論文の概要: Exploring Privacy Leakage and Data Disclosure Violations in the MacOS Application Ecosystem
- arxiv url: http://arxiv.org/abs/2608.05474v1
- Date: Wed, 05 Aug 2026 23:46:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.672042
- Title: Exploring Privacy Leakage and Data Disclosure Violations in the MacOS Application Ecosystem
- Title（参考訳）: MacOSアプリケーションエコシステムにおけるプライバシ漏洩とデータ開示違反の探索
- Abstract要約: 生態系におけるデータ収集と共有の実践を規制・開示するためのメカニズムについて検討する。
デスクトップアプリは、オンライントラッカーによってユーザープロフィールとデバイスの指紋を豊かにするために活用されている。
開発者のためのデータ開示プロセスの合理化と,Appleのアプリ審査プロセスの改善を目的とした,一連の緩和策を提案する。
- 参考スコア（独自算出の注目度）: 10.513610661903577
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The systematic and excessive data collection practices of tech companies have rendered online privacy both a necessity and a sought-after commodity. However, while the privacy risks of the web, mobile, and IoT ecosystems have been extensively examined, desktop environments have been largely overlooked. As desktop apps continue to be widely used, they remain a critical yet understudied dimension of user privacy. In this paper, we address this gap by presenting the first, to our knowledge, comprehensive study of the mechanisms designed to regulate and disclose data collection and sharing practices in the macOS ecosystem. We adopt an app-development-centric view, and shed light on the interactions between the various macOS mechanisms that mediate apps' data access. Driven by our findings, we develop NutriScan, an analysis framework that incorporates both static and dynamic analysis techniques to create a consolidated view of macOS apps' data practices and disclosures. We use our system to dynamically analyze 1K macOS apps, and find that 85% of them access user-data APIs without disclosing it. 49.7% also exfiltrate data to advertising entities and hosting providers, 12.5% of which do so without a corresponding disclosure. We find that desktop apps are being leveraged by online trackers to enrich user profiles and device fingerprints, thus shedding new light on the true scope of the online tracking ecosystem. Our analysis reveals how the macOS app ecosystem is comprised of disjoint mechanisms with divergent data abstractions, thus increasing complexity for developers while also facilitating undisclosed privacy-invasive practices. Accordingly, we propose a series of mitigations that aim to both streamline the data disclosure process for developers and improve Apple's app vetting process.
- Abstract（参考訳）: テック企業の組織的かつ過剰なデータ収集の慣行は、オンラインのプライバシを必要かつ追求中の商品の両方にしている。
しかし、Web、モバイル、IoTエコシステムのプライバシーリスクは広く調査されているが、デスクトップ環境はほとんど見過ごされている。
デスクトップアプリが広く使われ続けているため、ユーザプライバシの重要かつ過小評価されている側面は依然として残っている。
本稿では、このギャップを、macOSエコシステムにおけるデータ収集と共有の実践を規制および開示するために設計されたメカニズムの、私たちの知識、包括的研究に初めて提示することで解決する。
アプリ開発中心のビューを採用し、アプリのデータアクセスを仲介するさまざまなmacOSメカニズム間のインタラクションに光を当てています。
このフレームワークには静的解析技術と動的解析技術の両方が組み込まれており、macOSアプリのデータプラクティスと開示の統合ビューを作成する。
当社のシステムでは,1KのmacOSアプリを動的に解析し,その85%が公開せずにユーザデータAPIにアクセスしていることがわかった。
49.7%は広告代理店やホスティング業者にデータを流出させており、そのうち12.5%はそれに対応する開示なしにデータを流出させている。
デスクトップアプリは、オンライントラッカーによってユーザープロフィールとデバイスの指紋を豊かにするために活用されているため、オンライントラッカーエコシステムの真のスコープに新たな光を当てている。
我々の分析は、macOSアプリのエコシステムが、異なるデータ抽象化と相容れないメカニズムで構成されていることを明らかにし、開発者が複雑さを増すと同時に、公開されていないプライバシに侵入するプラクティスを促進する。
そこで我々は,開発者のデータ開示プロセスの合理化と,Appleのアプリ審査プロセスの改善を目的とした一連の緩和策を提案する。
関連論文リスト
- Disclosure Divergence: Measuring Privacy Policy and Data Safety Misalignment at Scale [0.0]
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。
論文 参考訳（メタデータ） (2026-07-16T00:34:01Z) - 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) - 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) - Efficient and Privacy-Preserving Distribution Statistics Analytics on Mobile Spatial Data [76.32349627923843]
空間データに対する効率的な分散統計解析は、リアルタイムなモバイルコンピューティングアプリケーションにとって不可欠である。
既存のプライバシー保護技術は、過度のオーバーヘッドや不正確さをもたらすことが多い。
本稿では,移動空間データに対する効率的かつプライバシ保護型分布統計解析を支援する最初のシステムの設計,実装,評価を行う。
論文 参考訳（メタデータ） (2026-05-25T12:37:27Z) - A Big Step Forward? A User-Centric Examination of iOS App Privacy Report and Enhancements [11.535543802697836]
AppleはiOS 15.2以降,アプリのデータアクセスと共有に関する詳細な洞察をユーザに通知する新機能として,App Privacy Reportを導入した。
この機能は、ユーザープライバシの大きな進歩として売り出されてきたが、実際のユーザーのプライバシとコントロールに対する影響は、まだ検討されていない。
この作業は、ユーザのプライバシーの透明性を高めるための実践的な洞察を提供する。
論文 参考訳（メタデータ） (2025-11-01T09:29:04Z) - 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) - Data-Juicer 2.0: Cloud-Scale Adaptive Data Processing for and with Foundation Models [83.65386456026441]
Data-Juicer 2.0は、テキスト、画像、ビデオ、オーディオのモダリティにまたがる100以上のデータ処理オペレータがバックアップするデータ処理システムである。
データ分析、合成、アノテーション、基礎モデルのポストトレーニングなど、より重要なタスクをサポートする。
このシステムは公開されており、さまざまな研究分野やAlibaba Cloud PAIのような現実世界の製品で広く採用されている。
論文 参考訳（メタデータ） (2024-12-23T08:29:57Z) - An In-Depth Investigation of Data Collection in LLM App Ecosystems [24.357971856302576]
OpenAIのGPTアプリエコシステムをケーススタディとして検討する。
我々は,GPTアクションの自然言語仕様を分析し,それらのデータ収集の実践を評価するLLMベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-23T17:42:06Z) - Goodbye Tracking? Impact of iOS App Tracking Transparency and Privacy
Labels [25.30364629335751]
AppleはiOS 14で、iOS上のトラッキングを可能にする必須オプトインシステムであるApp Tracking Transparency (ATT)と、プライバシ栄養ラベルの2つの重要な変更を導入した。
この記事では、英国App Storeから1,759のiOSアプリの2つのバージョンを分析し、これらの変更が個人のプライバシとコントロールに与える影響について論じる。
Apple自身が、サードパーティの追跡や信用スコアなどの侵入的なデータプラクティスを、何らかの形で追跡し、免除していることに気付きました。
論文 参考訳（メタデータ） (2022-04-07T16:32:58Z) - Survey: Leakage and Privacy at Inference Time [59.957056214792665]
公開されている機械学習(ML)モデルからのデータの漏洩は、ますます重要になっている分野である。
公開モデルの最も可能性の高いシナリオとして、推論時のリークに注目します。
本稿では,不随意・不随意の漏洩,防御,そして現在利用可能な評価指標と応用にまたがる分類法を提案する。
論文 参考訳（メタデータ） (2021-07-04T12:59:16Z) - Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。
実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
論文 参考訳（メタデータ） (2020-06-10T16:05:05Z)
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。