論文の概要: mopri - An Analysis Framework for Unveiling Privacy Violations in Mobile Apps

• arxiv url: http://arxiv.org/abs/2602.03671v1
• Date: Tue, 03 Feb 2026 15:52:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.553629
• Title: mopri - An Analysis Framework for Unveiling Privacy Violations in Mobile Apps
• Title（参考訳）: mopri - モバイルアプリのプライバシ違反を回避するための分析フレームワーク
• Authors: Cornell Ziepel, Stephan Escher, Sebastian Rehms, Stefan Köpsell,
• Abstract要約: mopriは、包括的な、適応性があり、ユーザ中心のアプローチを通じて、モバイルアプリの振る舞いを分析するために設計された概念的なフレームワークである。 動的トラフィック記録と復号化のためのロバストな手法を採用しながら、許可と追跡ライブラリを効果的に抽出するプロトタイプが開発されている。
• 参考スコア（独自算出の注目度）: 0.24249102011714066
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Everyday services of society increasingly rely on mobile applications, resulting in a conflicting situation between the possibility of participation on the one side and user privacy and digital freedom on the other. In order to protect users' rights to informational self-determination, regulatory approaches for the collection and processing of personal data have been developed, such as the EU's GDPR. However, inspecting the compliance of mobile apps with privacy regulations remains difficult. Thus, in order to enable end users and enforcement bodies to verify and enforce data protection compliance, we propose mopri, a conceptual framework designed for analyzing the behavior of mobile apps through a comprehensive, adaptable, and user-centered approach. Recognizing the gaps in existing frameworks, mopri serves as a foundation for integrating various analysis tools into a streamlined, modular pipeline that employs static and dynamic analysis methods. Building on this concept, a prototype has been developed which effectively extracts permissions and tracking libraries while employing robust methods for dynamic traffic recording and decryption. Additionally, it incorporates result enrichment and reporting features that enhance the clarity and usability of the analysis outcomes. The prototype showcases the feasibility of a holistic and modular approach to privacy analysis, emphasizing the importance of continuous adaptation to the evolving challenges presented by the mobile app ecosystem.
• Abstract（参考訳）: 社会のサービスはモバイルアプリケーションにますます依存しているため、一方が参加する可能性と他方がユーザのプライバシとデジタル自由の相違が生じている。 情報の自己決定に対するユーザの権利を保護するため、EUのGDPRのような個人データの収集と処理に関する規制アプローチが開発されている。 しかし、プライバシ規制によるモバイルアプリのコンプライアンスの検査は依然として困難である。 したがって、エンドユーザーや機関がデータ保護のコンプライアンスを検証・実施できるようにするために、我々は、総合的で適応的でユーザ中心のアプローチでモバイルアプリの動作を分析するために設計された概念的フレームワークであるmopriを提案する。 既存のフレームワークのギャップを認識したmopriは、さまざまな分析ツールを、静的および動的解析手法を使用した合理化モジュールパイプラインに統合する基盤として機能する。 この概念に基づいて、動的トラフィック記録と復号化のためのロバストな手法を用いて、許可と追跡ライブラリを効果的に抽出するプロトタイプが開発された。 さらに、分析結果の明快さとユーザビリティを高める結果の充実とレポート機能も組み込まれている。 このプロトタイプは、プライバシー分析に対する全体的かつモジュール化されたアプローチの実現可能性を示し、モバイルアプリエコシステムがもたらす課題への継続的適応の重要性を強調している。

関連論文リスト

• 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)
• Adversary-Aware Private Inference over Wireless Channels [51.93574339176914]
  ワイヤレスエッジデバイスにおけるAIベースのセンシングは、人工知能(AI)アプリケーションを大幅に強化する可能性がある。 機密性の高い個人情報は敵によって再構築できるため、プライバシー侵害のリスクを軽減するために特徴の変換が必要である。 本稿では,デバイスがモデルサーバに送信する前に抽出した特徴の変換を適用する,プライバシ保護型AIベースセンシングのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-23T13:02:14Z)
• Bridging the Mobile Trust Gap: A Zero Trust Framework for Consumer-Facing Applications [51.56484100374058]
  本稿では,信頼できないユーザ制御環境で動作するモバイルアプリケーションを対象としたZero Trustモデルを提案する。 デザインサイエンスの方法論を用いて、この研究は、実行時の信頼の強制をサポートする6つのピラーフレームワークを導入した。 提案したモデルは,デプロイ前コントロールを越えてモバイルアプリケーションをセキュアにするための,実用的で標準に準拠したアプローチを提供する。
  論文  参考訳（メタデータ） (2025-08-20T18:42:36Z)
• Unveiling Privacy Policy Complexity: An Exploratory Study Using Graph Mining, Machine Learning, and Natural Language Processing [0.13124513975412253]
  本研究では、ユーザによるプライバシーポリシーの理解を高めるために、インタラクティブなグラフ可視化の可能性について検討する。 ユーザアクティビティやデバイス情報といった重要なテーマを識別するために,グラフマイニングアルゴリズムを採用している。 その結果,グラフベースのクラスタリングにより,ポリシー内容の解釈性が向上することがわかった。
  論文  参考訳（メタデータ） (2025-06-30T14:55:57Z)
• Private Transformer Inference in MLaaS: A Survey [17.38462391595219]
  プライベートトランスフォーマー推論(Private Transformer Inference, PTI)は、暗号技術を利用したソリューションである。 本稿では、最近のPTIの進歩を概観し、最先端のソリューションと課題を明らかにする。
  論文  参考訳（メタデータ） (2025-05-15T14:00:19Z)
• Autonomous Identity-Based Threat Segmentation in Zero Trust Architectures [4.169915659794567]
  Zero Trust Architectures (ZTA) は,"信頼せず,すべてを検証する" アプローチを採用することで,ネットワークセキュリティを根本的に再定義する。 本研究は、ZTAにおけるAI駆動型、自律型、アイデンティティベースの脅威セグメンテーションに適用する。
  論文  参考訳（メタデータ） (2025-01-10T15:35:02Z)
• PAPAYA Federated Analytics Stack: Engineering Privacy, Scalability and Practicality [5.276674920508729]
  Cross-Device Federated Analytics (FA)は、分析クエリに回答し、ユーザのデバイス上でローカルに保持されたデータから洞察を引き出すように設計された分散計算パラダイムである。 FAの幅広い関連性にもかかわらず、既存のFAシステムの適用性は、妥協された正確さ、データ分析の柔軟性の欠如、効果的にスケールできないことによって制限されている。 プライバシ、スケーラビリティ、実用性を組み合わせて、これらの制限を克服したシステムを構築し、デプロイするアプローチについて説明します。
  論文  参考訳（メタデータ） (2024-12-03T10:03:12Z)
• PriRoAgg: Achieving Robust Model Aggregation with Minimum Privacy Leakage for Federated Learning [49.916365792036636]
  フェデレートラーニング(FL)は、大規模分散ユーザデータを活用する可能性から、最近大きな勢いを増している。 送信されたモデル更新は、センシティブなユーザ情報をリークする可能性があり、ローカルなトレーニングプロセスの集中的な制御の欠如は、モデル更新に対する悪意のある操作の影響を受けやすいグローバルモデルを残します。 我々は、Lagrange符号化計算と分散ゼロ知識証明を利用した汎用フレームワークPriRoAggを開発し、集約されたプライバシを満たすとともに、幅広いロバストな集約アルゴリズムを実行する。
  論文  参考訳（メタデータ） (2024-07-12T03:18:08Z)
• Unsupervised Model Personalization while Preserving Privacy and Scalability: An Open Problem [55.21502268698577]
  本研究では,非教師なしモデルパーソナライゼーションの課題について検討する。 この問題を探求するための新しいDual User-Adaptation Framework(DUA)を提供する。 このフレームワークは、サーバ上のモデルパーソナライズとユーザデバイス上のローカルデータ正規化に柔軟にユーザ適応を分散させる。
  論文  参考訳（メタデータ） (2020-03-30T09:35:12Z)

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。