論文の概要: MaskClaw: Edge-Side Personalized Privacy Arbitration for GUI Agents with Behavior-Driven Skill Evolution
- arxiv url: http://arxiv.org/abs/2605.28646v1
- Date: Wed, 27 May 2026 15:51:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-28 17:38:56.190015
- Title: MaskClaw: Edge-Side Personalized Privacy Arbitration for GUI Agents with Behavior-Driven Skill Evolution
- Title（参考訳）: MaskClaw: 振る舞い駆動スキル進化型GUIエージェントのためのエッジ側パーソナライズされたプライバシアビテーション
- Authors: Yanqiu Zhao, Dongying Zheng, Kaibo Huang, Yukun Wei, Zhongliang Yang, Linna Zhou,
- Abstract要約: MaskClawはGUIエージェントのためのエッジサイドのプライバシー仲裁ツールである。
ローカルな視覚的証拠を抽出し、ユーザとタスク固有のポリシーメモリを取得し、Allow、Mask、Askを決定する。
5つの設計されたスキル進化シナリオでは、修正、キャンセル、編集を再利用可能なプライバシースキルに変える。
- 参考スコア（独自算出の注目度）: 16.45561196198935
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: GUI agents rely on screenshots to infer intent and operate across applications, but these screenshots often contain private messages, medical records, payment credentials, and workplace-specific workflows. Privacy decisions in this setting depend on task, recipient, application state, and user role, yet static PII detectors miss these boundaries and cloud-side VLM reasoning can upload the raw screen before deciding what should be protected. We present MaskClaw, an edge-side privacy arbitrator for GUI agents. MaskClaw extracts local visual evidence, retrieves user- and task-specific policy memory, and decides Allow, Mask, or Ask before raw screenshots leave a trusted user- or organization-controlled environment. In five designed skill-evolution scenarios, it turns corrections, cancellations, and edits into reusable privacy skills checked by a sandbox gate. We introduce P-GUI-Evo, a benchmark built from real UI patterns, reconstructed HTML screens, and sanitized labels. Experiments show that pattern matching, cloud reasoning, and routing alone tend to over-confirm, over-mask, or expose raw screenshots under the same protocol. The artifact is available at https://github.com/Theodora-Y/MaskClaw.
- Abstract（参考訳）: GUIエージェントは、意図を推測し、アプリケーション間で操作するためにスクリーンショットに依存するが、これらのスクリーンショットには、プライベートメッセージ、医療記録、支払い証明書、職場固有のワークフローが含まれることが多い。
この設定でのプライバシー決定は、タスク、受信者、アプリケーション状態、ユーザロールに依存するが、静的なPII検出器はこれらの境界を見逃し、クラウドサイドのVLM推論は、何が保護されるべきかを判断する前に、生のスクリーンをアップロードすることができる。
GUIエージェントのためのエッジサイドプライバシ調停器であるMaskClawを紹介する。
MaskClawは、ローカルな視覚的証拠を抽出し、ユーザやタスク固有のポリシーメモリを検索し、生のスクリーンショットが信頼されたユーザや組織が管理する環境を離れる前に、Allow、Mask、Askを決定する。
5つの設計されたスキル進化シナリオでは、修正、キャンセル、編集をサンドボックスゲートでチェックされた再利用可能なプライバシースキルに変える。
P-GUI-Evoは、実際のUIパターン、再構築されたHTML画面、衛生ラベルから構築されたベンチマークである。
実験によると、パターンマッチング、クラウド推論、ルーティングだけでは、オーバー確認、オーバーマスク、あるいは同じプロトコルで生のスクリーンショットを公開する傾向がある。
アーティファクトはhttps://github.com/Theodora-Y/MaskClaw.comで公開されている。
関連論文リスト
- KnowU-Bench: Towards Interactive, Proactive, and Personalized Mobile Agent Evaluation [72.01173512175531]
KnowU-Benchはパーソナライズされたモバイルエージェントのためのオンラインベンチマークである。
42のGUIタスク、86のパーソナライズされたタスク、64のプロアクティブタスクをカバーしている。
明示的なタスク実行に優れるエージェントは、あいまいな指示の下で50%以下に低下する。
論文 参考訳（メタデータ） (2026-04-09T16:50:50Z) - PRIVATEEDIT: A Privacy-Preserving Pipeline for Face-Centric Generative Image Editing [39.82402524402139]
生成画像編集は、プロのヘッドショット生成からアバタースタイリゼーションまで、変換可能なアプリケーションを可能にする。
これらのシステムは、しばしば高忠実な顔画像をサードパーティのモデルにアップロードすることを必要とし、生体認証のプライバシー、データ誤用、ユーザーの同意に関する懸念を提起する。
我々は,顔中心のユースケースで生体データを制御しながら,高品質な編集をサポートするプライバシー保護パイプラインを提案する。
論文 参考訳（メタデータ） (2026-03-03T18:27:51Z) - Anonymization-Enhanced Privacy Protection for Mobile GUI Agents: Available but Invisible [12.742325129012576]
Mobile Graphical User Interface (GUI)エージェントは、複雑なスマートフォンタスクを自動化する強力な機能を示している。
本稿では,機密データへのアクセスの原則を強制する匿名化に基づくプライバシー保護フレームワークを提案する。
本システムは,PII認識モデルを用いてセンシティブなUIコンテンツを検出し,それを決定論的型保存プレースホルダーに置き換える。
論文 参考訳（メタデータ） (2026-02-08T15:50:04Z) - GUIGuard: Toward a General Framework for Privacy-Preserving GUI Agents [38.42792282309646]
GUIはよりリッチでアクセスしやすいプライベート情報を公開し、プライバシーリスクはシーケンシャルなシーンにわたるインタラクションの軌跡に依存する。
本稿では,プライバシ認識,プライバシ保護,保護下のタスク実行という,プライバシ保護GUIエージェントのための3段階フレームワークを提案する。
この結果は,GUIエージェントにとって重要なボトルネックとして,プライバシ認識に注目した。
論文 参考訳（メタデータ） (2026-01-26T11:33:40Z) - Activity Recognition on Avatar-Anonymized Datasets with Masked Differential Privacy [64.32494202656801]
プライバシを保存するコンピュータビジョンは、機械学習と人工知能において重要な問題である。
本稿では,ビデオデータセット中の感性のある被験者を文脈内の合成アバターに置き換える匿名化パイプラインを提案する。
また、匿名化されていないがプライバシーに敏感な背景情報を保護するため、MaskDPを提案する。
論文 参考訳（メタデータ） (2024-10-22T15:22:53Z) - Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。
具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。
本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
論文 参考訳（メタデータ） (2023-09-11T09:26:07Z) - Hiding Visual Information via Obfuscating Adversarial Perturbations [47.315523613407244]
本稿では,データの視覚的プライバシを保護するために,敵対的な視覚情報隠蔽手法を提案する。
具体的には、データの視覚情報を隠蔽する難読化対向摂動を生成する。
認識・分類タスクの実験結果から,提案手法が視覚情報を効果的に隠蔽できることが示唆された。
論文 参考訳（メタデータ） (2022-09-30T08:23:26Z) - OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。
本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。
提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
論文 参考訳（メタデータ） (2022-05-24T11:29:37Z) - 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)
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。