PolicyGapper：利用大模型揭开 Google Play 隐私披露的不一致黑匣

TL;DR

隐私合规不仅是代码层面的安全，更是声明层面的诚信。本文介绍的 PolicyGapper 是首个基于 LLM 的自动化审计工具，专门用于捕获 Android 应用“隐私政策（PP）”与“数据安全栏目（DSS）”之间的罗生门。在对 330 款主流应用的扫描中，它抓到了 2,689 处瞒报、漏报行为，平均 F1-score 达 0.76。

背景定位：隐私披露的“语义断层”

自 2022 年 Google 强制要求 DSS 以来，用户可以通过简单的图表了解应用收集了什么。但问题在于：谁来保证这些图表是真的？

传统方法通常对比“代码行为 vs 声明”，但忽略了法律风险的源头——隐私政策文本。如果 PP 里写了收集位置信息，但 DSS 标签上画了勾选“未收集”，这就构成了严重的透明度欺诈。手动对比这两者需要极高的法律背景和时间成本，这正是 PolicyGapper 发挥作用的坐标。

痛点深挖：为什么不仅仅是简单的关键词匹配？

隐私政策充满法律术语和条件子句。例如，开发者可能会写：“出于技术支持目的，我们可能会暂存您的 IP 地址”，但在 DSS 中却选择不申报。根据 Google 复杂的豁免规则（如：加密传输、端到端加密、匿名处理），有些数据是可以豁免申报的。

传统的自然语言处理（NLP）难以处理这种复杂的逻辑推断，导致高误报和低召回。

方法论详解：多 Prompt 推理流水线

PolicyGapper 并没有尝试毕其功于一役，而是采用了多级流水线架构：

1. 数据抓取与预处理：针对 PDF 格式的隐私政策进行视觉感知级的文本提取，保留文档的布局和层级。
2. 语义分析模块：
   • 架构直觉：研究者发现，将 38 种数据类型一次性塞给模型会导致注意力分散。PolicyGapper 采用了 3-Prompt 策略（将数据分为设备数据、用户数据、生成内容三组），在覆盖率与精确度之间取得了最佳平衡。
3. 后处理与过滤：这是系统的“守门人”。它根据 Google 的官方规范，重审模型生成的候选漏报项，剔除因“本地处理”或“端到端加密”而产生的伪漏洞，大幅减少了 LLM 的常见幻觉问题。

实验与结果：揭示合规现状

关键发现

• 瞒报率惊人：超过 95% 的受检应用存在至少一项披露缺失。
• 重灾区数据：
  1. 模糊位置 (Approximate Location)：很多应用在 PP 中写了收集 IP 地址，但忘记了 IP 意味着模糊位置，因而在 DSS 中漏报。
  2. 网页浏览记录 (Web Browsing History)：第三方内嵌浏览器（WebView）产生的行为极易被开发者忽略。
  3. 用户支付信息 (User Payment Info)：涉及 115 处漏报，具有极高的隐私敏感性。

性能看板

研究对比了多种模型（Qwen3, DeepSeek, Gemini），发现 Gemini 2.5 Pro 凭借其对原生 PDF 文件的视觉理解能力和长上下文支持，在指标上全面性压倒了通过 PyPDF2 解析出的纯文本输入。

深度洞察与总结

Takeaway

• 开发者工具化：PolicyGapper 不仅是监管工具，更是开发者的辅助工具包。它能帮助开发团队在提交应用前进行自我审查，避免因文档不一致导致的下架风险。
• LLM 的新赛道：该研究证明，在垂直领域的合规审计中，Zero-shot Prompting + 细颗粒度约束过滤 的表现已优于传统的有监督微调模型。

局限性与展望

尽管精度尚可，但对于一些跨平台的“通用隐私政策”（既管网站又管 App），PolicyGapper 偶尔会产生误判。此外，对于那些把隐私政策链接直接设为失效或重定向到 2017 年旧网页的应用，自动化审计依然面临“垃圾输入，垃圾输出”的挑战。

行业启示

隐私保护正从“能不能做”向“说明白了没有”演进。PolicyGapper 代表了监管科技（RegTech）的新方向：自动化语义审计将成为应用商店的标配。

作者总结：这项工作实现了学术上的“Open Science”承诺，完整复现包及数据集已在 GitHub 开源。