論文の概要: AVP-Inspect: Coordinated Cyber-Physical Testing for Privacy Analysis of COTS Apple Vision Pro Applications
- arxiv url: http://arxiv.org/abs/2609.08103v2
- Date: Wed, 09 Sep 2026 14:55:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.546317
- Title: AVP-Inspect: Coordinated Cyber-Physical Testing for Privacy Analysis of COTS Apple Vision Pro Applications
- Title（参考訳）: AVP-Inspect:Coordinated Cyber-Physical Testing for Privacy Analysis of COTS Apple Vision Pro Applications
- Authors: Yichang Xiong, Vamsi Shankar Simhadri, Yue Xiao, Xiaokuan Zhang,
- Abstract要約: われわれは、Apple Vision Pro(AVP)アプリケーションのプライバシー侵害をAVPデバイス上で自動テストすることによって検出する大胆な試みを行っている。
AVPアプリケーションのための動的解析フレームワークであるAVP-Inspectを設計・実装する。
その結果、アプリの188(58.0%)が少なくとも1つの違反を示しており、ネットワークトラフィックフローの60%以上が適切に開示されていないことがわかった。
- 参考スコア（独自算出の注目度）: 11.590944503648624
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: XR devices introduce substantial privacy concerns due to their comprehensive data collection capabilities that surpass traditional computing platforms. While existing works have demonstrated privacy concerns on Android-based XR devices such as Meta Quest series by performing network traffic analysis, little attention has been paid to the Apple Vision Pro (AVP) devices, mainly due to the closed nature and the technical challenges associated with AVP devices. In this work, we make a bold attempt to detect privacy violations of AVP applications from network traffic through automatic testing on AVP devices. Our key insight is that effective AVP application testing requires coordinated control of both cyber (software) and physical (hardware) components, which we term Coordinated Cyber-Physical Testing. Building on this insight, we design and implement AVP-Inspect, an automatic dynamic analysis framework for AVP applications, overcoming significant challenges enforced by the closed-source nature of AVP ecosystem. AVP-Inspect consists of three components: an automatic device controller by building customized hardware devices, a 3D UI explorer by designing a new exploration engine, and a privacy violation detector by constructing a unified privacy taxonomy for AVP. We first evaluated AVP-Inspect on a manually constructed ground truth dataset, then performed a large-scale analysis on 324 AVP applications downloaded from the App Store, with each app tested for 20 minutes. We found that 188 (58.0%) of apps exhibit at least one violation, and more than 60% of the network traffic flows are not properly disclosed.
- Abstract（参考訳）: XRデバイスは、従来のコンピューティングプラットフォームを超越した包括的なデータ収集機能のために、かなりのプライバシー上の懸念をもたらす。
既存の研究は、ネットワークトラフィック分析を行うことで、Meta QuestシリーズのようなAndroidベースのXRデバイスに対するプライバシー上の懸念を示しているが、Apple Vision Pro(AVP)デバイスには注意が払われていない。
本研究では,AVP デバイスの自動テストを通じて,ネットワークトラフィックから AVP アプリケーションのプライバシー侵害を検出する大胆な試みを行う。
私たちの重要な洞察は、効果的なAVPアプリケーションテストは、コーディネートサイバー物理テスト(Coordinated Cyber-Physical Testing)と呼ばれる、サイバー(ソフトウェア)コンポーネントと物理的(ハードウェア)コンポーネントの両方を協調的に制御する必要があります。
この知見に基づいて、我々は、AVPエコシステムのクローズソースな性質によってもたらされる重大な課題を克服し、AVPアプリケーションのための自動動的解析フレームワークであるAVP-Inspectを設計、実装する。
AVP-Inspectは3つのコンポーネントから構成される: カスタマイズされたハードウェアデバイスを構築する自動デバイスコントローラ、新しい探索エンジンを設計する3D UIエクスプローラー、AVPのための統一されたプライバシー分類を構築したプライバシー違反検知器。
AVP-Inspectを手動で構築した真実のデータセットで評価した後、App Storeからダウンロードされた324のAVPアプリケーションに対して大規模な解析を行い、各アプリが20分間テストした。
その結果、アプリの188(58.0%)が少なくとも1つの違反を示しており、ネットワークトラフィックフローの60%以上が適切に開示されていないことがわかった。
関連論文リスト
- HyMobileAgent: Data-Environment Co-Scaling for Efficient GUI Agents [57.53434680014667]
HyMobileAgentはHy3.0-VL-A3B上に開発されたビジョンネイティブ基盤モデルである。
我々は,モバイルインタラクションの重要なボトルネックに対処する,共同データと環境中心のスケーリングフレームワークを開発した。
論文 参考訳（メタデータ） (2026-07-16T04:12:42Z) - Don't Trust Us: A privacy-by-design android malware detection pipeline [0.7009487789080343]
既存のプライバシ対応アプローチは、一般的にデータ収集後にプライバシを強制する。
この要件は管理するよりも取り除くべきだと我々は主張する。
Androidのマルウェア検出は、設計上プライバシに注意する必要があるため、効果的な分析は、そもそもアクセスされている機密データに依存しない。
論文 参考訳（メタデータ） (2026-06-02T14:36:31Z) - Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。
VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。
3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
論文 参考訳（メタデータ） (2026-04-23T09:11:50Z) - OVPD: A Virtual-Physical Fusion Testing Dataset of OnSite Auton-omous Driving Challenge [42.04544329396678]
OVPDは、2025年のOnSite Autonomous Driving Challengeからリリースされた仮想物理核融合テストデータセットである。
仮想バックグラウンドトラフィックと車両とインフラの認識を統合して、制御可能で対話的なクローズループテスト環境を構築する。
データセットには、20チームによる15のアトミックシナリオのシナリオチェーンに関する20のテストクリップが含まれており、合計で3時間近いマルチモーダルデータが含まれている。
論文 参考訳（メタデータ） (2026-04-22T10:44:19Z) - An Experimental Study of Machine Learning-Based Intrusion Detection for OPC UA over Industrial Private 5G Networks [2.0521761359589914]
産業展開は、安全でプラットフォームに依存しない通信プロトコルとして、Open Platform Communications Unified Architecture (OPC UA) に依存している。
プライベート第5世代(5G)ネットワークは、現代の自動化システムに低レイテンシで信頼性の高い接続を提供する。
本稿では,オペレーティングプライベート5Gネットワーク上で動作しているOPC UAアプリケーションに対するサイバー攻撃を検出する実験を行った。
論文 参考訳（メタデータ） (2026-03-24T16:50:41Z) - Things that Matter -- Identifying Interactions and IoT Device Types in Encrypted Matter Traffic [0.9176056742068813]
我々は、Matter IoT標準のロバスト性を、受動的盗聴者によって実行される暗号化トラフィック分析に分析する。
暗号化されたMatterトラフィックのメタデータのパターンを特定し、エンドデバイスとコントローラの間で発生した特定のインタラクションを推測する。
これらのパターンは、受動的攻撃者がネットワークで使用されるデバイスのタイプを推測できる指紋を作成するために使用することができる。
論文 参考訳（メタデータ） (2026-02-02T10:34:06Z) - Video Object Recognition in Mobile Edge Networks: Local Tracking or Edge Detection? [57.000348519630286]
モバイルエッジコンピューティングの最近の進歩により、高精度ニューラルネットワークを備えたエッジサーバに集約的なオブジェクト検出をオフロードすることが可能になった。
このハイブリッドアプローチは有望なソリューションを提供するが、新たな課題として、エッジ検出とローカルトラッキングのタイミングを決定する。
局所的なトラッキングとエッジ検出を適応的に選択する深層強化学習に基づくアルゴリズムである単一デバイス環境での LTED-Ada を提案する。
論文 参考訳（メタデータ） (2025-11-25T04:54:51Z) - Adversary-Aware Private Inference over Wireless Channels [51.93574339176914]
ワイヤレスエッジデバイスにおけるAIベースのセンシングは、人工知能(AI)アプリケーションを大幅に強化する可能性がある。
機密性の高い個人情報は敵によって再構築できるため、プライバシー侵害のリスクを軽減するために特徴の変換が必要である。
本稿では,デバイスがモデルサーバに送信する前に抽出した特徴の変換を適用する,プライバシ保護型AIベースセンシングのための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-23T13:02:14Z) - Enabling Deep Visibility into VxWorks-Based Embedded Controllers in Cyber-Physical Systems for Anomaly Detection [20.062428504673225]
DIVER(Defensive implant for Visibility to Embedded Run-times)は、サイバー物理システムにおける組み込み制御デバイスをリアルタイムで可視化するためのフレームワークである。
Dimerは,VxWorksリアルタイムオペレーティングシステム(RTOS)を実行するデバイスを対象とした,異常のランタイム検出を可能にする
Dimerには2つのコンポーネントがある: VxWorksカーネルに組み込み、実行時の計測を収集し、TCP/IP上で対話的/ストリーミングインターフェースを提供する。
論文 参考訳（メタデータ） (2025-04-24T18:26:10Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z) - Achieving Real-Time LiDAR 3D Object Detection on a Mobile Device [53.323878851563414]
本稿では,強化学習技術を用いたネットワーク拡張とpruning検索を組み込んだコンパイラ対応統一フレームワークを提案する。
具体的には,リカレントニューラルネットワーク(RNN)を用いて,ネットワークの強化とプルーニングの両面での統一的なスキームを自動で提供する。
提案手法は,モバイルデバイス上でのリアルタイム3次元物体検出を実現する。
論文 参考訳（メタデータ） (2020-12-26T19:41:15Z)
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。