Buchumschlag

PolicyLR: A Logic Representation For Privacy Policies

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hooda, Ashish, Khandelwal, Rishabh, Chalasani, Prasad, Fawaz, Kassem, Jha, Somesh
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PRP: Propagating Universal Perturbations to Attack Large Language Model Guard-Rails
von: Mangaokar, Neal, et al.
Veröffentlicht: (2024)

Undetectable Backdoors in Model Parameters: Hiding Sparse Secrets in High Dimensions
von: Choudhary, Sarthak, et al.
Veröffentlicht: (2026)

What Really is a Member? Discrediting Membership Inference via Poisoning
von: Mangaokar, Neal, et al.
Veröffentlicht: (2025)

Formal Policy Enforcement for Real-World Agentic Systems
von: Palumbo, Nils, et al.
Veröffentlicht: (2026)

Text-Based Personas for Simulating User Privacy Decisions
von: Fawaz, Kassem, et al.
Veröffentlicht: (2026)

Fun-tuning: Characterizing the Vulnerability of Proprietary LLMs to Optimization-based Prompt Injection Attacks via the Fine-Tuning Interface
von: Labunets, Andrey, et al.
Veröffentlicht: (2025)

Personalizing Agent Privacy Decisions via Logical Entailment
von: Flemings, James, et al.
Veröffentlicht: (2025)

Through the Stealth Lens: Attention-Aware Defenses Against Poisoning in RAG
von: Choudhary, Sarthak, et al.
Veröffentlicht: (2025)

Functional Homotopy: Smoothing Discrete Optimization via Continuous Parameters for LLM Jailbreak Attacks
von: Wang, Zi, et al.
Veröffentlicht: (2024)

Prediction with Expert Advice under Local Differential Privacy
von: Jacobsen, Ben, et al.
Veröffentlicht: (2025)

Taypsi: Static Enforcement of Privacy Policies for Policy-Agnostic Oblivious Computation
von: Ye, Qianchuan, et al.
Veröffentlicht: (2023)

Deep Active Learning with Crowdsourcing Data for Privacy Policy Classification
von: Qiu, Wenjun, et al.
Veröffentlicht: (2020)

Let's Measure the Elephant in the Room: Facilitating Personalized Automated Analysis of Privacy Policies at Scale
von: Zhao, Rui, et al.
Veröffentlicht: (2025)

Publicly-Detectable Watermarking for Language Models
von: Fairoze, Jaiden, et al.
Veröffentlicht: (2023)

Pr$εε$mpt: Sanitizing Sensitive Prompts for LLMs
von: Chowdhury, Amrita Roy, et al.
Veröffentlicht: (2025)

Dependency-Aware Privacy for Multi-turn Agents
von: Anshumaan, Divyam, et al.
Veröffentlicht: (2026)

The Privacy Policy Permission Model: A Unified View of Privacy Policies
von: Majedi, Maryam, et al.
Veröffentlicht: (2024)

DAVE: A Policy-Enforcing LLM Spokesperson for Secure Multi-Document Data Sharing
von: Brinkhege, René, et al.
Veröffentlicht: (2026)

Mitigating Cyber Risk in the Age of Open-Weight LLMs: Policy Gaps and Technical Realities
von: de Gregorio, Alfonso
Veröffentlicht: (2025)

ML-Bench&Guard: Policy-Grounded Multilingual Safety Benchmark and Guardrail for Large Language Models
von: Zhao, Yunhan, et al.
Veröffentlicht: (2026)

Privacy Checklist: Privacy Violation Detection Grounding on Contextual Integrity Theory
von: Li, Haoran, et al.
Veröffentlicht: (2024)

Calpric: Inclusive and Fine-grain Labeling of Privacy Policies with Crowdsourcing and Active Learning
von: Qiu, Wenjun, et al.
Veröffentlicht: (2024)

MemPrivacy: Privacy-Preserving Personalized Memory Management for Edge-Cloud Agents
von: Chen, Yining, et al.
Veröffentlicht: (2026)

SEA: Shareable and Explainable Attribution for Query-based Black-box Attacks
von: Gao, Yue, et al.
Veröffentlicht: (2023)

Contextual Agent Security: A Policy for Every Purpose
von: Tsai, Lillian, et al.
Veröffentlicht: (2025)

Privacy-R1: Privacy-Aware Multi-LLM Agent Collaboration via Reinforcement Learning
von: Hui, Zheng, et al.
Veröffentlicht: (2025)

Private Continual Counting of Unbounded Streams
von: Jacobsen, Ben, et al.
Veröffentlicht: (2025)

Privacy Preserving In-Context-Learning Framework for Large Language Models
von: Bhusal, Bishnu, et al.
Veröffentlicht: (2025)

Beyond Theoretical Bounds: Empirical Privacy Loss Calibration for Text Rewriting Under Local Differential Privacy
von: Li, Weijun, et al.
Veröffentlicht: (2026)

The Model's Language Matters: A Comparative Privacy Analysis of LLMs
von: Mishra, Abhishek K., et al.
Veröffentlicht: (2025)

Protecting Privacy in Classifiers by Token Manipulation
von: Harel, Re'em, et al.
Veröffentlicht: (2024)

Agent Meltdowns: The Road to Hell Is Paved with Helpful Agents
von: Jha, Rishi, et al.
Veröffentlicht: (2026)

WebSP-Eval: Evaluating Web Agents on Website Security and Privacy Tasks
von: Ramesh, Guruprasad Viswanathan, et al.
Veröffentlicht: (2026)

Hidden Data Privacy Breaches in Federated Learning
von: Gong, Xueluan, et al.
Veröffentlicht: (2024)

Token-Level Privacy in Large Language Models
von: Harel, Re'em, et al.
Veröffentlicht: (2025)

Do Large Code Models Understand Programming Concepts? Counterfactual Analysis for Code Predicates
von: Hooda, Ashish, et al.
Veröffentlicht: (2024)

Confused ChatGPT: Cross-App Context Poisoning via First-Party APIs
von: Wang, Chao, et al.
Veröffentlicht: (2026)

Privacy-Preserving Instructions for Aligning Large Language Models
von: Yu, Da, et al.
Veröffentlicht: (2024)

Confidential Prompting: Privacy-preserving LLM Inference on Cloud
von: Li, Caihua, et al.
Veröffentlicht: (2024)

Demo: TOSense -- What Did You Just Agree to?
von: Chen, Xinzhang, et al.
Veröffentlicht: (2025)