揭示陷阱：移动应用中暗模式的自动检测

移动应用为我们带来诸多便利，如网购与通信，但其中一些利用称为暗模式（dark patterns）的恶意设计诱骗用户做出不符合自身最佳利益的行为。已有许多工作对这些模式进行分类总结，部分研究尝试通过各类技术缓解该问题。然而，这些技术要么耗时，要么缺乏泛化能力，要么仅限于特定模式。为解决这些问题，我们提出UIGuard，一个知识驱动的系统，利用计算机视觉与自然语言模式匹配自动检测移动UI中广泛的暗模式。我们的系统免去为每一个新UI/应用手动编写规则的需求，并以更优性能覆盖更多类型。具体而言，我们将现有分类体系整合为一致的分类，开展特征分析并从真实案例与分类体系中提炼知识。UIGuard由属性提取与知识驱动暗模式检查器两个组件构成。我们收集了首个暗模式数据集，包含来自1,023个移动应用的1,660个实例中的4,999个良性UI与1,353个恶意UI。我们的系统在暗模式检测上取得优异性能（微观平均：精确率0.82、召回率0.77、F1分数0.79）。一项涉及58名参与者的用户研究进一步表明，UIGuard显著提升了用户对暗模式的认知。