論文の概要: Disclosure Divergence: Measuring Privacy Policy and Data Safety Misalignment at Scale

• arxiv url: http://arxiv.org/abs/2607.14442v1
• Date: Thu, 16 Jul 2026 00:34:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.938456
• Title: Disclosure Divergence: Measuring Privacy Policy and Data Safety Misalignment at Scale
• Title（参考訳）: 開示の多様性: 大規模におけるプライバシポリシとデータ安全性の相違の測定
• Abstract要約: アプリケーションごとの一貫性とカテゴリごとの一貫性を測定し、高リスクデータ型を強調する感度重み付けリスクスコアを導入します。 誤認識は個人情報やデバイス識別子などのセンシティブなカテゴリに大きく影響し,共有開示は収集開示よりも一貫性が低いことが判明した。 本研究は,現在の公開メカニズムにおける構造的ギャップを浮き彫りにし,プラットフォームレベルのプライバシレポートにおいて,より強固な検証と透明性の必要性を浮き彫りにしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid growth of mobile applications, user data privacy has become an increasing concern. While privacy policies describe how apps collect and share data, platforms such as Google Play provide Data Safety labels intended to summarize these practices. Because these disclosure channels are declared separately, they may present inconsistent representations of app data practices, creating uncertainty for users and regulators. In this work, we conducted a large-scale empirical study of disclosure consistency across 6,051 Android apps. Using an LLM-based extraction framework and a unified schema over 14 Google Play data categories and two operations (collection and sharing), we measure per-app and per-category consistency and introduce a sensitivity-weighted risk score that emphasizes high-risk data types. We find that misalignment disproportionately affects sensitive categories such as personal information and device identifiers, with sharing disclosures exhibiting lower consistency than collection disclosures. Elevated privac risk is concentrated in app categories associated with persistent monitoring and communication. Overall, our findings highlight structural gaps in current disclosure mechanisms and underscore the need for stronger verification and greater transparency in platform-level privacy reporting.
• Abstract（参考訳）: モバイルアプリケーションの急成長に伴い、ユーザデータのプライバシが懸念されている。 プライバシポリシはアプリがデータの収集と共有方法を記述するが、Google Playのようなプラットフォームは、これらのプラクティスを要約するためのData Safetyラベルを提供する。 これらの開示チャネルは別々に宣言されるため、アプリデータプラクティスの一貫性のない表現を示し、ユーザや規制当局に不確実性をもたらす可能性がある。 そこで本研究では,6,051個のAndroidアプリを対象に,公開整合性に関する大規模な実証的研究を行った。 LLMベースの抽出フレームワークと、14のGoogle Playデータカテゴリと2つの操作(コレクションと共有)に対する統合スキーマを使用して、アプリケーションごとの一貫性とカテゴリごとの一貫性を測定し、高リスクデータタイプを強調する感度重み付きリスクスコアを導入します。 誤認識は個人情報やデバイス識別子などのセンシティブなカテゴリに大きく影響し,共有開示は収集開示よりも一貫性が低いことが判明した。 プライバシーリスクの増大は、永続的な監視とコミュニケーションに関連するアプリカテゴリに集中する。 全体として、現在の開示メカニズムの構造的ギャップを強調し、プラットフォームレベルのプライバシレポートにおいて、より強固な検証と透明性の必要性を浮き彫りにしている。

関連論文リスト

• Phantoms and Disclosures: a Causal Framework for Auditing Synthetic Data [56.86147283213652]
  データ開示の検出と説明を目的とした,カスタマイズ可能な実証監査フレームワークを提案する。 本フレームワークでは,ユーザの情報を直接再現する「真の開示」と,ユーザのデータを偶発的に生成する「幻の開示」とを区別する機構を導入する。
  論文  参考訳（メタデータ） (2026-06-15T16:54:02Z)
• PrivSTRUCT: Untangling Data Purpose Compliance of Privacy Policies in Google Play Store [7.8875412433566465]
  複雑なプライバシー開示を解消する,新規かつ体系的なエンコーダとデコーダを組み合わせたフレームワークであるPrivSTRUCTを紹介する。 PrivSTRUCTを3,756のAndroidアプリの大規模なデータセットに適用することで、重要な透明性ギャップが明らかになりました。 また、センシティブなサードパーティのデータフローは、しばしば希釈され、一般的なカテゴリや無関係なカテゴリに絡み合っていることもわかりました。
  論文  参考訳（メタデータ） (2026-04-24T02:12:11Z)
• An Empirical Analysis of Google Play Data Safety Disclosures: A Consistency Study of Privacy Indicators in Mobile Gaming Apps [0.40611352512781873]
  本研究は,Android Application Packages (APKs) から抽出した開発者報告データ安全性開示と可観測性プライバシ指標との整合性について検討する。 その結果、プライバシーカテゴリーによってさまざまなレベルの合意が得られた。 これらの知見は、現在の市場透明性メカニズムの信頼性の限界を浮き彫りにしている。
  論文  参考訳（メタデータ） (2026-03-25T04:50:21Z)
• PrivPRISM: Automatically Detecting Discrepancies Between Google Play Data Safety Declarations and Developer Privacy Policies [8.052271364177988]
  自己宣言的な開示は、実際のデータプラクティスについてユーザを非難する、完全なプライバシポリシと矛盾することが多い。 エンコーダとデコーダ言語モデルを組み合わせて,プライバシポリシから詳細なデータプラクティスを抽出し比較する,堅牢なフレームワークであるPrivPRISMを紹介した。 以上の結果から,汎用プライバシポリシの広範な再利用,曖昧/矛盾文の再利用,1億回以上ダウンロードされた著名なアプリの隠れリスクなど,システム上の課題が明らかになった。
  論文  参考訳（メタデータ） (2026-03-10T05:33:40Z)
• DATABench: Evaluating Dataset Auditing in Deep Learning from an Adversarial Perspective [70.77570343385928]
  内的特徴(IF)と外的特徴(EF)(監査のための技術導入)に依存した既存手法の分類を新たに導入する。 回避攻撃(evasion attack)は、データセットの使用を隠蔽するために設計されたもので、偽造攻撃(forgery attack)は、未使用のデータセットを誤って含んでいることを意図している。 さらに,既存手法の理解と攻撃目標に基づいて,回避のための分離・除去・検出,偽造の逆例に基づく攻撃方法など,系統的な攻撃戦略を提案する。 私たちのベンチマークであるData dataBenchは、17の回避攻撃、5の偽攻撃、9の攻撃で構成されています。
  論文  参考訳（メタデータ） (2025-07-08T03:07:15Z)
• Beyond Jailbreaking: Auditing Contextual Privacy in LLM Agents [43.303548143175256]
  本研究では,リスクに対するエージェントの感受性を定量的に評価する,会話プライバシのための監査フレームワークを提案する。 CMPL(Conversational Manipulation for Privacy Leakage)フレームワークは、厳格なプライバシー命令を強制するエージェントをストレステストするために設計されている。
  論文  参考訳（メタデータ） (2025-06-11T20:47:37Z)
• A False Sense of Privacy: Evaluating Textual Data Sanitization Beyond Surface-level Privacy Leakage [77.83757117924995]
  我々は、データリリース時の個人のプライバシーリスクを定量化するために、再識別攻撃を評価する新しいフレームワークを提案する。 本手法は, 衛生データから年齢や物質使用履歴などのセンシティブな属性を推測するために, 一見無害な補助情報を利用できることを示す。
  論文  参考訳（メタデータ） (2025-04-28T01:16:27Z)
• User Interaction Data in Apps: Comparing Policy Claims to Implementations [0.0]
  我々は、ポリシークレームとデータ収集手法の整合性を評価するために、静的解析手法を用いて、さまざまなカテゴリにまたがるトップ100アプリを分析した。 我々の調査結果は、データ収集における透明性の欠如と、それに伴う再識別のリスクを強調し、ユーザのプライバシと信頼に関する懸念を高めている。
  論文  参考訳（メタデータ） (2023-12-05T12:11:11Z)
• On the Universal Adversarial Perturbations for Efficient Data-free Adversarial Detection [55.73320979733527]
  本稿では,UAPに対して正常サンプルと逆サンプルの異なる応答を誘導する,データに依存しない逆検出フレームワークを提案する。 実験結果から,本手法は様々なテキスト分類タスクにおいて,競合検出性能を実現することが示された。
  論文  参考訳（メタデータ） (2023-06-27T02:54:07Z)
• On Deep Learning with Label Differential Privacy [54.45348348861426]
  ラベルは機密性があり、保護されるべきであるとするマルチクラス分類について検討する。 本稿では,ラベル差分プライバシを用いたディープニューラルネットワークのトレーニングアルゴリズムを提案し,いくつかのデータセットで評価を行う。
  論文  参考訳（メタデータ） (2021-02-11T15:09:06Z)
• Deep Directed Information-Based Learning for Privacy-Preserving Smart Meter Data Release [30.409342804445306]
  本稿では,時系列データとスマートメータ(SM)電力消費測定の文脈における問題点について検討する。 我々は、考慮された設定において、より意味のあるプライバシーの尺度として、指向情報(DI)を導入します。 最悪のシナリオにおけるSMs測定による実世界のデータセットに関する実証的研究は、プライバシとユーティリティの既存のトレードオフを示している。
  論文  参考訳（メタデータ） (2020-11-20T13:41:11Z)

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。