論文の概要: GUIAuditor: Enabling Post-hoc Child Safety Forensics via Action-Guided GUI Provenance on Mobile Devices
- arxiv url: http://arxiv.org/abs/2609.28205v1
- Date: Wed, 23 Sep 2026 14:42:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:18.075412
- Title: GUIAuditor: Enabling Post-hoc Child Safety Forensics via Action-Guided GUI Provenance on Mobile Devices
- Title（参考訳）: GUIAuditor: モバイルデバイス上での行動誘導型GUIによる児童安全鑑定の実施
- Abstract要約: 現在のアプローチは、自動防止と検出に依存している。
我々は、補完的で、人道的な、ホック後の法医学的パラダイムを論じる。
本稿では,このビジョンを実現するために設計されたGUIAuditorについて述べる。
- 参考スコア（独自算出の注目度）: 23.197820775360146
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The proliferation of smart devices exposes children to online risks like grooming and financial scams that are deeply embedded within legitimate applications. Current approaches rely on automated prevention and detection, a paradigm that is fundamentally limited by its inherent fallibility. Whether rule-based or AI-driven, they inevitably produce false positives and negatives, failing to provide reliable protection. In this paper, we argue for a complementary, human-in-the-loop, post-hoc forensic paradigm. We present GUIAuditor, the first system designed to realize this vision by creating GUI Provenance: a queryable, semantic record of a child's interaction sequence. To generate this, GUIAuditor leverages a Multimodal Large Language Model (MLLM) to translate the temporal sequence of GUI events into a human-understandable narrative. To make this practical on mobile devices, a novel evidence distillation pipeline reduces the data requiring analysis by over 89.2% compared to periodic sampling approaches adopted by industry standards, with negligible impact on accuracy. On a new dataset of 295 interaction clips, GUIAuditor achieves a 95.23% Macro-F1 Score in logging significant events and, crucially, its two-stage forensic query engine successfully retrieves the correct evidence as the top result for over 90.20% of natural language questions. An end-to-end evaluation on three modern smartphones shows that the full pipeline, including on-device MLLM inference, adds 2.1W of power draw and 7.4s of per-event latency, with a peak memory footprint of ${\sim}$3.1GB. These results show that post-hoc GUI forensics can run on modern mobile devices and provide useful context for guardian-led safety review.
- Abstract（参考訳）: スマートデバイスの普及により、子どもたちは、合法的なアプリケーションに深く埋め込まれたグルーミングや金融詐欺のようなオンラインリスクに晒される。
現在のアプローチは、その固有の誤認性によって根本的に制限されたパラダイムである自動防止と検出に依存している。
ルールベースでもAI駆動でも、必然的に偽陽性と否定を発生させ、信頼できる保護を提供しない。
本稿では,この法則を補完し,ループ型,ポストホック法医学的パラダイムを論じる。
子どものインタラクションシーケンスのクエリ可能なセマンティックレコードであるGUI Provenanceを作成することで、このビジョンを実現するための最初のシステムであるGUIAuditorを提案する。
これを生成するために、GUIAuditorはMLLM(Multimodal Large Language Model)を活用し、GUIイベントの時間的シーケンスを人間の理解可能な物語に変換する。
これをモバイルデバイスで実用化するために、新しいエビデンス蒸留パイプラインは、業界標準で採用されている定期的なサンプリングアプローチと比較して、分析を必要とするデータを89.2%以上削減する。
GUIAuditorは新しい295のインタラクションクリップのデータセットで、重要なイベントのロギングにおいて95.23%のMacro-F1スコアを達成した。
最新の3つのスマートフォンのエンドツーエンド評価では、デバイス上のMLLM推論を含む全パイプラインに2.1Wのパワードローと7.4sのイベント毎のレイテンシが追加され、最大メモリフットプリントは${\sim}$3.1GBとなった。
これらの結果は、ポストホックGUI法医学が現代のモバイルデバイス上で動作し、保護者主導の安全性レビューに有用なコンテキストを提供することを示している。
関連論文リスト
- TeleAntiFraud 2.0: A Refreshable, Profile-Grounded, and Audio-Based Benchmark for Telecom Fraud Detection [55.35119005976305]
テレコム詐欺スクリプトは急速に進化し、日常的なサービス会話に似たように設計されている。
ベンチマークは、以前に確立されたテストセットを上書きすることなく、新しく観察された詐欺パターンを組み込まなければならない。
本稿では,Mixed-Tree Anti-Fraud Generation Pipelineで構築したTeleAntiFraud 2.0について述べる。
論文 参考訳（メタデータ） (2026-09-16T14:41:11Z) - A History-Aware Visually Grounded Critic for Computer Use Agents [70.50900668601969]
HiViGは、実際のGUIトラジェクトリで訓練されたマルチモーダル批評家を中心に構築されたテストタイムフレームワークである。
テスト時には、HiViGは批判者をポリシー決定ループに統合し、マクロアクション履歴を提供する。
Visually Grounded critiqueは、現在のスクリーンショットに対する生の実行座標を検証して、実行前にエラーをインターセプトする。
論文 参考訳（メタデータ） (2026-06-09T16:39:10Z) - LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。
CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
論文 参考訳（メタデータ） (2026-05-02T11:31:33Z) - Large Language Models as Explainable Cyberattack Detectors for Energy Industrial Control Systems [1.784933900656067]
既製の大型言語モデル (LLM) がICS検出器の補完的, 人為的なループ層として機能するかどうかを検討した。
我々はこれを2つのパブリックICSデータセット上のバイナリネットワーク側正規/クリティカル決定タスクとみなした。
LLMは、アナリストレビューのための簡潔でトークンベースのインシデントレコードとともに、通常の/クリティカルなアラートを生成する。
論文 参考訳（メタデータ） (2026-04-28T19:44:38Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - SAFE-QAQ: End-to-End Slow-Thinking Audio-Text Fraud Detection via Reinforcement Learning [52.29460857893198]
既存の不正検出方法は、書き起こされたテキストに依存しており、ASRのエラーや、声調や環境条件のような重要な音響的手がかりが欠けている。
音声に基づくスロー思考詐欺検出のためのエンドツーエンド包括的フレームワークSAFE-QAQを提案する。
本フレームワークは,ライブコール中に動的リスクアセスメントフレームワークを導入し,不正の早期検出と防止を可能にする。
論文 参考訳（メタデータ） (2026-01-04T06:09:07Z) - AutoOEP -- A Multi-modal Framework for Online Exam Proctoring [1.6522310568442877]
本稿では,コンピュータビジョンと機械学習を活用した総合的マルチモーダルフレームワークであるAutoOEP(Automated Online Exam Proctoring)を紹介する。
このシステムは、デュアルカメラ装置を使用して、検査の正面ビューとワークスペースの側面ビューの両方をキャプチャし、盲点を最小限にする。
Hand Moduleは、禁止アイテム(携帯電話、ノートなど)を検知し、これらのオブジェクトに手近をトラッキングするために、微調整されたYOLOv11モデルを使用している。
論文 参考訳（メタデータ） (2025-09-13T16:34:38Z) - Prov2vec: Learning Provenance Graph Representation for Unsupervised APT Detection [2.07180164747172]
できるだけ早く、先進的永続的脅威を検出する必要がある。
本稿では,攻撃者の行動を検出するエンタープライズホストの行動を継続的に監視するシステムであるProv2Vecを提案する。
論文 参考訳（メタデータ） (2023-10-02T01:38:13Z) - Towards a Safety Case for Hardware Fault Tolerance in Convolutional
Neural Networks Using Activation Range Supervision [1.7968112116887602]
畳み込みニューラルネットワーク(CNN)は多くの安全クリティカルなコンピュータビジョンアプリケーションの一部として確立されている。
我々は,高度に信頼性の高い故障検知器として範囲監視が重要であることを示すことによって,CNNのプロトタイプ型安全ケースを構築した。
本研究では,無声データ破損の確率と訂正不能な誤りを効果的に抑制する,新しい非一様範囲制限法について検討する。
論文 参考訳（メタデータ） (2021-08-16T11:13:55Z)
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。