Longitudinal Compliance Analysis of Android Applications with Privacy Policies
当代移动应用程序(app)被设计为跟踪、使用和共享用户的数据,通常未经他们的同意,这导致潜在的隐私和透明度问题。为了调查移动应用程序在收集用户信息方面是否一直是(不)透明的,我们对268个Android应用程序的历史版本进行了纵向分析。这些应用程序包括2008年至2016年期间的5,240个应用程序发布或版本。我们检测应用程序的行为与隐私政策中规定的数据汇集使用之间的不一致,以揭示合规性问题。我们利用机器学习技术对隐私政策文本进行分类,以识别收集和/或共享用户个人信息(如电话号码和电子邮件地址)的所谓做法。然后通过静态和动态分析揭示应用程序的数据泄漏。随着时间的推移,我们的结果显示,隐私政策中未披露的应用程序数据汇集做法的数量稳步增加。这种行为尤其令人不安,因为隐私政策是描述应用程序隐私保护做法的主要工具。我们发现,较新版本的应用程序可能比以前的版本更不兼容。据称与实际数据做法之间的差异表明,隐私政策往往与应用程序的行为不一致,从而违背了用户安装应用程序时的“通知和选择”原则。
2021-07-28 cs.CR
Interdependent Privacy in Smart Homes: Hunting for Bystanders in Privacy Policies
CrySyS Lab, Budapest Univ. of Technology and Economics(CrySyS实验室,布达佩斯技术与经济大学)
本文针对智能家居场景下的旁观者隐私问题,分析20款视频门铃与智能摄像头的隐私政策,发现供应商多以免责声明转嫁非用户数据收集的伦理责任,结合真实案例与法律框架提出政策与设计层面的优化建议,以提升隐私透明度。
2025-10-30 cs.CR
A Comprehensive Study on GDPR-Oriented Analysis of Privacy Policies: Taxonomy, Corpus and GDPR Concept Classifiers
Shanghai Jiao Tong University(上海交通大学);University of Birmingham(伯明翰大学);University of Kent(肯特大学);Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所)
本文提出了一种更完整的GDPR分类法和语料库,评估了隐私政策中概念分类器的性能,揭示了分割训练集和测试集的不恰当性以及层级信息的重要性。
2026-01-17 cs.CR
Privacy by Design: On the Formal Design and Conformance Check of Personal Data Protection Policies and Architectures
新的《通用数据保护条例》(GDPR)将于2018年5月生效,因此,设计合规的数据保护政策和系统架构对于组织避免处罚至关重要。不幸的是,以文本格式给出的规则很容易被策略和系统设计者误解,这也使得一致性检查容易出错。在本文中,我们采用正式的方法,以促进系统的政策和架构的设计,在一个明确的方式,并提供了一个框架,数学上健全的一致性检查,对目前的数据保护法规。我们提出了一个(半)正式的方法来指定和推理数据保护政策和架构,以及定义架构和政策之间的一致性关系。我们所提出的方法的可用性证明了智能计量服务的案例研究。
2018-05-14 cs.CR
Honesty is the Best Policy: On the Accuracy of Apple Privacy Labels Compared to Apps' Privacy Policies
本文微调基于 BERT 的模型,分析 iOS App Store 中 474,669 款 app 的隐私政策与 Apple 隐私标签,发现二者普遍不一致,并提出可将该系统用作开发者标签准确性的初步检查。
2024-06-16 cs.CR
Extending Expressive Access Policies with Privacy Features
身份验证、授权和信任验证是访问控制系统的核心部分。在这种系统中授予访问权限的条件收集在访问策略中。由于访问条件往往很复杂,因此使用专门的语言-政策语言-来定义政策。然而,目前的政策语言无法表达这样的条件,考虑到用户的隐私。与隐私保护技术,用户能够证明信息的访问system. In这项工作中,我们提出了一个通用的设计,支持隐私保护技术的政策语言。我们的设计防止不必要的敏感信息的披露,同时仍然允许制定的表达规则的访问控制。为此,我们使用零知识证明(NIZKs)。我们证明了我们的设计,将其应用到TPL策略语言,同时使用SNARKs。此外,我们还评估了由此产生的ZK-TPL语言及其相关的工具链。我们的评估表明,对于常规大小的凭证,通信和验证开销可以忽略不计。
2022-12-05 cs.CR
Link Before You Share: Managing Privacy Policies through Blockchain
随着众多在线内容提供方、实用程序和应用程序的出现,每个在线内容提供方、实用程序和应用程序都具有其自己的特定版本的隐私策略及其相关联的开销,对于关心的用户来说,管理和跟踪他们与提供方共享的机密信息变得越来越困难。用户同意提供商收集和共享他们的个人身份信息(PII)。我们开发了一个新颖的框架,可以自动跟踪有关提供商如何存储、使用和共享用户PII数据的详细信息。我们将数据隐私本体与区块链的属性相结合,以开发自动访问控制和审计机制,在跨第三方共享数据时强制执行用户的数据隐私政策。我们还通过实现一个工作系统LinkShare验证了这个框架。在本文中,我们详细描述了我们的框架以及LinkShare系统。大数据用户可以采用我们的方法,自动将其隐私政策应用于数据操作,并跟踪数据在不同利益相关者之间的流动。
2017-10-15 cs.CR
Privacy Policies Across the Ages: Content and Readability of Privacy Policies 1996--2021
Cyber Technology Institute, De Montfort University(德蒙福特大学网络技术研究所)
众所周知,大多数用户不阅读隐私政策,但几乎所有用户都在方框中打勾表示同意。在本文中,我们使用透明度研究、机器学习和自然语言处理的方法分析了隐私政策25年的历史。具体而言,我们收集了1996年至2021年的大规模纵向隐私政策语料库,并分析了隐私政策的长度和可读性,以及它们所描述的数据实践,它们授予用户的权利以及它们为组织保留的权利。我们特别关注针对GDPR和CCPA等最新隐私法规的变化。我们的研究结果表明,政策变得越来越长,越来越难阅读,特别是在新法规生效之后,我们发现了一系列有关数据的做法。我们的研究结果使我们能够推测为什么隐私政策很少被阅读,并提出改变,使隐私政策服务于他们的读者,而不是他们的作家。
2022-01-21 cs.CR cs.CY cs.LG
Measuring the Effectiveness of Privacy Policies for Voice Assistant Applications
Amazon Alexa和Google Assistant等语音助理(VA)正在快速无缝地融入人们的日常生活。对VA服务的日益依赖引发了隐私问题,例如私人对话和敏感信息的泄露。隐私政策在解决用户的隐私问题并告知他们有关数据汇集、存储和共享实践方面发挥着重要作用。VA平台(包括Amazon Alexa和Google Assistant)允许第三方开发人员构建新的语音应用程序并将其发布到应用程序商店。语音应用程序开发人员必须提供隐私政策,以披露其应用程序的数据做法。然而,很少有人知道这些隐私政策是否在新兴的VA平台上提供信息和值得信赖。另一方面,许多用户通过语音调用语音应用程序,因此用户访问这些隐私策略存在可用性挑战。在本文中,我们进行了第一次大规模的数据分析,以系统地衡量语音应用程序开发人员在两个主流VA平台上提供的隐私政策的有效性。我们试图了解当前应用商店中开发人员提供的隐私政策的质量和可用性问题。我们分析了64,720项亚马逊Alexa技能和2,201项Google Assistant操作。我们的工作还包括用户研究,以了解用户对VA隐私政策的看法。我们的研究结果揭示了两个主流语音应用商店的隐私政策令人担忧的现实,其中存在大量有问题的隐私政策。令人惊讶的是,谷歌和亚马逊甚至有官方语音应用程序违反了他们自己的隐私政策要求。
2020-07-29 cs.CR cs.CY
Privacy Preserving Enforcement of Sensitive Policies in Outsourced and Distributed Environments
在不受信任的环境中执行敏感策略仍然是基于策略的系统面临的一个公开挑战。一方面,采取任何适当的安全决策都需要访问这些策略。另一方面,如果在不受信任的环境中允许这样的访问,则机密信息可能被策略泄露。关键的挑战是如何在不受信任的环境中实施敏感策略和保护内容。在不可信环境的上下文中,我们主要区分外包和分布式环境。关于外包和分布式环境最有吸引力的范例分别是云计算和机会网络。在这篇论文中,我们提出了我们提出的基于策略的访问控制机制的设计,技术和实现细节的不可信环境。首先,我们在外包环境中提供访问策略的完全保密性,在外包环境中,服务提供商不会了解有关策略的私有信息。我们支持表达策略并考虑上下文信息。系统实体不共享任何加密密钥。对于复杂的用户管理,我们提供了成熟的基于角色的访问控制(RBAC)策略。在机会网络中,我们通过指定表达策略来保护内容。在我们提出的方法中,经纪人将订阅与内容相关的政策相匹配,而不会损害订阅者的隐私。因此,未经授权的代理既不能访问内容,也不能学习策略,而授权的节点只有在满足发布者指定的策略时才能访问。我们提出的系统提供了可扩展的密钥管理,其中松散耦合的发布者和订阅者进行通信,而无需任何事先接触。最后,我们开发了一个在真正的智能手机上运行的系统原型,并分析了它的性能。
2013-12-22 cs.CR
Automated Detection of GDPR Disclosure Requirements in Privacy Policies using Deep Active Learning
University of Virginia(弗吉尼亚大学)
自GDPR于2018年5月生效以来,公司一直致力于其数据实践,以遵守该隐私法。特别是,由于隐私政策是用户了解和控制其隐私的重要沟通渠道,因此许多公司在GDPR实施后更新了隐私政策。然而,大多数隐私政策都是冗长的,充满了行话,模糊地描述了公司的数据实践和用户的权利。因此,目前尚不清楚它们是否符合GDPR。在本文中,我们创建了一个包含1,080个网站的隐私政策数据集,这些网站标有18个GDPR要求,并开发了一个基于卷积神经网络(CNN)的模型,该模型可以对隐私政策进行分类,准确率为89.2%。我们应用我们的模型来衡量隐私政策的合规性。我们的研究结果显示,即使在GDPR生效后,97%的网站仍然不符合GDPR的至少一项要求。
2021-11-08 cs.AI cs.CR
PrivFramework: A System for Configurable and Automated Privacy Policy Compliance
当今大规模的数据汇集,加上最近消费者数据泄露的激增,导致人们越来越关注数据隐私和相关风险。传统的数据隐私保护系统专注于降低保管风险,并且缺乏授权数据所有者的特征。作为最终用户,可用于指定和强制执行自己的数据隐私偏好的选项有限。为了解决这些问题,我们提出PrivFramework,一个用户可配置的框架,自动隐私政策的遵守。PrivFramework允许数据所有者编写强大的隐私策略来保护他们的数据,并自动针对Python编写的分析程序执行这些策略。使用静态分析PrivFramework自动检查授权的分析程序是否符合用户定义的策略。
2020-12-09 cs.CR
On the (Un)Reliability of Privacy Policies in Android Apps
在Android上访问隐私敏感信息是移动社区日益关注的问题。尽管Google Play最近推出了一些隐私准则,但要彻底验证应用程序是否真正遵守这些规则仍然是一个悬而未决的问题。为此,在本文中,我们讨论了一种新的方法的基础上,一个富有成效的组合静态分析,动态分析,和机器学习技术,它允许评估这样的遵守。更详细地说,我们的方法检查每个应用程序是否i)包含符合Google Play隐私准则的隐私政策,以及ii)仅在用户接受该政策时才访问隐私敏感信息。此外,该方法还允许检查嵌入在应用w.r.t.同样的隐私政策。我们在一个工具3PDroid中实现了我们的方法,并对Google Play商店中最近下载量最大的一组Android应用进行了评估。实验结果表明,超过95%的应用程序会访问用户的隐私敏感信息,但其中只有一小部分(约1%)完全符合Google Play隐私准则。
2020-04-18 cs.CR
Privacy at Scale: Introducing the PrivaSeer Corpus of Web Privacy Policies
本文构建了包含超百万份英语隐私政策的 PrivaSeer 语料库,设计了抓取、过滤与去重流程,并通过可读性、相似度和主题建模分析其构成,以支持隐私政策理解研究。
2024-03-30 cs.CR cs.IR
The Privacy Policy Permission Model: A Unified View of Privacy Policies
针对隐私策略缺乏清晰完整解释的问题,提出 Privacy Policy Permission Model (PPPM) 建模方法,将策略表示为图表以揭示不一致并辅助隐私官员表达。
2024-03-26 cs.CR cs.CY
Building cross-language corpora for human understanding of privacy policies
确保用户了解影响他们的隐私政策是真正GDPR部署的关键挑战。研究大多用英语进行,但在欧洲和其他地方,用户说的语言不是英语。用不同语言复制研究需要可比较的跨语言隐私政策语料库。这项工作提供了一种方法,用于在一种国家语言和一种参考研究语言中建立可比较的跨语言。我们提供了一个应用程序的例子,我们的方法比较英语和意大利语扩展语料库的第一个研究用户的理解技术条款的隐私政策。我们还调查了其他可能使复制更加困难的开放问题。
2023-02-10 cs.CR cs.CY
Toward the Cure of Privacy Policy Reading Phobia: Automated Generation of Privacy Nutrition Labels From Privacy Policies
提出首个从隐私政策自动生成隐私营养标签的框架,以解决隐私政策阅读恐惧症,在数据收集实践上F1为0.75,安全实践平均F1为0.93,能检测90.1%低报问题。
2023-06-19 cs.CR cs.SE
Behavioral Privacy Leakage in Agentic Negotiation: Formalizing and Mitigating Inference Attacks via Randomized Policies
Apple Inc.(苹果公司)
研究自主协商代理行为隐私泄露问题,设计自适应随机协商策略,联合保证差分隐私、报价序列收敛和高协商效用,在合成双边协商实验中降低对手推理准确率,保持高协商成功率和效用。
2026-07-09 cs.CR
No More Trade-Offs. GPT and Fully Informative Privacy Policies
针对隐私政策全面性与可理解性的权衡问题,研究提出新格式隐私政策,实验验证ChatGPT 3.5和4对其解读效果较好,支持法律要求制定全面隐私政策的建议。
2023-12-27 cs.CR cs.CY
Associating eHealth Policies and National Data Privacy Regulations
随着电子数据成为现代社会的生命线,隐私问题日益增加。欧盟颁布的《通用数据保护条例》(GDPR)反映了这些担忧,该条例是全球最全面、最强大的隐私法规之一。该项目旨在评估和突出电子保健系统政策与个人数据隐私法规之间的关联。使用偏差校正的Cramer's V和Thiel's U测试,我们发现电子医疗系统的规则与数据隐私保护之间的关联很弱,甚至为零。训练了一个简单的决策树模型,验证了所得到的关联得分
2022-02-27 cs.CR cs.CY
Purpose-based access policy on provenance and data algebra
它是访问控制的一个关键机制,用于确定数据只能用于允许的目的。为了实现这一机制,我们提出了基于目的的访问策略在本文中。与基于来源的策略不同,基于目的的访问策略确定是否可以访问数据,基于目的的访问策略确定可以访问数据的目的。特别地,目的可以被分类为不同的敏感度水平。第一次,我们定制的政策代数,包括内部和外部的政策操作符的层次结构的目的,以合并由个别政策产生的目的集。我们还创建了外部策略代数来合并来自多方的策略。通过不同型号的测试实验,验证了该模型的可行性和实用性。
2019-12-01 cs.CR
Privacy and modern cars through a dual lens
现代汽车技术发展迅速。他们收集各种个人数据,并代表汽车制造商处理这些数据,以改善驾驶员的体验。这种处理的确切条款在用户购买汽车时接受的隐私政策中或首次启动时通过信息娱乐系统进行说明。本文采用双镜头来评估人们在开车时的隐私。第一种方法是客观的,研究汽车附带的隐私政策的可读性。我们分析了12个汽车品牌的隐私政策,并采用众所周知的可读性指数来评估所有司机都能理解隐私政策的程度。第二种方法针对驾驶员的意见,以推断他们的隐私问题和信任观念。我们设计了一份问卷,收集了88名参与者的意见,并得出有关他们的基本统计数据。我们的综合研究结果表明,隐私是不够的理解,目前作为一个问题,从驾驶汽车,因此未来的技术应该量身定制,使人们更了解这个问题,并使他们能够表达自己的喜好。
2021-11-24 cs.CR
Through the Looking Glass: LLM-Based Analysis of AR/VR Android Applications Privacy Policies
University of Central Florida(中佛罗里达大学)
本文利用 BERT 模型分析 AR/VR 应用隐私政策,发现其积极段落比例高于免费网站但低于付费网站,且通过强调关键隐私实践提升了政策清晰度与有效性。
2025-01-31 cs.CR cs.LG
Do Privacy Policies Match with the Logs? An Empirical Study of Privacy Disclosure in Android Application Logs
Rochester Institute of Technology(罗切斯特理工学院);Ontario Tech University(安大略理工大学);University of Waterloo(滑铁卢大学)
本文通过分析1000款Android应用的日志相关声明,发现大多数应用虽提供隐私政策,但仅有28.5%明确提及日志实践,且多数日志声明过于简单或模糊,导致隐私泄露问题严重。
2026-08-20 cs.CR cs.SE
Detecting Compliance of Privacy Policies with Data Protection Laws
National University of Computer and Emerging Sciences(国家计算机与新兴科学大学)
隐私政策是描述组织或公司在处理其用户个人数据时所采取的做法的法律文件。但由于政策是一份法律文件,它们往往是用大量难以理解的法律术语写成的。虽然已经在隐私政策方面做了工作,但没有一项工作能够满足验证给定隐私政策是否符合给定国家或州的数据保护法律的问题。我们的目标是通过提供一个根据各种数据保护法律(如《通用数据保护条例》(GDPR))分析隐私政策的框架来弥合这一差距。为了实现这一目标,我们首先标记了隐私政策和法律。然后,一个相关的计划,制定映射的隐私政策的内容,以适当的法律部分,政策必须符合。然后,我们使用NLP技术检查隐私政策的文本与相应的法律文本的一致性。通过使用这样的工具,用户将更好地了解他们的个人数据是如何管理的。目前,我们已经为GDPR和PDPA提供了一个映射,但其他法律可以很容易地纳入已经建立的管道中。
2021-02-21 cs.CL cs.CR
Messaging with Purpose Limitation -- Privacy-Compliant Publish-Subscribe Systems
目的限制是一项重要的私隐原则,以确保个人资料只可用于收集该等资料时所申报的目的。因此,确保遵守GDPR等相应的隐私法规,将目的限制编纂为一项义务,是现实世界企业系统中的一项重大挑战。然而,在基于目的的访问控制(PBAC)的保护伞下的技术解决方案主要集中在数据库中的静态数据上,而用于通信和特别是电子邮件订阅消息的PBAC只受到很少的关注。在本文中,我们认为PBAC也适用于传输中的数据,并介绍和研究了一个具体的概念验证实现,该实现扩展了一个受欢迎的MQTT消息代理,但有目的限制。在此基础上,作为核心隐私原则的目的限制可以在企业物联网和消息驱动的集成架构中得到解决,这些架构不关注数据库,而是关注事件驱动的通信和集成。
2021-10-28 cs.CR
Tracking in apps' privacy policies
数据保护法,包括《通用数据保护条例》(GDPR),通常要求在收集个人数据之前制定隐私政策。我们在2019年5月(GDPR生效约一年后)分析了26,910个移动应用程序的15,145项隐私政策,发现仅打开政策网页就与第三方共享了48.5%的政策数据,这可能违反了GDPR。我们比较了不同国家、不同支付模式(免费、应用内购买、付费)和不同平台(Google Play Store、Apple App Store)之间的数据共享情况。我们进一步联系了52个没有提供隐私政策的应用程序开发人员,并询问了他们的数据实践。尽管法律要求开发人员回答此类问题,但仍有12名开发人员(23%)没有做出回应。
2021-11-26 cs.CR cs.CY
Polisis: Automated Analysis and Presentation of Privacy Policies Using Deep Learning
École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院);University of Michigan(密歇根大学)
隐私政策是公司告知用户其数据汇集和共享做法的主要渠道。这些政策往往很长,难以理解。基于从隐私政策中提取的信息的简短通知已被证明是有用的,但面临着一个重大的可扩展性障碍,考虑到政策的数量及其随时间的演变。公司、用户、研究人员和监管机构仍然缺乏可用和可扩展的工具来应对隐私政策的广度和深度。为了解决这些障碍,我们提出了一个自动化的隐私政策分析框架(Polisis)。它支持对自然语言隐私策略的可扩展、动态和多维查询。Polisis的核心是一个以隐私为中心的语言模型,它由13万个隐私策略和一个新颖的神经网络分类器层次结构构建而成,该层次结构既考虑了隐私实践的高级方面,也考虑了隐私实践的细粒度细节。我们展示了Polisis的模块化和实用性,两个应用程序支持结构化和自由形式的查询。结构化查询应用程序是从隐私策略中自动分配隐私图标。使用Polisis,我们可以在这项任务中实现88.4%的准确率。第二个应用程序PriBot是第一个针对隐私政策的自由形式问答系统。我们表明,PriBot可以为82%的测试问题产生正确的答案。使用MTurk用户研究与700名参与者,我们表明,至少有一个PriBot的前3名答案是相关的用户89%的测试问题。
2018-06-29 cs.CL cs.CR cs.HC
How to Make Privacy Policies both GDPR-Compliant and Usable
组织必须确保其隐私政策符合通用数据保护条例(GDPR),这一点非常重要,必须在2018年5月的最后期限之前完成。然而,在设计这些政策时考虑到接受者的需要也很重要。我们进行了一项调查,以找出如何最好地实现这一目标。我们首先将GDPR要求合成为检查表类型的格式。然后,我们从研究文献中得出了一系列隐私通知的可用性设计指南。我们用研究文献中报告的其他发现来补充这些建议,以确认这些指南。最后,我们提供了一个可用的、符合GDPR的隐私政策模板,以利于政策制定者。
2018-06-18 cs.CR cs.HC
Zeph: Cryptographic Enforcement of End-to-End Data Privacy
随着越来越多的敏感数据被收集以获得有价值的见解,在数据分析框架中原生集成隐私控制的需求越来越重要。如今,隐私控制由数据管理员执行,他们可以完全访问数据。然而,最近大量的数据泄露事件表明,即使是广受信任的服务提供商也可能受到损害。此外,我们无法保证数据处理和处理符合所声称的隐私政策。这促使人们需要一种新的数据隐私方法,可以为用户提供强有力的保证和控制。本文介绍了Zeph,一个系统,使用户能够设置隐私偏好如何共享和处理他们的数据。Zeph以加密方式执行隐私政策,并确保第三方应用程序可用的数据符合用户的隐私政策。Zeph实时执行隐私保护数据转换,并扩展到数千个数据源,使其能够支持大规模低延迟数据流分析。我们介绍了一个混合密码协议的隐私坚持加密数据的转换。我们在Apache Kafka上开发了Zeph的原型,以证明Zeph可以以低开销执行大规模的隐私转换。
2021-07-08 cs.CR
Compliance Checking with NLI: Privacy Policies vs. Regulations
University of Maine(缅因大学)
隐私政策是一份说明公司打算如何处理和管理客户个人数据的文件。这些隐私政策产生的问题之一是,它们的内容可能违反数据隐私法规。由于存在大量的隐私政策,检查所有这些政策中法律不一致的唯一现实方法是通过自动化方法。在这项工作中,我们使用自然语言推理(NLI)技术来比较隐私法规对部分的隐私政策,从大公司的选择。我们的NLI模型在其注意力机制中使用预训练的嵌入以及BiLSTM。我们尝试了两个版本的模型:一个是在斯坦福自然语言推理(SNLI)上训练的,另一个是在多类型自然语言推理(MNLI)数据集上训练的。我们发现,在SNLI上训练的模型的测试准确率更高,但在实际执行真实世界隐私策略的NLI任务时,在MNLI上训练的模型泛化并表现得更好。
2022-03-01 cs.CL cs.CR cs.LG
A BERT-based Empirical Study of Privacy Policies' Compliance with GDPR
Warwick Manufacturing Group, University of Warwick(华威大学华威制造集团)
本研究针对5G网络隐私政策的GDPR合规性与可读性问题,收集近70家5G MNO的隐私政策,用基于BERT的模型分类发现51%企业高度合规,同时通过可读性分析证实多数政策可读性不足,为5G提供商优化隐私政策提供实证依据。
2024-07-09 cs.AI cs.CR
Annotating Privacy Policies in the Sharing Economy
Uber、Airbnb和TaskRabbit等数字共享经济(DSE)的应用程序已成为现代社会经济增长和共享繁荣的主要推动力。然而,通过这些应用程序进行的商品、服务和数据的复杂交换经常使其最终用户的隐私处于危险之中。DSE应用程序的隐私政策旨在披露如何收集和处理私人用户数据。然而,在现实中,这样的政策是冗长和难以理解的,使DSE用户容易受到隐私侵犯的做法。为了解决这些问题,在本文中,我们提出了一种自动化的方法来注释DSE市场中的隐私政策。我们的方法识别这些政策中的数据汇集声明,并将其映射到应用程序的质量功能。视觉和文字注释,然后用来进一步解释和证明这些索赔。所提出的方法与18 DSE应用程序的用户进行了评估。结果表明,注释隐私政策可以显着提高他们的可理解性的平均DSE用户。我们的研究结果旨在帮助DSE应用程序开发人员起草更易于理解的隐私政策,并帮助其最终用户在世界上增长最快的软件生态系统之一中做出更明智的决策。
2022-10-26 cs.CR cs.HC cs.SE
ATLAS: Automatically Detecting Discrepancies Between Privacy Policies and Privacy Labels
Carnegie Mellon University(卡内基梅隆大学);Universidad Politécnica de Madrid(马德里理工大学)
本研究提出ATLAS系统,通过NLP集成分类器等组件自动检测iOS应用隐私政策与隐私标签的差异,对35万余款应用分析发现多数存在潜在合规问题,可助力多方开展隐私合规审查。
2023-05-24 cs.AI cs.CR cs.LG
The Privacy Policy Landscape After the GDPR
University of Wisconsin(威斯康星大学);École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院)
欧盟《通用数据保护条例》(GDPR)是有史以来最严格、最全面的隐私法规之一。在它生效一年后,我们研究了它对在线隐私政策的影响。我们在GDPR前后对隐私政策进行了首次纵向、深入和大规模的评估。我们评估这些策略的完整消费周期,从第一次用户印象到合规评估。我们创建了一个多样化的语料库,包含欧盟内外的两套6,278个独特的英语隐私政策,涵盖其GDPR之前和之后的版本。我们的测试和分析结果表明,GDPR已经成为欧盟内外隐私政策重大改革的催化剂。这一政策的彻底改革,体现在广泛的文本变化,特别是对欧盟网站,对用户的好处好坏参半。虽然隐私政策变得相当长,但我们对Amazon MTurk上的470名参与者进行的用户研究表明,从用户的角度来看,欧盟网站的隐私政策的视觉表示有了显着的改进。我们进一步开发了一个新的工作流程,用于自动评估隐私政策中的要求。使用此工作流程,我们表明隐私政策涵盖了更多的数据实践,并且与GDPR后的七项合规要求更加一致。我们还通过执行特异性分析来评估组织在隐私实践方面的透明度。在这项分析中,我们发现了GDPR引发的积极变化的证据,平均特异性水平有所提高。尽管如此,我们发现隐私政策的格局仍处于过渡阶段;许多政策仍然不符合GDPR的几个关键要求,或者其覆盖范围的改善伴随着特定性的降低。
2019-06-24 cs.CL cs.CR cs.CY
Developing Non-Stochastic Privacy-Preserving Policies Using Agglomerative Clustering
我们考虑一个非随机的隐私保护问题,其中对手的目的是推断敏感信息$S$从公开访问的数据$X$,而不使用统计。我们考虑生成和释放$X$的量化$\hat{X}$的问题,以最小化$S$到$\hat{X}$的隐私泄露,同时保持一定的实用性水平(或者,相反地,量化损失)。变量$S$和$S$被视为有界和非概率的,但在其他方面是通用的。我们考虑两个现有的非随机隐私措施,即最大的不确定性减少$L_0(S \rightarrow \hat{X})$和细化信息$I_*(S; \hat{X})$(也称为最大信息)的$S$。对于每个隐私措施,我们提出了一个相应的凝聚聚类算法,收敛到一个局部最优的量化解决方案$\hat{X}$迭代合并元素的字母表中的$X$。为了实例化这个问题的解决方案,我们考虑两个具体的实用措施,最坏情况下的分辨率$X$通过观察$\hat{X}$和最大失真的发布数据$\hat{X}$。我们表明,最大最小信息$I_*(S; \hat{X})$的值可以通过将混淆图划分为连通子图来确定。因此,可以通过合并连接子图的节点来减少$I_*(S; \hat{X})$。与概率信息论隐私的关系也进行了研究,注意到G{á}cs-K{<$}rner公共信息是$I_*$的随机版本,并表明统计不可测性的可达性。
2020-07-12 cs.CR
AI-enabled Automation for Completeness Checking of Privacy Policies
SnT Centre for Security, Reliability, and Trust, University of Luxembourg(卢森堡大学SnT安全、可靠性与信任中心);University of Ottawa(渥太华大学);Texas A&M University – Central Texas(得克萨斯农工大学中央得克萨斯分校)
信息共享方面的技术进步引起了人们对数据保护的关注。隐私政策包含有关组织或软件系统如何处理个人个人数据的隐私相关要求(例如,Web服务或应用程序)。在欧洲,隐私政策须遵守一般数据保护条例(GDPR)。GDPR合规检查的前提是根据GDPR的规定验证隐私政策的内容是否完整。不完整的隐私政策可能会导致违反组织的巨额罚款以及不完整的隐私相关软件规范。手动的完整性检查既耗时又容易出错。在本文中,我们提出了基于AI的隐私策略完整性检查自动化。通过系统的定性方法,我们首先构建了两个工件来表征GDPR的隐私相关条款,即概念模型和一组完整性标准。然后,我们通过利用自然语言处理和监督机器学习的组合,在这些工件之上开发自动化解决方案。具体而言,我们在隐私政策中识别GDPR相关信息内容,并随后根据完整性标准对其进行检查。为了评估我们的方法,我们从基金行业收集了234条真实的隐私政策。在一组48个看不见的隐私政策中,我们的方法正确地检测到了334个违反完整性标准的行为中的300个,同时产生了23个误报。因此,该方法具有92.9%的准确率和89.8%的召回率。与仅应用关键字搜索的基线相比,我们的方法在准确率和召回率方面分别提高了24.5%和38%。
2021-10-05 cs.AI cs.CR cs.SE
{A New Hope}: Contextual Privacy Policies for Mobile Applications and An Approach Toward Automated Generation
针对移动应用隐私政策可读性与参与度不足的问题,提出融合视觉GUI理解与政策分析的多模态框架SeePrivacy,可自动生成上下文隐私政策,检测与提取效果优异,能提升用户对隐私政策的理解与互动。
2024-03-10 cs.CR cs.SE
The Internet with Privacy Policies: Measuring The Web Upon Consent
为了保护用户的隐私,立法者对跟踪技术的使用进行了监管,要求在收集数据之前获得用户的同意。因此,网站开始显示越来越多的同意管理模块-即,隐私按钮--访问者必须与之互动才能访问网站内容。他们对Web测量的自动收集提出了挑战,主要是为了监视跟踪技术的广泛性,但也要在野外测量Web性能。隐私限制实际上限制爬虫观察实际的网站内容。在本文中,我们提出了一个彻底的测量活动,重点是在欧洲和美国的流行网站,访问来自世界各地不同国家的着陆和内部页面。我们设计了Priv-Accept,一个能够接受隐私政策的网络爬虫,就像大多数用户在实践中所做的那样。这让我们来比较一下网页前后的变化。我们的研究结果表明,所有的测量不处理的隐私Bouncers提供了一个非常有偏见的和部分的Web视图。在接受隐私政策后,我们观察到多达70个跟踪器的增加,这反过来又使网页加载时间减慢了2 - 3倍。
2022-09-13 cs.CR cs.NI
Taypsi: Static Enforcement of Privacy Policies for Policy-Agnostic Oblivious Computation
针对现有策略无关MPC语言动态强制执行隐私策略开销大、难扩展的问题,提出将程序转换为语义等价版本以静态执行隐私策略的方法,实现为Taypsi语言,在含结构化数据与复杂隐私策略的MPC应用中取得显著性能提升。
2024-03-06 cs.CR cs.PL
Decoding the Legalese: A Scalable and Quantitative Framework for Analyzing Corporate Privacy Policies
University of Michigan(密歇根大学);University of North Florida(北佛罗里达大学)
本研究提出一个基于大型语言模型的可扩展框架,将10,000个网站隐私政策转化为结构化数据,并引入四个维度的定量指标,以评估用户保护与商业利益之间的张力。
2026-09-23 cs.CR cs.CY
Purpose IR: Compiling User Purpose for Privacy-Preserving Agent Workflow State
Southern University of Science and Technology(南方科技大学);City University of Hong Kong(香港城市大学);The University of Tokyo(东京大学);Lingnan University(岭南大学)
该研究提出Purpose IR,一种有界类型化中间表示,通过编译用户意图构建智能体可复用状态的语义边界,在多数据集上的隐私、任务及合规表现均优于基线方法。
2026-10-14 cs.CR
PFirewall: Semantics-Aware Customizable Data Flow Control for Smart Home Privacy Protection
物联网(IoT)平台使用户能够部署家庭自动化应用程序。与此同时,随着大量敏感设备数据流流向物联网平台,隐私问题也随之出现。大多数流向平台的数据实际上不会触发自动化操作,而一旦设备绑定到平台,房主目前就无法控制。我们提出了PFirewall,一个可定制的数据流控制系统,以增强物联网平台用户的隐私。PFirewall自动生成数据最小化策略,仅公开最小量的数据以实现自动化。此外,PFirewall还为房主提供接口,通过定义用户指定的策略来定制个人隐私偏好。为了实施这些策略,PFirewall透明地干预和调解IoT设备与平台之间的通信,而无需修改平台、IoT设备或集线器。四个真实测试平台的评估结果表明,PFirewall将发送到平台的物联网数据减少了97%,而不会影响家庭自动化,并有效地减轻了用户活动推断/跟踪攻击和其他隐私风险。
2021-04-07 cs.CR
PolicyLR: A Logic Representation For Privacy Policies
University of Wisconsin-Madison(威斯康星大学麦迪逊分校);Langroid(朗格罗伊德)
提出PolicyLR范式,通过两阶段翻译与蕴含过程将隐私策略转换为机器可读的逻辑表示,实现0.91精确率和0.88召回率,支持合规性检查、不一致性检测和隐私比较购物等下游任务。
2024-08-27 cs.CL cs.CR
A Fine-grained Chinese Software Privacy Policy Dataset for Sequence Labeling and Regulation Compliant Identification
The Hong Kong Polytechnic University(香港理工大学)
隐私保护在法律层面和用户意识层面都引起了极大的关注。为了保护用户隐私,各国都制定了法律法规,要求软件隐私政策来规范他们的行为。然而,隐私政策是用自然语言编写的,其中包含许多法律术语和软件术语,这些术语阻止用户理解甚至阅读它们。使用NLP技术来分析隐私策略以帮助用户理解它们是可取的。此外,现有的数据集忽略了法律要求,仅限于英语。在本文中,我们构建了第一个中国隐私政策数据集,即CA 4P-483,以促进序列标记任务和隐私政策和软件之间的法规遵从性识别。我们的数据集包括483个中文Android应用程序隐私策略,超过11 K的句子和52 K的细粒度注释。我们在我们的数据集上评估了稳健和代表性基线模型的家族。基于基线性能,我们提供了我们的数据集上的发现和潜在的研究方向。最后,结合法规要求和程序分析,探讨了CA 4P-483的潜在应用。
2022-12-04 cs.AI cs.CR
LADFA: A Framework of Using Large Language Models and Retrieval-Augmented Generation for Personal Data Flow Analysis in Privacy Policies
Institute of Cyber Security for Society (iCSS) \& School of Computing, University of Kent Canterbury United Kingdom;Honda Research Institute Europe GmbH Germany;Institute of Cyber Security for Society (iCSS) \& School of Computing, University of Kent;Honda Research Institute Europe GmbH
LADFA利用大型语言模型和检索增强生成技术,实现对隐私政策中个人数据流的自动化分析与可视化。
2026-01-15 cs.AI cs.CR
A Declarative Framework for Specifying and Enforcing Purpose-aware Policies
目的对于隐私保护至关重要,因为它使用户确信其个人数据按预期处理。现有的建议,规范和执行的目的感知的政策是不满意的目的和/或缺乏支持的运行时执行的政策的语义模糊。在本文中,我们提出了一个声明性的框架,一阶时序逻辑的基础上,使我们能够提供一个精确的语义,目的感知的政策和重用算法的运行时监视器执行目的感知的政策的设计。我们还显示的生成和使用的监视器,据我们所知,是第一个这样的结果在文献中的目的意识的政策的复杂性。
2015-07-29 cs.CR cs.LO
Making Distributed Mobile Applications SAFE: Enforcing User Privacy Policies on Untrusted Applications with Secure Application Flow Enforcement
当今的移动设备感知、收集和存储大量的个人信息,用户通过各种应用程序与家人和朋友共享这些信息。一旦用户允许应用程序访问他们的数据,他们必须隐含地信任应用程序正确地维护数据隐私。正如我们从经验和太频繁的新闻报道中所知道的那样,这种信任往往是错误的。虽然用户不信任应用程序,但他们信任自己的移动设备和操作系统。不幸的是,共享应用程序不仅限于移动客户端,还必须在云服务上运行,以便在用户之间共享数据。在本文中,我们利用用户对其移动操作系统的信任来审查云服务。为此,我们定义了一个新的安全应用程序流实施(SAFE)框架,该框架要求云服务证明一个系统堆栈,该堆栈将强制执行移动操作系统为用户数据提供的策略。我们实现了一个在未修改的移动应用程序上强制执行SAFE策略的移动操作系统,以及两个用于在不受信任的云服务上强制执行策略的系统。使用这些原型,我们证明,它是可以执行现有的用户隐私政策上未经修改的应用程序。
2020-08-14 cs.CR cs.OS
Analyzing Privacy Implications of Data Collection in Android Automotive OS
本文针对Android Automotive OS的数据收集隐私问题,开发了名为PriDrive的分析工具,通过网络流量检查及静态与动态分析,揭示了OEM平台在车辆数据收集频率与隐私政策披露上存在的显著差异与违规现象。
2024-09-23 cs.CR
A Longitudinal Measurement of Privacy Policy Evolution for Large Language Models
Technical University of Munich(慕尼黑技术大学);Columbia University(哥伦比亚大学);New York University(纽约大学);CSIRO’s Data61(CSIRO的数据61)
本文首次对全球主流LLM提供者的隐私政策进行了纵向研究,揭示了隐私政策的演变趋势、内容特征及地区差异。
2025-11-24 cs.AI cs.CR cs.CY
SeePrivacy: Automated Contextual Privacy Policy Generation for Mobile Applications
SeePrivacy 通过多模态融合移动 GUI 理解与隐私政策分析,自动生成情境隐私政策,实现 83.6% 情境检测覆盖率和 0.92 片段提取准确率,显著提升用户阅读意愿与可用性。
2023-07-09 cs.CR cs.SE
Privaros: A Framework for Privacy-Compliant Delivery Drones
我们提出了Privaros,这是一个在无人机上执行隐私政策的框架。Privaros专为商业送货无人机而设计,例如亚马逊Prime Air可能使用的无人机。这种无人机访问多个主空域,每个主空域可能具有不同的隐私要求。Privaros提供了一个信息流控制框架,以在客人交付无人机上执行这些主机的策略。Privaros中的机制构建在ROS之上,ROS是许多无人机平台中流行的中间件。本文介绍了这些机制的设计和实现,介绍了如何指定的政策,并显示,Privaros的政策规范可以与印度的数字天空门户网站。我们的评估表明,运行Privaros的无人机可以强大地执行主机指定的各种隐私策略,并且其核心机制只会略微增加通信延迟和功耗。
2020-08-13 cs.CR cs.OS
PrivacyDates: A Framework for More Privacy-Preserving Timestamp Data Types
对应用软件数据模型的案例研究表明,时间戳被过度地用于与用户活动有关的方面。这与数据最小化原则相矛盾,该原则要求对特定目的所需的数据进行限制。先前的工作也确定了时间戳的共同目的,可以通过更多的隐私保护替代方案来实现,如具有面向目的的精度的计数器和日期。在本文中,我们通过展示这些替代品的现实世界的适用性来跟进。我们设计并实现了流行的Web开发框架Django的三个时间戳替代品,并通过在项目管理应用程序Taiga中替换传统的时间戳来评估其实用性。我们发现,我们的替代品可以被采用,而不会损害泰加的功能。
2022-06-07 cs.CR
OVRseen: Auditing Network Traffic and Privacy Policies in Oculus VR
虚拟现实(VR)是一种新兴技术,它可以实现新的应用,但也会带来隐私风险。在本文中,我们重点介绍了VR领域的领先平台Oculus VR(OVR),并从网络和隐私政策的角度,首次全面分析了OVR应用程序和平台本身暴露的个人数据。我们试用了Quest 2头显,并测试了Oculus官方和SideQuest应用商店中最受欢迎的VR应用程序。我们开发了OVRseen,一种用于收集、分析和比较OVR上的网络流量和隐私策略的方法和系统。在网络方面,我们捕获并解密了VR应用程序的网络流量,这在OVR上是不可能的,我们提取了数据流,定义为<app,数据类型,目的地>。与移动和其他应用生态系统相比,我们发现OVR更加集中,并且由跟踪和分析驱动,而不是由第三方广告驱动。我们展示了VR应用程序暴露的数据类型包括个人身份信息(PII)、可用于指纹识别的设备信息以及VR特定的数据类型。通过将网络流量中发现的数据流与应用程序隐私政策中的声明进行比较,我们发现大约70%的OVR数据流没有正确披露。此外,我们从隐私政策中提取了额外的上下文,我们观察到69%的数据流用于与应用程序核心功能无关的目的。
2021-11-19 cs.CR cs.NI