沉浸式扩展现实中的隐私:探索用户感知、关注和应对策略
隐私设计与用户控制环境感知与上下文计算智能家居隐私与安全隐私政策制定者HCI 研究员
文献标题
隐私问题在沉浸式扩展现实技术中的探索:用户感知、担忧与应对策略研究
文献信息
- 主题领域: 扩展现实技术 (XR) 数据隐私问题与用户感知
- 关键词: 用户隐私, 隐私感知, 隐私应对策略, 虚拟现实 (VR), 增强现实 (AR), 混合现实 (MR), 扩展现实 (XR)
研究背景与问题
-
问题与挑战:
- 扩展现实 (XR) 技术通过大量数据传感器提供沉浸式体验,但也增加了用户隐私暴露的风险。
- 目前的大量研究集中在开发者对 XR 技术隐私风险的关注上,而较少分析用户对隐私问题的感知与应对。
-
重要性:
- XR 技术广泛应用于游戏、社交网络、教育与医疗等领域,其隐私风险涉及用户行为数据、健康信息甚至情绪反应等高度敏感数据。
- 用户对隐私问题的认知与感知将直接影响技术的普及和应用。
-
研究动机与相关工作:
- 现有研究更多从技术角度关注 XR 数据隐私问题,但未充分关注用户的感受和他们的隐私需求。
- 探索用户对数据类型、设备状态等因素的反应,旨在提供切实的设计和政策指导。
解决方案
-
研究方法:
- 作者设计了一份场景式在线调查,邀请 464 名有 XR 设备使用经验的用户参与,收集他们在 18 种不同数据收集场景中的隐私感受。
- 调查问题涉及用户对 XR 数据收集的认知、隐私担忧程度、数据敏感性评估,以及用户的应对策略。
-
创新之处:
- 将现有 IoT、移动设备隐私研究的方法延伸至 XR 环境,全面审视多种数据类型、设备状态对隐私感知的影响。
- 强调用户对 XR 技术中“被动数据收集”和“数据推论能力”的察觉,这在非 XR 技术中鲜有提及。
-
实施步骤和技术:
- 场景设计涉及五个影响隐私感知的关键因素(用户类型、使用场景、设备类型、数据类型、设备状态)。
- 通过问卷评估用户对多个因素的隐私担忧,并结合用户提供的定性反馈,进行统计分析和主题分析。
研究成果
-
主要发现:
- 用户普遍缺乏对 XR 数据收集的全面了解,仅有 11% 的用户意识到 XR 数据可以推断出情绪、个性等信息。
- 数据类型和设备状态显著影响用户的隐私感知:
- 对“认知、情感、个性推测”数据的收集敏感度最高。
- 对设备“背景运行”时的隐私感知较为负面。
- 大部分用户对隐私问题持悲观态度,认为无法有效保护数据隐私。
-
优势:
- 为开发用户友好的隐私界面和 XR 数据管理工具提供了依据。
- 提出了提升用户数据隐私意识、设计透明数据管理机制的具体建议。
-
实验和评估结果:
- 定量分析显示,用户对 XR 数据收集的敏感度与场景感知真实度直接相关。
- 不同数据类型的隐私敏感评分:用户对“非识别性虚拟资产”数据关注度最低,而对于“情感推测数据”最为担忧。
- 定性反馈中,用户偏好限制性较强的隐私控制功能,但大部分表示对隐私保护感到无力。
-
局限性与未来方向:
- 限制性样本:仅调查了北美和欧洲有 XR 使用经验的用户。
- 场景设定难以完全反映 XR 的复杂使用环境(如多用户、旁观者等)。
- 倡导未来研究扩展到非用户群体、其他语言文化背景。
本研究突出 XR 技术对隐私的独特挑战,为更安全、用户友好的隐私设计及政策提供理论支撑,同时为该领域的后续研究奠定了基础。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 使用XR(扩展现实)设备时,用户对隐私数据的感知和关注如何变化?分类: XR中的隐私、同意与旁观者保护同类问题arrow_forward
- 哪些数据类型和设备状态对用户隐私感知的影响最大?分类: XR中的隐私、同意与旁观者保护同类问题arrow_forward
- 用户如何应对XR技术中的隐私风险?分类: XR中的隐私、同意与旁观者保护同类问题arrow_forward
lightbulb
现实痛点
1- 用户担心XR设备收集情绪等敏感隐私数据,但缺乏保护工具。分类: XR中的隐私、同意与旁观者保护同类问题arrow_forward
- 80%
忽视背景:默认设置和框架如何减少智能家庭隐私决策中的深思熟虑?
CHI '21· 隐私设计与用户控制 +1
- 67%
关系不仅仅是字节:通过人和事物重新思考智能服务的好处
CHI '19· AI 伦理、公平与问责 +2
- 67%
智能家庭安全摄像头与逐渐变化的尴尬界限:一项设计主导的探究
CHI '19· 隐私设计与用户控制 +2
- 67%
苹果移动生态系统中默认应用程序的隐私
CHI '24· 隐私设计与用户控制 +2
- 60%
为联网家庭设计增强隐私工具的指导
CHI '20· 隐私设计与用户控制 +1
- 60%
研究未来智能家居的实体隐私保护机制
CHI '23· 隐私设计与用户控制 +1
- 60%
智能家居中的安全自我效能感:智能家居网络安全自我效能感(CySESH)量表的开发与验证
CHI '23· 隐私设计与用户控制 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3613904.3642104
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
隐私设计与用户控制、环境感知与上下文计算、智能家居隐私与安全
work
职业/产业
隐私政策制定者、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
7 篇相关论文