論文の概要: PrivacyGuard: Source-Linked Sanitization and Locally Resolvable PII References for Cloud GUI Agents
- arxiv url: http://arxiv.org/abs/2610.16778v1
- Date: Mon, 12 Oct 2026 13:34:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.378451
- Title: PrivacyGuard: Source-Linked Sanitization and Locally Resolvable PII References for Cloud GUI Agents
- Title（参考訳）: PrivacyGuard: クラウドGUIエージェントのソースリンク型衛生とローカル解決可能なPII参照
- Abstract要約: クラウドグラフィカルユーザインタフェース(GUI)エージェントは、指示とスクリーンショットをリモートプランナーに送信し、個人識別可能な情報を公開する(PII)。
フラグメンテーションや変更フォームはPIIを公開するか、ターン間でエンティティの連続性を壊すことができる。
PrivacyGuardは、ソースリンク衛生(SAN)と構造化参照ライフサイクル(REF)によって、このプライベートリファレンス問題に対処する。
- 参考スコア（独自算出の注目度）: 2.9231343532064877
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cloud graphical user interface (GUI) agents send instructions and screenshots to remote planners, exposing personally identifiable information (PII). Existing placeholder defenses mask detected spans and reuse exact strings. Fragmented or changed forms can expose PII or break entity continuity across turns. PrivacyGuard addresses this private reference problem with source-linked sanitization (SAN) and a structured reference lifecycle (REF). SAN reconstructs fragmented or overlapping evidence and rewrites the complete source extent. REF links changed appearances to session entities and supports locally resolvable references without returning raw values to the upload path. In five-turn sessions scored against common gold, PrivacyGuard reduces audited source-value leakage by 33.55\%--82.60\% relative to the closest prior full-pipeline system in all four reader--language combinations. REF raises strict cross-form continuity from 0.04 under exact-value reuse to 0.81. In reference-required Android tasks, verified completion rises from 8/30 and 7/30 to 17/30 and 20/30. On AndroidLab, PrivacyGuard achieves the highest or tied-highest task-success point estimate among protection pipelines for all four planners. On PrivScreen, it reduces fixed-reader field exposure by 62.72\%--62.84\% relative to the same baseline. PrivacyGuard lowers upload exposure while preserving a locally resolvable task path.
- Abstract（参考訳）: クラウドグラフィカルユーザインタフェース(GUI)エージェントは、指示とスクリーンショットをリモートプランナーに送信し、個人識別可能な情報(PII)を公開する。
既存のプレースホルダー防御マスクは、検出されたスパンを検出し、正確な文字列を再利用する。
フラグメンテーションや変更フォームはPIIを公開するか、ターン間でエンティティの連続性を壊すことができる。
PrivacyGuardは、ソースリンクされたサニタイズ(SAN)と構造化された参照ライフサイクル(REF)によって、このプライベートリファレンス問題に対処する。
SANは断片化されたあるいは重複した証拠を再構築し、完全なソース範囲を書き換える。
REFは変更した外観をセッションエンティティにリンクし、アップロードパスに生値を返すことなく、ローカルで解決可能な参照をサポートする。
一般的な金に対して5ターンのセッションで、PrivacyGuardは監査済みのソース値の漏洩を33.55\%--82.60\%削減した。
REFは厳密なクロスフォーム連続性を0.04から0.81に引き上げる。
参照要求のAndroidタスクでは、確認済みの完了が8/30、7/30から17/30、20/30に上昇する。
AndroidLabでは、PrivacyGuardが4つのプランナすべてを対象とした保護パイプラインの中で、最も高い、あるいは最も高いタスク成功ポイントの推定を達成した。
PrivScreenでは、同じベースラインに対して62.72\%--62.84\%の固定読み取りフィールド露光を減少させる。
PrivacyGuardは、ローカルに解決可能なタスクパスを保持しながら、アップロードの露出を低くする。
関連論文リスト
- ReCast: Contract-Preserving Protection for Fixed-Interface Multimodal Reasoning [27.3522376943031]
ReCastは、タスク関連関係と必要な入力モダリティを保持しながら、ソース固有のコンテンツを置き換える。
4000のChartQAとNMSQAの例では、ReCastは75.10%の精度で保護されていないリモート精度の92.43%を維持している。
論文 参考訳（メタデータ） (2026-10-01T07:00:48Z) - Learning to Refer: Client-Resolved Generation for Privacy-Aware Language Models [28.622636023401228]
クラウドベースの大規模言語モデル(LLM)では、ユーザはサービスプロバイダにデータを公開し、機密ドメインのプライバシリスクを発生させる必要がある。
本稿では,サーバサイド生成と入力内容の語彙的実現を分離するジェネラオンインタフェースであるクライアント-解決生成(CRG)を紹介する。
このインターフェースは、トレインイングと推論の両方の間、プライベート入力とインプットから出力されるコンテンツを保護すると同時に、サービスプロバイダが独自のモデルパラメータをクライアントから隠蔽することを可能にする。
論文 参考訳（メタデータ） (2026-09-26T15:13:58Z) - Privacy-Preserving Topology-Guided Safety for LLM-Based Multi-Agent Systems via Federated Graph Learning [67.04448659688579]
FGLGuardは、AgentDojoのグランドサクセスレートを、ほぼ無防備なユーティリティ、APIコストゼロ、無視可能な機能損失で43%削減する。
フェデレーションはオプションではなく、オフ・ザ・シェルフ・トランスファーは流通シフトによって崩壊する。
Live FGLGuardは、AgentDojoのグランドサクセスレートを、ほぼ無防備なユーティリティ、APIコストゼロ、無視可能な機能損失で43%削減する。
論文 参考訳（メタデータ） (2026-09-02T07:57:12Z) - SIDScope: A Diagnostic Resource for Semantic-ID Interfaces in Generative Recommendation [4.419168310735208]
SIDScopeは、セマンティックIDマッピング決定のためのソーストレース診断リソースである。
アイテムからコードへのアーティファクトの正規化、証明と結合の検証、プロファイルマッピングの構造の検証、ペア化されたリビジョンの比較、生成されたトレースにおけるパスからイテムの結果の報告などを行う。
論文 参考訳（メタデータ） (2026-08-19T10:35:12Z) - KeyPooling: Measuring Where LLM API Relay Paths Collapse Prompt Cache Isolation [53.952294884822955]
大規模言語モデル(LLM)APIは、顧客の認証を別々に行うが、多くの場合、共有プロバイダ認証を通じて要求を転送する。
KeyPoolingは、キャッシュのルックアップと書き込みを通じて顧客のアイデンティティをトレースする測定方法である。
すべての顧客がプロバイダ強化されたドメインに入る必要があります。
論文 参考訳（メタデータ） (2026-08-18T08:12:34Z) - Inverting the Hidden: Unveiling Multimodal Privacy Leakage in Collaborative LVLM Inference [10.251138435714147]
コラボレーション推論は、エッジデバイスとクラウド間の計算により、LVLM(Large Vision-Language Models)をデプロイする。
生の入力を控えることでプライバシーが保証されるが、中間の隠蔽状態の送信は重要な攻撃面を公開する。
重層LVLM隠蔽状態からでも、プライバシーに敏感な視覚情報やテキスト情報を復元できることを示す。
論文 参考訳（メタデータ） (2026-08-02T05:56:23Z) - AgentDebugX: An Open-Source Toolkit for Failure Observability, Attribution, and Recovery in LLM Agents [83.37969790806069]
LLMエージェントのエラーは、エラーが表面化するステップが原因ではないことが多いため、デバッグが難しい。
Agent DebuggerXはオープンソースのフレームワークで、デバッグをDe Detect, Attribute, Recover, Rerunのクローズドループとして整理する。
コアとなるDeep Debuggerは、グローバルな軌跡理解を通じてマルチターン根本原因診断を行う。
論文 参考訳（メタデータ） (2026-07-21T06:21:13Z) - SlotGuard: Stop Oversharing Private Local Context in LLM Agent Transcri [6.776070277138371]
SlotGuardは、エージェントのパフォーマンスを維持しながら機密データを隠蔽できる、ローカルな転写境界である。
構造的バインディングを型付きサフィックス対応スロットとして書き直し、シークレットをフォーマット保存の合成値に置き換え、クロスターン参照を軽量セッショングラフにリンクし、信頼されたランタイム内でのみ生値を復元する。
論文 参考訳（メタデータ） (2026-07-19T09:13:08Z) - How Far Is Document Parsing from Solved? PureDocBench: A Source-TraceableBenchmark across Clean, Degraded, and Real-World Settings [56.70440596502351]
昨年は20以上のオープンドキュメントパースモデルが見られたが、ベンチマークはほぼOmniDocBenchにのみ依存している。
HTML/CSSのドキュメントイメージをレンダリングするベンチマークであるPureDocBenchは、10のドメイン、66ページ、1,475ページをカバーしています。
論文 参考訳（メタデータ） (2026-05-08T09:30:31Z) - VLAA-GUI: Knowing When to Stop, Recover, and Search, A Modular Framework for GUI Automation [98.38575149237442]
VLAA-GUIは3つの統合コンポーネントを中心に構築されたモジュラーGUIフレームワークである。
必須完全性検証は、UIで観測可能な成功基準と検証を、各完了ステップで実施する。
強制的なループブレーカは、繰り返し失敗した後、多層切替インタラクションモードを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:42:37Z)
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。