모바일 GUI 에이전트는 화면 스크린샷을 해석하는 비전-언어모델(VLM)을 활용해 스마트폰 작업을 자동화하지만, 민감한 화면 정보의 직접 유출과 의도치 않은 사용자 프로파일링이라는 프라이버시 위험을 안고 있다. 이 논문은 이런 위험을 체계적으로 평가하는 최초의 벤치마크 PriMobiBench와, 16개 앱·25개 프라이버시 속성·2,960개 프라이버시 인스턴스를 담은 데이터셋 MobiLeak을 공개했다. 평가 결과 VLM은 최대 82.5% 성공률로 민감정보를 직접 추출했고, 명시적 유출을 넘어 집계된 시각 증거만으로도 약 70% 성공률로 사용자 프로필을 추론했다. 클라우드 처리 전 과업과 무관한 민감 UI 요소를 마스킹하는 완화책을 적용하면 성능 손실 약 8%만으로 프로파일링 성공률을 최대 58% 낮출 수 있음도 보였다.

• •스크린샷 기반 모바일 GUI 에이전트의 프라이버시 유출·프로파일링을 평가하는 최초 벤치마크 PriMobiBench 제안
• •16개 앱, 25개 프라이버시 속성, 2,960개 인스턴스로 구성된 MobiLeak 데이터셋 공개
• •VLM이 민감정보를 최대 82.5% 성공률로 직접 추출, 집계 증거로 약 70% 성공률 사용자 프로필 추론
• •과업 무관 민감 UI 요소 마스킹으로 성능 손실 8%만으로 프로파일링 성공률 최대 58% 감소