論文の概要: Listen to the Voices of Everyday Users: Democratizing Privacy Ratings for Sensitive Data Access in Mobile Apps

• arxiv url: http://arxiv.org/abs/2604.24066v1
• Date: Mon, 27 Apr 2026 05:47:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.756767
• Title: Listen to the Voices of Everyday Users: Democratizing Privacy Ratings for Sensitive Data Access in Mobile Apps
• Title（参考訳）: 毎日のユーザの声を聞く: モバイルアプリにおける機密データアクセスのためのプライバシレーティングを民主化する
• Authors: Liu Wang, Tianshu Zhou, Haoyu Wang, Yi Wang,
• Abstract要約: モバイルアプリは頻繁に過剰なデータアクセスを要求し、プライバシー上の懸念を生じさせる。 既存の規制メカニズムは、スケーラビリティ、中立性、ユーザの期待と整合性といった課題に直面している専門家主導の監査に依存しています。 本稿では,ユーザ中心のプライバシ知覚に関する先行研究に触発された,プライバシー評価の民主化という新たなパラダイムを提案する。
• 参考スコア（独自算出の注目度）: 8.301057281097679
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Mobile apps frequently request excessive data access, raising significant privacy concerns. While regulations like GDPR emphasize data minimization, they provide limited guidance on concretely defining and enforcing necessary data access. Existing regulatory mechanisms primarily rely on expert-driven audits that face challenges in scalability, neutrality, and alignment with user expectations. In this paper, we propose a novel paradigm--democratizing privacy assessment, inspired by prior work on user-centric privacy perceptions--which repositions users as active evaluators in the privacy auditing process, recognizing that user perceptions of data usage play a crucial role in assessing the appropriateness and necessity of data access. To operationalize this paradigm, we introduce DePRa, a prototype system developed through participatory design, featuring contextual explanation provision, category-based representative selection, an intuitive rating interface, and preference-based rating adjustment. We evaluated DePRa with 200 everyday mobile app users, analyzing how effectively it captures user opinions on sensitive data access, comparing their privacy ratings with expert assessments, and exploring risk preference-based score calibration. Our findings show the feasibility and promise of democratized privacy assessment, highlighting its potential to complement expert auditing and support inclusive privacy evaluation.
• Abstract（参考訳）: モバイルアプリは頻繁に過剰なデータアクセスを要求し、プライバシー上の懸念を生じさせる。 GDPRのような規制はデータの最小化を強調するが、必要なデータアクセスを具体的に定義し、強制するための限定的なガイダンスを提供する。 既存の規制メカニズムは、主に、スケーラビリティ、中立性、ユーザの期待の一致といった課題に直面している専門家主導の監査に依存しています。 本稿では,プライバシ監査プロセスにおいてユーザをアクティブな評価対象として位置づける,ユーザ中心のプライバシ知覚に関する先行研究から着想を得た,新たなパラダイム・デモクラタイズ・プライバシアセスメントを提案する。 このパラダイムを運用するために,参加型設計によって開発されたプロトタイプシステムであるDePRaを紹介した。 我々は,DePRaを毎日200人のモバイルアプリユーザで評価し,機密データアクセスに関するユーザの意見を効果的に捉え,プライバシ評価と専門家評価を比較し,リスク優先ベースのスコアキャリブレーションを探索した。 今回の調査結果は、専門家による監査を補完し、包括的プライバシー評価をサポートする可能性を強調し、民主化されたプライバシーアセスメントの実現可能性と将来性を示している。

関連論文リスト

• Challenges in Enabling Private Data Valuation [17.450381366291754]
  データアセスメント手法は、個々のトレーニング例がモデルの振る舞いにどのように貢献するかを定量化する。 評価スコアは、個人のデータがトレーニングに含まれていたか、異常な影響があったか、あるいはプロプライエタリなデータセットにどのような機密パターンが存在するかを明らかにすることができる。 プライバシーは基本的に、差分プライバシー(DP)の下でのバリュエーションユーティリティーと緊張関係にある
  論文  参考訳（メタデータ） (2026-02-27T22:21:14Z)
• RecPS: Privacy Risk Scoring for Recommender Systems [14.700807572189412]
  インタラクションとユーザレベルでのプライバシリスクを測定するために,MIAベースのプライバシスコア手法であるRecPSを提案する。 重要なコンポーネントは相互作用レベルMIAメソッドRecLiRAであり、高品質なメンバシップ推定を提供する。
  論文  参考訳（メタデータ） (2025-07-24T12:46:30Z)
• Collection, usage and privacy of mobility data in the enterprise and public administrations [55.2480439325792]
  個人のプライバシーを守るためには、匿名化などのセキュリティ対策が必要である。 本研究では,現場における実践の洞察を得るために,専門家によるインタビューを行った。 我々は、一般的には最先端の差分プライバシー基準に準拠しない、使用中のプライバシー強化手法を調査した。
  論文  参考訳（メタデータ） (2024-07-04T08:29:27Z)
• Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning [62.224804688233]
  差分プライバシ(DP)は、モデルが特定のプライバシユニットで「ほとんど区別できない」ことを保証することで、有望なソリューションを提供する。 ユーザ間でのプライバシー保護の確保に必要なアプリケーションによって動機づけられたユーザレベルのDPについて検討する。
  論文  参考訳（メタデータ） (2024-06-20T13:54:32Z)
• Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
  アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。 アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。 本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
  論文  参考訳（メタデータ） (2024-04-19T16:45:50Z)
• User Consented Federated Recommender System Against Personalized Attribute Inference Attack [55.24441467292359]
  本稿では,ユーザの異なるプライバシーニーズを柔軟に満たすために,ユーザ合意型フェデレーションレコメンデーションシステム(UC-FedRec)を提案する。 UC-FedRecは、ユーザーが様々な要求を満たすためにプライバシー設定を自己定義し、ユーザーの同意を得てレコメンデーションを行うことを可能にする。
  論文  参考訳（メタデータ） (2023-12-23T09:44:57Z)
• A Randomized Approach for Tight Privacy Accounting [63.67296945525791]
  推定検証リリース(EVR)と呼ばれる新しい差分プライバシーパラダイムを提案する。 EVRパラダイムは、まずメカニズムのプライバシパラメータを推定し、その保証を満たすかどうかを確認し、最後にクエリ出力を解放する。 我々の実証的な評価は、新たに提案されたEVRパラダイムが、プライバシ保護機械学習のユーティリティプライバシトレードオフを改善することを示している。
  論文  参考訳（メタデータ） (2023-04-17T00:38:01Z)
• Leveraging Privacy Profiles to Empower Users in the Digital Society [7.350403786094707]
  市民のプライバシーと倫理は、ますますデジタル化されつつある社会によってもたらされる懸念の中核にある。 我々は、フィットネス領域から収集された既存のデータセットに関する実証的研究を通じて、プライバシの次元に注目し、上記の方向のステップに貢献する。 その結果、セマンティック駆動型質問のコンパクトなセットは、複雑なドメイン依存質問よりもユーザを識別するのに役立つことがわかった。
  論文  参考訳（メタデータ） (2022-04-01T15:31:50Z)

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。