting obligations.
- Abstract（参考訳）: 現在の法的枠組みでは、Android開発者はアプリが収集したデータを正確に報告しなければならない。
しかし、大規模なコードベースは、このレポートを難しくする可能性がある。
本稿では,Google Play Storeのデータセーフティセクション(DSS)形式の開発者エクスペリエンスを理解するために,実証的なアプローチを採用する。
まず、41人のAndroid開発者を対象に、プライバシ関連のデータをDSSカテゴリに分類し、DSSフォームを完成させたときの自信について調査した。
プロセス中に開発者が直面する課題について、より広くより詳細なビューを得るために、調査を172人のオンライン開発者ディスカッションの分析で補完し、642人の追加開発者の視点を捉えます。
これら2つのデータソースは、683人の開発者からの洞察を表している。
私たちの調査結果によると、開発者は、アプリが収集したプライバシー関連のデータを、Googleによって定義されたデータカテゴリに手動で分類することが多い。
さらに、開発者は一般的に、アプリが収集したデータを認識することに自信を持っていますが、この知識をDSS準拠の開示に翻訳する自信がありません。
主な課題は、フォームを完了するためのプライバシ関連データを特定する際の問題、フォームの限定的な理解、Googleのプライバシ要件との相違によるアプリの拒絶に関する懸念である。
これらの結果は、開発者がプライバシーに配慮した報告義務を満たすのを支援するために、より明確なガイダンスとよりアクセスしやすいツールの必要性を浮き彫りにしている。
関連論文リスト
- 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) - WebExplorer: Explore and Evolve for Training Long-Horizon Web Agents [57.203515352080295]
本稿では,モデルに基づく探索と反復的,長短のクエリ進化を用いた体系的データ生成手法であるWebExplorerを紹介する。
我々のモデルは、128Kのコンテキスト長と最大100のツール呼び出しスイッチをサポートし、長期の問題解決を可能にします。
8Bサイズのモデルとして、WebExplorer-8Bは、RLトレーニング後の平均16ターンを効果的に探索することができる。
論文 参考訳（メタデータ） (2025-09-08T10:07:03Z) - MAGPIE: A dataset for Multi-AGent contextual PrIvacy Evaluation [54.410825977390274]
LLMエージェントのコンテキストプライバシを評価するための既存のベンチマークは、主にシングルターン、低複雑さタスクを評価する。
まず、15ドメインにわたる158のリアルタイムハイテイクシナリオからなるベンチマーク-MAGPIEを示す。
次に、コンテキスト的にプライベートなデータに対する理解と、ユーザのプライバシを侵害することなくコラボレーションする能力に基づいて、最先端のLCMを評価します。
論文 参考訳（メタデータ） (2025-06-25T18:04:25Z) - Privacy-Preserving Federated Embedding Learning for Localized Retrieval-Augmented Generation [60.81109086640437]
我々はFedE4RAG(Federated Retrieval-Augmented Generation)と呼ばれる新しいフレームワークを提案する。
FedE4RAGはクライアント側RAG検索モデルの協調トレーニングを容易にする。
モデルパラメータの保護にフェデレート学習の準同型暗号化を適用する。
論文 参考訳（メタデータ） (2025-04-27T04:26:02Z) - Visualizing Privacy-Relevant Data Flows in Android Applications [5.367301239087641]
SliceVizは、バックエンドのソースコードで検出されたすべてのプライバシ関連データソースをスライスすることで、Androidアプリを分析するツールである。
SliceVizは,Androidアプリのプライバシ関連プロパティを効果的に識別する上で有効であることを示す12人の参加者を対象に,ユーザスタディを実施した。
論文 参考訳（メタデータ） (2025-03-20T18:47:02Z) - Assessing Privacy Compliance of Android Third-Party SDKs [16.975384208528972]
サードパーティのソフトウェア開発キット(SDK)は、Androidアプリ開発で広く採用されている。
この利便性は、ユーザのプライバシに敏感な情報への不正アクセスに関するかなりの懸念を引き起こす。
当社の研究では,AndroidサードパーティSDK間のユーザプライバシ保護を対象とする分析を行っている。
論文 参考訳（メタデータ） (2024-09-16T15:44:43Z) - Do Android App Developers Accurately Report Collection of Privacy-Related Data? [5.863391019411233]
欧州連合(EU)の一般保護規則は、ベンダーに対し、アプリが収集したデータを忠実に開示するよう求めている。
多くのAndroidアプリは、同じ情報のためにサードパーティのコードを使用するが、すぐには利用できない。
プライバシ関連のデータの多層的定義を最初に公開し,Androidアプリのコレクションを正しくレポートする。
次にプライバシに敏感なデータクラスのデータセットを作成して,Androidアプリの入力として使用します。
論文 参考訳（メタデータ） (2024-09-06T10:05:45Z) - Unpacking Privacy Labels: A Measurement and Developer Perspective on
Google's Data Safety Section [23.183167991569352]
本稿では,定量的および定性的手法を用いて,Googleのデータ安全セクション(DSS)の包括的解析を行う。
報告されたプラクティスには内部的な矛盾があることが分かりました。
次に、DSSの縦断的研究を行い、報告されたプラクティスが時間の経過とともにどのように進化するかを考察する。
論文 参考訳（メタデータ） (2023-06-13T20:01:08Z)
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。