論文の概要: A User-Centric Context-Aware Permission Governance Framework for Privacy Control in Default Mobile Applications

• arxiv url: http://arxiv.org/abs/2608.27914v1
• Date: Fri, 28 Aug 2026 04:41:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.206313
• Title: A User-Centric Context-Aware Permission Governance Framework for Privacy Control in Default Mobile Applications
• Title（参考訳）: デフォルトモバイルアプリケーションにおけるプライバシ制御のためのユーザ中心コンテキスト対応許可管理フレームワーク
• Abstract要約: 本稿では,デフォルトのモバイルアプリケーションに対して,コンテキストに敏感でユーザ中心のパーミッションガバナンスフレームワークを提案する。 機能ベースの認証オプションである"Allow When Needed"を導入し、データを必要とする機能へのアクセスを制限する。 重み付けスコアリングシステムは、パーミッション感度と認可タイプに基づいて、ユーザ選択のプライバシ含意を推定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Mobile operating systems provide runtime permission controls intended to improve user control over sensitive data. However, default or pre-installed applications are deeply integrated into the system, may operate with elevated privileges, and are difficult for users to scrutinize. Existing permission models generally grant persistent or temporary access for an application session without distinguishing among individual features, leaving users uncertain about when and why data are accessed. This paper presents a context-sensitive, user-focused permission governance framework for default mobile applications. It introduces a feature-based authorization option, "Allow When Needed," that restricts access to the functionality requiring the data rather than the entire application session. A weighted scoring system estimates the privacy implications of user choices based on permission sensitivity and authorization type. A web-based simulation platform was developed to model 30 realistic permission-request situations across six commonly used default application types and support controlled early-stage evaluation before native implementation. The exploratory assessment combined a cross-sectional survey of 104 respondents examining permission awareness and behavior with formative usability testing involving eight participants interacting with the prototype. Survey findings indicate that users do not consistently examine default-application permissions and prefer contextual explanations before granting access. The results provide preliminary evidence that context-aware permission governance can improve user understanding and decision clarity. This simulation-based study represents an initial step toward evaluating feature-level authorization and privacy-feedback mechanisms before native mobile deployment.
• Abstract（参考訳）: モバイルOSは、機密データに対するユーザー制御を改善するためにランタイムパーミッションコントロールを提供する。 しかし、デフォルトまたはプリインストールされたアプリケーションはシステムに深く統合されており、高い特権で動作し、ユーザが精査することは困難である。 既存のパーミッションモデルは一般的に、個々の特徴を区別することなく、アプリケーションのセッションに永続的または一時的なアクセスを許可する。 本稿では,デフォルトのモバイルアプリケーションに対して,コンテキストに敏感でユーザ中心のパーミッションガバナンスフレームワークを提案する。 機能ベースの認証オプションである"Allow When Needed"を導入し、アプリケーションセッション全体ではなく、データを必要とする機能へのアクセスを制限する。 重み付けスコアリングシステムは、パーミッション感度と認可タイプに基づいて、ユーザ選択のプライバシ含意を推定する。 Webベースのシミュレーションプラットフォームは、6つの一般的なデフォルトアプリケーションタイプにまたがる30の現実的なパーミッション要求状況のモデル化と、ネイティブ実装前の早期評価制御をサポートするために開発された。 調査評価では、104名の被験者を対象に、許可意識と行動について、プロトタイプと対話する8人の参加者を含む形式的ユーザビリティテストを用いて調査した。 調査の結果、ユーザーはデフォルトでの許可を常に検討せず、アクセスを許可する前に文脈説明を優先していることがわかった。 その結果、コンテキスト対応のパーミッションガバナンスがユーザ理解と意思決定の明確性を向上させるという、予備的な証拠が得られた。 このシミュレーションベースの研究は、ネイティブモバイルデプロイメントの前に機能レベルの認証とプライバシフィードバックメカニズムを評価するための最初のステップである。

関連論文リスト

• Analysing User Reviews to Identify User Concerns Around Permissions in AI Apps [2.1858709012908903]
  本稿では,AIアプリのレビューをパーミッション関連カテゴリに分類する機械学習モデルを提案する。 ユーザレビューは構造化されていないため、従来のラベル付きトレーニングセットの組み立ては困難である。 これを解決するために、AI生成のセキュリティとパーミッションレビューを使用して、人間による大規模なレビューのコーパスから関連するトレーニング例を特定する。 提案手法は,承認レビューを82%の精度で分類した。
  論文  参考訳（メタデータ） (2026-07-31T12:25:20Z)
• Preference-Aware Rubric Learning for Personalized Evaluation [59.539429430690156]
  既存の評価手法では、長期的なインタラクション履歴に埋め込まれたユーザ固有の嗜好をキャプチャできない。 静的判断よりも学習問題としてパーソナライズされた評価を定式化するパラダイムであるパーソナライズド・アズ・ラーニングを提案する。 実験により、PARLはユーザ対応の応答を確実に識別し、ユーザ間で一般化する高忠実なルーブリックを一貫して誘導することが示された。
  論文  参考訳（メタデータ） (2026-05-29T17:00:55Z)
• UserHarness: Harnessing User Minds for Stronger Agent Theory-of-Mind [51.47914365631888]
  UserHarnessは、明示的なユーザ・ミンドの再構築として、理論・オブ・ミンド(ToM)の推論を再設計するシンプルなフレームワークである。 ユーザーの精神状態、外部環境との関係、およびそれに続く行為を分解し、エージェントがユーザーの観察、信念、意図、行動を追跡することを可能にする。
  論文  参考訳（メタデータ） (2026-05-26T21:45:45Z)
• Listen to the Voices of Everyday Users: Democratizing Privacy Ratings for Sensitive Data Access in Mobile Apps [8.301057281097679]
  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。
  論文  参考訳（メタデータ） (2026-04-27T05:47:58Z)
• PrivacyAssist: A User-Centric Agent Framework for Detecting Privacy Inconsistencies in Android Apps [0.9892966978799635]
  本稿では,ユーザ・グラウンテッド・パーミッションと開発者が宣言した機密データ収集と共有の慣行の矛盾を検出するマルチエージェントLDMベースのプラットフォームであるPrivacyAssistを提案する。 私たちは200人のユーザと2,347のAndroidアプリでPrivacyAssistを評価し、許可されたパーミッションと宣言されたデータプラクティスの間に完全に一貫性があるアプリは16%しかありません。
  論文  参考訳（メタデータ） (2026-04-25T10:58:05Z)
• 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)
• Grant, Verify, Revoke: A User-Centric Pattern for Blockchain Compliance [9.133320151595084]
  分散Webアプリケーションは、公共の妥当性と個人のプライバシーの間に固有の対立に直面している。 本稿では,ユーザ主権の回復を目的とした選択的開示フレームワークを提案する。 評価の結果,200ms未満のクライアント側証明生成が可能であり,コモディティハードウェア上でシームレスな対話的体験を実現することができた。
  論文  参考訳（メタデータ） (2026-03-16T17:06:44Z)
• PersonaAgent: When Large Language Model Agents Meet Personalization at Test Time [87.99027488664282]
  PersonaAgentは、汎用的なパーソナライゼーションタスクに対処するために設計されたフレームワークである。 パーソナライズされたメモリモジュールとパーソナライズされたアクションモジュールを統合する。 テストタイムのユーザ嗜好アライメント戦略は、リアルタイムのユーザの嗜好アライメントを保証する。
  論文  参考訳（メタデータ） (2025-06-06T17:29:49Z)
• Creating General User Models from Computer Use [53.59999173952482]
  本稿では,コンピュータとのインタラクションを観察することでユーザについて学習する汎用ユーザモデル(GUM)のアーキテクチャを提案する。 GUMは、ユーザ(例えばデバイスのスクリーンショット)の非構造化観察を入力として受け取り、ユーザの知識と好みをキャプチャする信頼度重み付け命題を構築する。
  論文  参考訳（メタデータ） (2025-05-16T04:00:31Z)
• mPSAuth: Privacy-Preserving and Scalable Authentication for Mobile Web Applications [0.0]
  mPSAuthは、ユーザの振る舞いを反映したさまざまなデータソースを継続的に追跡し、現在のユーザが正当である可能性を推定するアプローチである。 我々はmPSAuthが暗号化と通信のオーバーヘッドを低く抑えながら高い精度を提供できることを示した。
  論文  参考訳（メタデータ） (2022-10-07T12:49:34Z)
• Unsupervised Model Personalization while Preserving Privacy and Scalability: An Open Problem [55.21502268698577]
  本研究では,非教師なしモデルパーソナライゼーションの課題について検討する。 この問題を探求するための新しいDual User-Adaptation Framework(DUA)を提供する。 このフレームワークは、サーバ上のモデルパーソナライズとユーザデバイス上のローカルデータ正規化に柔軟にユーザ適応を分散させる。
  論文  参考訳（メタデータ） (2020-03-30T09:35:12Z)

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。