自行决定或委托他人 - 用户对私人物联网环境中的个人隐私助手自主性的偏好

文献标题

Decide Yourself or Delegate – User Preferences Regarding the Autonomy of Personal Privacy Assistants in Private IoT-Equipped Environments

文献信息

• 主题领域: 用户隐私保护、物联网设备隐私助理
• 关键词: 隐私, 物联网, 隐私剖析, 个性化隐私助理, 用户偏好, 自动化, 数据共享, 私人场景, 隐私决策, 可扩展性

研究背景与问题

• 发现的问题或挑战:

  • 随着物联网设备在私人环境中的扩散，人们需要在自己家中和其他私人场合（如朋友的家或租赁假日住所）处理隐私问题。
  • 人们往往无法控制或判断这些设备的隐私设置，也不了解设备记录了什么数据。
  • 隐私需求是高度个性化的，并缺乏标准化的解决方案。
  • 在复杂环境中进行隐私决策可能导致用户负担过重。

• 重要性:

  • 提供有效机制以支持用户保护其隐私对促进物联网设备的信任和广泛使用至关重要。
  • 当前的隐私控制方法复杂且难以使用，需要简化和优化。

• 研究动机与相关工作:

  • 提到个性化隐私助理（PPAs）可以帮助用户发现环境内的物联网设备并做出隐私决策。
  • 现有工作已研究如何建模隐私决策以及如何根据隐私偏好将用户分类，但缺乏关于“在用户个人隐私需求基础上设计隐私助理”的研究。

解决方案

• 提出的方法:

  • 作者提出了一套基于隐私剖析（privacy profiles）的个性化隐私助理解决方案(PPA)。
  • 分析了隐私剖析如何用于创建自动化的PPAs决策模型。
  • 设计了一种快速问卷，以根据用户对隐私的知识水平和保护动机将其分配到特定隐私剖析。

• 创新之处:

  • 扩展了现有的隐私剖析体系，并设计了一个包含18个场景的实验以调查PPAs的自动化模型优劣。
  • 提供基于隐私需求的用户分类方法，从而减少用户的隐私决策负担。
  • 将隐私决策的背景因素（如环境、数据类型及请求频率）与用户偏好紧密结合。

• 实施步骤及技术:

  • 通过三项预研究（总N=417）开发和验证隐私剖析问卷。
  • 在主研究中分析了不同自动化模式PPAs在18种使用情境中的用户偏好（N=1126）。
  • 使用统计学方法评估问卷有效性及不同隐私剖析对PPA类型选择的影响。

研究成果

• 具体成果:

  • 确定了隐私剖析的分类方法，对五种现有类型进行了扩展。
  • 提出了基于广泛用户反馈的PPAs设计建议。
  • 实验结果表明：在高频决策场景 (>25次/日) 中，用户倾向于完全自动化的PPAs，但在低频决策环境中更倾向于通知型PPAs。

• 优势:

  • 该方法通过隐私剖析显著减少使用者在低频决策场景中所需的交互次数。
  • 与传统机器学习方法相比，该隐私剖析方法更加透明并具有易于用户理解的特点。
  • 能够根据不同使用情境和个人需求动态调整隐私助理的自动化程度。

• 实验与评估结果:

  • 与现有PPAs相比，推荐型PPAs最受欢迎，其次是通知型助理，最后是全自动决策型助理。
  • 根据隐私剖析类型，不同知识水平和动机的用户对PPAs类型选择表现出显著差异，例如高知识、高动机用户偏好通知型助理。

• 局限性与未来方向:

  • 对于完全自动化的隐私助理，用户可能会担心其不透明性和信任问题。
  • 当前的研究主要集中于私人物联网环境，未来需要扩展到更多领域（如社交媒体或公共领域）。
  • 可进一步开发附加功能，如提供教育性建议或允许用户定制通知优先级。

推荐方向

1. 在设计隐私助理时，考虑用户知识与动机的个性化特征。
2. 提供“记住我的选择”功能以减少用户交互频率。
3. 在用户所在的家庭环境内，提供更多个性化的隐私支持并减少自动化干预的程度。
4. 扩展研究临界因素，如设备提供商的隐私政策对决策的影响。