論文の概要: SoK: From Generation to Consumption of Privacy Documents in Software Systems
- arxiv url: http://arxiv.org/abs/2608.12511v1
- Date: Wed, 12 Aug 2026 18:39:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.30489
- Title: SoK: From Generation to Consumption of Privacy Documents in Software Systems
- Title（参考訳）: SoK: ソフトウェアシステムにおけるプライバシドキュメントの生成から消費へ
- Abstract要約: このSoKは、ソフトウェアエンジニアリングの観点から、プライバシー文書の統一されたライフサイクル指向のビューを提供する。
2010年から2025年の間に発行された290の論文を体系的にレビュー・分析した。
この結果に基づいて、15の重要研究トレンドと21のオープンチャンスを特定した。
- 参考スコア（独自算出の注目度）: 4.0315173722567925
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Privacy documents (e.g., privacy policies) are a central mechanism through which digital services disclose data practices and seek user consent. Over the past decades, research on privacy documents has expanded significantly, encompassing not only traditional privacy policies but also short notices (e.g., privacy labels) and interface-level transparency mechanisms. As this research area continues to grow, it has become increasingly difficult to obtain a coherent view of how privacy documents are created, analyzed, evaluated, and maintained across their lifecycle. This SoK provides a unified, lifecycle-oriented view of privacy documents from a software engineering perspective. We systematically review and analyze 290 papers published between 2010 and 2025, organizing them around five research questions that examine how privacy documents are (1) defined and scoped, (2) generated, (3) analyzed and extracted, (4) checked for inconsistencies and noncompliance, and (5) evaluated and improved for usability. Building on our findings, we identify 15 key research trends and 21 open opportunities. We further chart four broader research directions that highlight (i) emerging challenges in AI-centric platforms, (ii) the need for diverse and up-to-date data foundations, (iii) LLM-based unified policy-code analysis, and (iv) dual usability for end-users and developers. We hope this SoK provides a shared foundation for future research on privacy policies and privacy documents.
- Abstract（参考訳）: プライバシー文書(プライバシーポリシーなど)は、デジタルサービスがデータプラクティスを開示し、ユーザーの同意を求めるための中心的なメカニズムである。
過去数十年間、プライバシー文書の研究は大幅に拡大し、従来のプライバシーポリシーだけでなく、短い通知(プライバシーラベルなど)やインターフェースレベルの透明性メカニズムも網羅してきた。
この研究領域が成長を続けるにつれて、プライバシドキュメントの作成、分析、評価、ライフサイクル全体にわたる保守に関する一貫性のある見解を得るのがますます困難になっている。
このSoKは、ソフトウェアエンジニアリングの観点から、プライバシー文書の統一されたライフサイクル指向のビューを提供する。
我々は,2010年から2025年にかけて発行された290の論文を体系的にレビュー・分析し,(1)定義・スコープ化,(2)生成,(3)解析・抽出,(4)不整合・不適合のチェック,(5)ユーザビリティの評価・改善の5つの研究課題を整理した。
この結果に基づいて、15の重要研究トレンドと21のオープンチャンスを特定した。
さらに注目すべき4つの研究方向をグラフ化します。
i) AI中心のプラットフォームにおける新たな課題。
(二)多様かつ最新のデータ基盤の必要性
三 LLMに基づく統一政策コード分析及び
(4)エンドユーザと開発者のための二重ユーザビリティ。
このSoKが将来のプライバシーポリシーとプライバシー文書に関する研究のための共有基盤になることを願っている。
関連論文リスト
- Profiling for Pennies: Unveiling the Privacy Iceberg of LLM Agents [52.02752011119451]
我々は人間の意識のレンズを通して現実世界におけるプライバシーの認識を調査する。
我々は、現実世界の人間のプライバシーリスクを3段階に分類するPrivacyIcebergを提案する。
論文 参考訳（メタデータ） (2026-05-07T13:21:44Z) - Privasis: Synthesizing the Largest "Public" Private Dataset from Scratch [101.49955223689268]
私たちはPrivasisを紹介します。Privasisは、スクラッチから完全に構築された最初の100万規模の完全合成データセットです。
既存のデータセットと比較すると、Privasisは質の高いマグニチュードスケールを提供する。
我々はPrivasisを利用して、テキストを分解してターゲット衛生に適用するパイプラインで、テキスト衛生のための並列コーパスを構築する。
論文 参考訳（メタデータ） (2026-02-03T06:54:46Z) - Generating Privacy Stories From Software Documentation [1.2094859111770522]
CoT, in-context-learning (ICL), Large Language Models (LLMs) に基づく新しいアプローチを開発する。
GPT-4o や Llama 3 などの LLM は,プライバシの振る舞いを識別し,F1 スコア 0.8 を超えるプライバシユーザストーリーを生成する。
論文 参考訳（メタデータ） (2025-06-28T20:55:21Z) - MAGPIE: A dataset for Multi-AGent contextual PrIvacy Evaluation [54.410825977390274]
LLMエージェントのコンテキストプライバシを評価するための既存のベンチマークは、主にシングルターン、低複雑さタスクを評価する。
まず、15ドメインにわたる158のリアルタイムハイテイクシナリオからなるベンチマーク-MAGPIEを示す。
次に、コンテキスト的にプライベートなデータに対する理解と、ユーザのプライバシを侵害することなくコラボレーションする能力に基づいて、最先端のLCMを評価します。
論文 参考訳（メタデータ） (2025-06-25T18:04:25Z) - Privacy Risks and Preservation Methods in Explainable Artificial Intelligence: A Scoping Review [1.4019930224097232]
我々は、プライバシーと説明可能性の相違について詳細を求めるため、既存の文献のスコーピングレビューを実施している。
2019年1月から2024年12月までの1,943件の調査結果から57項目を抽出した。
我々は,XAIにおけるプライバシリスクと保存手法を分類し,プライバシ保護の説明の特徴を提案する。
論文 参考訳（メタデータ） (2025-05-05T17:53:28Z) - 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) - A Survey of Privacy-Preserving Model Explanations: Privacy Risks, Attacks, and Countermeasures [50.987594546912725]
AIのプライバシと説明可能性に関する研究が増えているにもかかわらず、プライバシを保存するモデル説明にはほとんど注意が払われていない。
本稿では,モデル説明に対するプライバシ攻撃とその対策に関する,最初の徹底的な調査を紹介する。
論文 参考訳（メタデータ） (2024-03-31T12:44:48Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-09-27T14:38:16Z) - Systematic Review on Privacy Categorization [1.5377372227901214]
本研究は,プライバシ分類に関する文献を体系的にレビューすることを目的としている。
プライバシーの分類には、特定の前提条件に従ってユーザーを分類する機能が含まれる。
論文 参考訳（メタデータ） (2023-07-07T15:18:26Z) - SeePrivacy: Automated Contextual Privacy Policy Generation for Mobile
Applications [21.186902172367173]
SeePrivacyは、モバイルアプリのコンテキストプライバシポリシを自動的に生成するように設計されている。
本手法は,モバイルGUI理解とプライバシポリシ文書解析を相乗的に組み合わせた手法である。
検索されたポリシーセグメントの96%は、そのコンテキストと正しく一致させることができる。
論文 参考訳（メタデータ） (2023-07-04T12:52:45Z) - Privacy Policies over Time: Curation and Analysis of a Million-Document
Dataset [6.060757543617328]
我々は,インターネットアーカイブのWayback Machineからアーカイブされたプライバシーポリシーを発見し,ダウンロードし,抽出するクローラを開発した。
私たちは、20年以上にわたって、13万以上の異なるウェブサイトにまたがる、1,071,488の英語のプライバシーポリシーのデータセットをキュレートしました。
我々のデータによると、サードパーティーのウェブサイトの自己規制は停滞しており、サードパーティの自己規制は増加しているが、オンライン広告取引団体が支配している。
論文 参考訳（メタデータ） (2020-08-20T19:00:37Z)
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。