論文の概要: Bad Diagnosis: Analyzing Consent and Data Collection Practices of Mobile Medical Apps
- arxiv url: http://arxiv.org/abs/2610.23851v1
- Date: Fri, 16 Oct 2026 17:58:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:08.064048
- Title: Bad Diagnosis: Analyzing Consent and Data Collection Practices of Mobile Medical Apps
- Title（参考訳）: 悪い診断: モバイル医療アプリのコンテンツとデータ収集の実践の分析
- Abstract要約: モバイルヘルス(mHealth)アプリは、ユニークな機密性の高い医療データを処理しながら、個人を特定する情報を収集する。
われわれはGoogle Play Storeで1万以上のmHealthアプリに対して、同意とデータ収集のプラクティスを総合的に分析した。
- 参考スコア（独自算出の注目度）: 6.589816793386436
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mobile health (mHealth) apps collect personally-identifiable information while handling uniquely sensitive medical data, ranging from mental health records to real-time glucose or heart rate monitoring -- yet they remain poorly understood at scale. We present the first comprehensive analysis of consent and data collection practices across 10,000+ mHealth apps on the Google Play Store, combining static analysis and privacy policy examination. We develop a rigorous operational definition to distinguish health apps from general wellness programs, and design a measurement framework to detect misuse of permissions and violations of consent. Our analyses reveal a troubling ecosystem: 69.15% of apps request at least one permission unrelated to their stated purpose, with over 52.9% apps requesting location data, and 50.5% and 34.9% apps requesting camera and microphone access, respectively -- despite no functional justification based on app descriptions and stated purposes. Most alarmingly, nearly 93% of apps fail to provide users with a consent form, directly violating regulatory requirements such as GDPR; and even among the remaining 7%, 1 in 14 demonstrate a gap between the obtained consent and collection of personally identifiable information. These findings demonstrate an urgent need for stronger enforcement of privacy regulations in mHealth apps. We plan to release our dataset and measurement tools for continued monitoring of this critical space.
- Abstract（参考訳）: モバイルヘルス(mHealth)アプリは、メンタルヘルス記録からリアルタイムグルコースや心拍数監視まで、ユニークな機密性の高い医療データを処理しながら、個人が特定可能な情報を収集する。しかし、大規模には理解されていない。我々は、Google Play Storeの1万以上のmHealthアプリに対して、初めて、同意とデータ収集のプラクティスを包括的に分析し、静的分析とプライバシポリシ試験を組み合わせた。我々は、健康アプリと一般的なウェルネスプログラムを区別するための厳密な運用定義を開発し、承認の不正使用を検出するための測定フレームワークを設計する。我々の分析では、69.15%のアプリが、52.9%以上のアプリが位置情報を要求し、34.5%がマイクロフォンとマイクを要求している。
最も心配なのは、アプリの93%近くが、GDPRなどの規制要件に直接違反する同意フォームを提供していないことだ。
これらの結果は、mHealthアプリのプライバシー規制の強化が緊急に必要であることを示している。
この重要な領域を継続的に監視するためのデータセットと測定ツールをリリースする予定です。
関連論文リスト
- Expecting (Targeted Ads)? Network Analysis of User Health Data Leakage in Fertility Tracking Apps [9.426024604008406]
Google Play Storeから20のAndroid肥大追跡アプリのコーパスをネットワークベースで測定する。
ユーザの健康データの明示的な漏洩と,高度にターゲットされたコンテキスト広告URLによる暗黙的な漏洩を識別する。
これらの発見は、広範囲にわたるユーザの懸念に対する技術的根拠を提供すると同時に、アプリベースの肥大度追跡のプライバシーへの影響における消費者選択の重要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2026-06-24T18:17:04Z) - What's on Your Mind? Exploring Privacy of Mental Health Apps [19.866264316153547]
われわれはAndroidのメンタルヘルスおよびライフコーチングアプリ25の総合分析を行った。
どのアプリにも、プライバシーポリシーにはない少なくとも1つのトラッカーSDKが組み込まれている。
68%のアプリがAPKで検出されたトラッカーの少なくとも半数を公開していない。
論文 参考訳（メタデータ） (2026-05-03T18:42:08Z) - Do Phone-Use Agents Respect Your Privacy? [97.81424230136075]
我々は,モバイルエージェントのプライバシ行動を評価するための検証可能なフレームワークであるMyPhoneBenchを紹介する。
プライバシを無視する電話を、最小限のプライバシ契約によって許可されたアクセス、最小限の開示、およびユーザ制御メモリとして運用する。
10のモバイルアプリと300のタスクで5つのフロンティアモデルにまたがって、タスクの成功、プライバシに準拠したタスク補完、保存された好みの後での利用が、それぞれ異なる機能であることに気付きました。
論文 参考訳（メタデータ） (2026-04-01T14:50:50Z) - Cross-platform Prediction of Depression Treatment Outcome Using Location Sensory Data on Smartphones [55.992010576087424]
スマートフォンで受動的に収集した位置情報データを用いて治療結果を予測する。
その結果, 位置特徴とベースライン自己申告アンケートスコアは, F1得点を0.67点まで引き上げることが可能であり, 定期的な自己申告アンケートと同等であることがわかった。
論文 参考訳（メタデータ） (2025-03-10T22:00:07Z) - FEDMEKI: A Benchmark for Scaling Medical Foundation Models via Federated Knowledge Injection [83.54960238236548]
FEDMEKIはデータのプライバシーを守るだけでなく、医療基盤モデルの能力を高める。
FEDMEKIは、医療ファンデーションモデルに対して、直接データを公開することなく、幅広い医療知識から学ぶことを可能にする。
論文 参考訳（メタデータ） (2024-08-17T15:18:56Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - On the Privacy of Mental Health Apps: An Empirical Investigation and its
Implications for Apps Development [14.113922276394588]
本稿では、メンタルヘルスアプリに組み込まれたデータのプライバシーを体系的に識別し、理解することを目的とした実証的研究を報告する。
われわれはGoogle Play Storeのトップランクのメンタルヘルスアプリ27件を分析した。
この発見は、不必要なパーミッション、セキュアでない暗号実装、ログやWebリクエストにおける個人情報や資格情報の漏洩など、重要なデータプライバシの問題を明らかにする。
論文 参考訳（メタデータ） (2022-01-22T09:23:56Z) - Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。
システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
論文 参考訳（メタデータ） (2020-05-25T12:32:02Z)
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。