論文の概要: Identifying Privacy Concerns in Upcoming Software Release: A Peek into the Future

• arxiv url: http://arxiv.org/abs/2604.01393v1
• Date: Wed, 01 Apr 2026 20:51:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:09.97394
• Title: Identifying Privacy Concerns in Upcoming Software Release: A Peek into the Future
• Title（参考訳）: 今後のソフトウェアリリースにおけるプライバシの懸念 - 今後の展望
• Authors: Aurek Chattopadhyay, Nan Niu,
• Abstract要約: 今後リリースされる機能に対するプライバシー上の懸念を要約する新しいアプローチであるPre-PIを紹介する。 私たちは、リリース後のユーザのフィードバックに頼ってプライバシーの懸念を識別する最先端の手法であるHarkと比較した。
• 参考スコア（独自算出の注目度）: 2.379144469644808
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying the features to be released in the next version of software, from a pool of potential candidates, is a challenging problem. User feedback from app stores is frequently used by software vendors for the evolution of apps across releases. Privacy feedback, although smaller in volume, carries a larger impact influencing app's success. Multiple existing work has focused on summarizing privacy concerns at the app level and has also shown that developers utilize feedback to implement security and privacy-related changes in subsequent releases. However, the current literature offers little support for release managers and developers in identifying privacy concerns prior to release. This gap exists as user reviews are typically available in app stores only after new features of a software system is released. In this paper, we introduce Pre-PI, a novel approach that summarizes privacy concerns for to-be-released features. Our method first maps existing features to semantically similar privacy reviews to learn feature-privacy review relations. We then simulate feedback for candidate features and generate concise summaries of privacy concerns. We evaluate Pre-PI across three real-world apps, and compare it with Hark, a state-of-the-art method that relies on post-release user feedback to identify privacy concerns. Results show that Pre-PI generates additional valid privacy concerns and identifies these concerns earlier than Hark, allowing proactive mitigation prior to release.
• Abstract（参考訳）: 潜在的な候補のプールから、次期バージョンのソフトウェアでリリースされる機能を特定することは、難しい問題です。 アプリストアからのユーザフィードバックは、リリース全体にわたるアプリの進化のために、ソフトウェアベンダによって頻繁に使用される。 プライバシフィードバックはボリュームは小さいが、アプリの成功に大きな影響を与える。 複数の既存の作業は、アプリレベルでプライバシの懸念を要約することに重点を置いており、開発者はフィードバックを使用して、その後のリリースでセキュリティやプライバシ関連の変更を実装することも示している。 しかしながら、現在の文献では、リリース前にプライバシに関する懸念を識別する上で、リリースマネージャと開発者にはほとんどサポートを提供していません。 このギャップは,ソフトウェアシステムの新機能のリリース後にのみ,一般的にはユーザレビューがアプリストアで利用可能になるためにある。 本稿では,今後リリースされる機能に対するプライバシの懸念を要約した新しいアプローチであるPre-PIを紹介する。 まず,既存機能を意味的に類似したプライバシレビューにマッピングし,機能プライバシレビューの関係を学習する。 次に、候補機能に対するフィードバックをシミュレートし、プライバシーに関する簡潔な要約を生成する。 3つの現実世界のアプリケーションでPre-PIを評価し、プライバシー上の懸念を識別するためにリリース後のユーザのフィードバックに依存する最先端のメソッドであるHarkと比較した。 その結果、Pre-PIはHarkよりも早く、適切なプライバシー上の懸念を発生させ、これらの懸念を識別し、リリース前に積極的な緩和を可能にすることが示された。

関連論文リスト

• Do Phone-Use Agents Respect Your Privacy? [97.81424230136075]
  我々は,モバイルエージェントのプライバシ行動を評価するための検証可能なフレームワークであるMyPhoneBenchを紹介する。 プライバシを無視する電話を、最小限のプライバシ契約によって許可されたアクセス、最小限の開示、およびユーザ制御メモリとして運用する。 10のモバイルアプリと300のタスクで5つのフロンティアモデルにまたがって、タスクの成功、プライバシに準拠したタスク補完、保存された好みの後での利用が、それぞれ異なる機能であることに気付きました。
  論文  参考訳（メタデータ） (2026-04-01T14:50:50Z)
• Differentially Private Synthetic Data Release for Topics API Outputs [63.79476766779742]
  当社では,Google ChromeのPrivacy Sandboxの一部として,1つのPrivacy-Preserving Ads API – Topics APIに注目しています。 実トピックAPIデータの再識別リスク特性と密に一致した、微分プライベートなデータセットを生成する。 これにより、外部の研究者がAPIを詳細に分析し、現実的な大規模データセットの事前および将来の作業の再現が可能になります。
  論文  参考訳（メタデータ） (2025-06-30T13:46:57Z)
• Privacy Bills of Materials: A Transparent Privacy Information Inventory for Collaborative Privacy Notice Generation in Mobile App Development [23.41168782020005]
  モバイルアプリのプライバシ情報をキャプチャしてコーディネートするための,システマティックなソフトウェアエンジニアリングアプローチであるPriBOMを紹介します。 PriBOMは、透明性中心のプライバシドキュメントと特定のプライバシ通知の作成を促進し、プライバシプラクティスのトレーサビリティと追跡性を可能にする。
  論文  参考訳（メタデータ） (2025-01-02T08:14:52Z)
• 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)
• ATLAS: Automatically Detecting Discrepancies Between Privacy Policies and Privacy Labels [2.457872341625575]
  自動プライバシラベル解析システム(ATLAS)について紹介する。 ATLASは、モバイルアプリのプライバシーポリシーとプライバシーラベルの相違点を特定する。 平均して、アプリには5.32のコンプライアンス上の問題があることがわかっています。
  論文  参考訳（メタデータ） (2023-05-24T05:27:22Z)
• 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)
• Analysis of Longitudinal Changes in Privacy Behavior of Android Applications [79.71330613821037]
  本稿では,プライバシに関して,Androidアプリが時間とともにどのように変化してきたかを検討する。 HTTPSの採用、アプリが他のインストール済みアプリのデバイスをスキャンするかどうか、プライバシに敏感なデータに対するパーミッションの使用、ユニークな識別子の使用について検討する。 アプリがアップデートを受け続けるにつれて、プライバシ関連の振る舞いは時間とともに改善され、アプリによって使用されるサードパーティライブラリが、プライバシに関するより多くの問題に責任を負っていることが分かっています。
  論文  参考訳（メタデータ） (2021-12-28T16:21:31Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)

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。