Fugu-MT 論文翻訳(概要): MANA: Towards Efficient Mobile Ad Detection via Multimodal Agentic UI Navigation

論文の概要: MANA: Towards Efficient Mobile Ad Detection via Multimodal Agentic UI Navigation

arxiv url: http://arxiv.org/abs/2603.20351v1
Date: Fri, 20 Mar 2026 12:19:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-24 19:11:38.858938
Title: MANA: Towards Efficient Mobile Ad Detection via Multimodal Agentic UI Navigation
Title（参考訳）: MANA:マルチモーダルエージェントUIナビゲーションによる効率的なモバイル広告検出を目指して
Abstract要約: 本稿では,モバイル広告検出のためのエージェント型マルチモーダル推論フレームワークであるMANAを紹介する。我々は200以上の商用スマートフォン上でMANAを実装し評価し、最先端の精度と効率を達成する。
参考スコア（独自算出の注目度）: 28.21505173665395
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Mobile advertising dominates app monetization but introduces risks ranging from intrusive user experience to malware delivery. Existing detection methods rely either on static analysis, which misses runtime behaviors, or on heuristic UI exploration, which struggles with sparse and obfuscated ads. In this paper, we present MANA, the first agentic multimodal reasoning framework for mobile ad detection. MANA integrates static, visual, temporal, and experiential signals into a reasoning-guided navigation strategy that determines not only how to traverse interfaces but also where to focus, enabling efficient and robust exploration. We implement and evaluate MANA on commercial smartphones over 200 apps, achieving state-of-the-art accuracy and efficiency. Compared to baselines, it improves detection accuracy by 30.5%-56.3% and reduces exploration steps by 29.7%-63.3%. Case studies further demonstrate its ability to uncover obfuscated and malicious ads, underscoring its practicality for mobile ad auditing and its potential for broader runtime UI analysis (e.g., permission abuse). Code and dataset are available at https://github.com/MANA-2026/MANA.
Abstract（参考訳）: モバイル広告はアプリの収益化を支配しているが、侵入的なユーザー体験からマルウェアの配信まで幅広いリスクが伴う。既存の検出方法は、実行時の動作を見逃す静的解析や、スパースで難解な広告に苦労するヒューリスティックなUI探索に依存する。本稿では,モバイル広告検出のためのエージェント型マルチモーダル推論フレームワークであるMANAを提案する。 MANAは静的、視覚的、時間的、経験的な信号を推論誘導のナビゲーション戦略に統合し、インターフェイスをどう横断するかだけでなく、どこにフォーカスするかを判断し、効率的で堅牢な探索を可能にする。我々は200以上の商用スマートフォン上でMANAを実装し評価し、最先端の精度と効率を達成する。ベースラインと比較して、検出精度は30.5%-56.3%向上し、探査工程を29.7%-63.3%削減している。ケーススタディでは、不正で悪意のある広告を発見でき、モバイル広告監査の実用性と、より広範なランタイムUI分析(例えば、パーミッション乱用)の可能性を強調している。コードとデータセットはhttps://github.com/MANA-2026/MANAで入手できる。

関連論文リスト

When Ad Networks Misbehave: Understanding Risks of Semi-Drive-By Splash Ads [13.802323882269995]
我々はモバイル・スプラッシュ広告のエコシステムを調査し、収益化はエンドツーエンドの検証が難しいインタラクション・シグナルに依存している。広告ネットワーク層では、意図的なユーザーアクションではなく、インシデントや間接的なインタラクションによって広告がトリガーされる。非Adインタラクションを請求可能なエンゲージメントイベントに変換することで、広告ネットワークはパフォーマンス指標を拡大し、広告主に過給し、ユーザの信頼を損なうことができる。
論文参考訳（メタデータ） (2026-09-09T00:54:43Z)
SPIEval: Evaluating Large Language Models as Mobile Assistants over Scattered Personal Information [61.41881137371855]
大規模言語モデル(LLM)のベンチマークであるSPIEvalを紹介する。 SPIEvalは、10のアプリに分散された4,335の個人レコードにまたがる250のタスクで構成され、21のツールによるマルチターンインタラクションをサポートする。最高のパフォーマンスモデルであるGPT-5.5(xhigh)は57.3%の精度しか達成せず、最も弱いモデルは16.4%である。
論文参考訳（メタデータ） (2026-08-11T09:14:53Z)
Expecting (Targeted Ads)? Network Analysis of User Health Data Leakage in Fertility Tracking Apps [9.426024604008406]
Google Play Storeから20のAndroid肥大追跡アプリのコーパスをネットワークベースで測定する。ユーザの健康データの明示的な漏洩と,高度にターゲットされたコンテキスト広告URLによる暗黙的な漏洩を識別する。これらの発見は、広範囲にわたるユーザの懸念に対する技術的根拠を提供すると同時に、アプリベースの肥大度追跡のプライバシーへの影響における消費者選択の重要性を浮き彫りにしている。
論文参考訳（メタデータ） (2026-06-24T18:17:04Z)
From UI to Code: Mobile Ads Detection via LLM-Unified Static-Dynamic Analysis [21.13861921564872]
ADWISEは、モバイル広告検出をLLM誘導、広告指向UI探索として定式化するフレームワークである。 ADWISEは、まず静的なプログラム分析を行い、広告の配置に使用されるUIウィジェットを特定します。 ADWISEは広告ウィジェットの検出において最先端のベースラインを25.60%上回っている。
論文参考訳（メタデータ） (2026-04-04T03:04:03Z)
CovAgent: Overcoming the 30% Curse of Mobile Application Coverage with Agentic AI and Dynamic Instrumentation [10.80010959571188]
CovAgentは、AndroidアプリのUIテストを強化するためのエージェントAIを使った新しいアプローチである。我々のフレームワークは、最先端のLLMDroidよりもテストカバレッジが大幅に向上する。 CovAgentはクラス、メソッド、ラインカバレッジなど、他のメトリクスのベースラインよりも優れています。
論文参考訳（メタデータ） (2026-01-29T04:21:11Z)
Mobile-Agent-V: A Video-Guided Approach for Effortless and Efficient Operational Knowledge Injection in Mobile Automation [53.54951412651823]
Mobile-Agent-Vは、動画をガイドツールとして活用し、モバイル自動化プロセスに運用知識を強制的かつ効率的に注入する革新的なフレームワークである。ビデオコンテンツから直接知識を抽出することにより、Mobile-Agent-Vは手作業による介入を排除し、知識獲得に必要な労力と時間を著しく削減する。実験の結果, Mobile-Agent-Vは既存手法に比べて36%向上した。
論文参考訳（メタデータ） (2025-05-20T03:48:19Z)
Mobile-Agent-V: A Video-Guided Approach for Effortless and Efficient Operational Knowledge Injection in Mobile Automation [53.54951412651823]
Mobile-Agent-Vは、動画をガイドツールとして活用し、モバイル自動化プロセスに運用知識を強制的かつ効率的に注入する革新的なフレームワークである。ビデオコンテンツから直接知識を抽出することにより、Mobile-Agent-Vは手作業による介入を排除し、知識獲得に必要な労力と時間を著しく削減する。実験の結果, Mobile-Agent-Vは既存手法に比べて36%向上した。
論文参考訳（メタデータ） (2025-02-24T12:51:23Z)
Auto-Intent: Automated Intent Discovery and Self-Exploration for Large Language Model Web Agents [68.22496852535937]
本稿では,事前訓練された大規模言語モデル(LLM)を,直接微調整なしで対象ドメインのエージェントとして適用する手法であるAuto-Intentを紹介する。提案手法はまず,対象領域の実証から意図を教師なしで発見する。我々は、エージェントの過去の観察と行動から次の意図を予測するために、意図予測器を訓練する。
論文参考訳（メタデータ） (2024-10-29T21:37:04Z)
AppPoet: Large Language Model based Android malware detection via multi-view prompt engineering [1.3197408989895103]
AppPoetは、Androidマルウェア検出のためのマルチビューシステムである。本手法は, 検出精度97.15%, F1スコア97.21%であり, ベースライン法よりも優れている。
論文参考訳（メタデータ） (2024-04-29T15:52:45Z)
Mask Off: Analytic-based Malware Detection By Transfer Learning and Model Personalization [7.717537870226507]
分析に基づくディープニューラルネットワーク,Android Malware Detection (ADAM) 本稿では,解析に基づくディープニューラルネットワーク,Android Malware Detection (ADAM)を提案する。
論文参考訳（メタデータ） (2022-11-20T01:52:15Z)
Domain and Modality Gaps for LiDAR-based Person Detection on Mobile Robots [91.01747068273666]
本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
論文参考訳（メタデータ） (2021-06-21T16:35:49Z)
Active Visual Information Gathering for Vision-Language Navigation [115.40768457718325]
視覚言語ナビゲーション(VLN)は、エージェントがフォトリアリスティックな環境の中でナビゲーションの指示を行うためのタスクである。 VLNの重要な課題の1つは、曖昧な指示による不確実性を緩和し、環境の観察を不十分にすることで、堅牢なナビゲーションを行う方法である。この研究は、人間のナビゲーション行動からインスピレーションを得て、よりインテリジェントなVLNポリシーのためのアクティブな情報収集能力を持つエージェントを提供する。
論文参考訳（メタデータ） (2020-07-15T23:54:20Z)

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。