PrivacyHub:一个用于互操作性智能家居隐私意识和控制的功能性实体和数字生态系统

隐私设计与用户控制数据隐私感知与决策智能家居隐私与安全隐私政策制定者

研究背景与问题

  • 作者发现了哪些问题或挑战? 作者发现当前智能家居设备收集大量用户数据,但这一过程常伴随隐私和安全风险。用户缺乏对隐私相关问题及设备网络连接状态的了解,同时,对隐私的关注通常仅限于个别设备或原型化功能,缺乏跨生态系统(interoperable)的隐私管理手段。

  • 为什么这个问题很重要? 智能家居设备被置于用户的私人空间中,具有暴露用户行为和身份的风险。提升用户对隐私风险的认知并赋予他们控制权,可以减少数据被滥用带来的威胁,同时增强用户对智能家居技术的信任和接受度。

  • 研究动机与相关工作 现有研究已开发诸如摄像头快门、麦克风屏蔽等隐私保护设备,但大多仅针对特定设备或传感器类型,未能实现跨设备和跨生态系统的隐私管理。此外,之前的研究强调实体交互能够增强用户理解和信任。因此,作者旨在基于最新的跨生态系统协议(比如Matter标准),为智能家居隐私管理设计一个既有实体仪表盘又有数字控制接口的生态系统。

解决方案

  • 作者提出了哪些方法或解决方案? 作者设计并实现了一个名为PrivacyHub的跨设备智能家居隐私管理生态系统,包括:

    • 实体仪表盘:可视化智能设备位置以及数据流,通过物理旋钮更改设备隐私状态。
    • 数字网络应用:提供远程设备管理和隐私状态历史记录的功能。
    • 智能家居中心(Hub):作为设备与用户交互的核心入口,支持Matter标准进行跨制造商的设备通信。
  • 该解决方案的创新之处是什么?

    1. 提出了实体和数字相结合的隐私管理方法,既提供即时的物理反馈,又支持远程管理。
    2. 系统实现了跨不同设备类型的隐私控制,与市场上现有的单设备隐私功能形成鲜明对比。
    3. 数据流可视化功能提升了用户对隐私风险的认知和对设备网络连接状态的理解。
    4. 针对访客和旁观者,系统为他们提供了与设备交互的方式。
  • 实施步骤是什么?使用了哪些关键技术?

    1. 设备功能设计:
      • 实体仪表盘由LED显示板和模块化物理代理设备(proxies)组成,提供直观的交互方式。
      • 数字应用支持远程控制和设备隐私状态日志功能。
      • PrivacyHub硬件采用Raspberry Pi和Thread协议实现低功耗通信。
    2. 隐私状态定义:
      • 将设备划分为三种隐私模式:仅本地模式(Local Mode)、在线模式(Online Mode)、在线共享模式(Online-Shared Mode)。
    3. 实验设计:
      • 系统部署在六个家庭中,为期一周,通过多种测量方法收集用户使用行为和反馈。

研究成果

  • 取得了哪些具体成果?

    1. 系统显著提升了参与者对隐私风险的认知,使他们更清楚个人数据处理流程。
    2. 参与者报告隐私感知、控制感有所增强,部分用户将隐私管理融入日常习惯(例如在离家时调整设备隐私状态)。
    3. 实验发现实体交互更直观、更易于操作,尤其受到访客和非技术用户的认可。
  • 与现有解决方案相比,它有哪些优势?

    1. PrivacyHub不仅提供隐私意识增强功能,还支持设备功能的实际隐私控制,这是当前智能家居产品少有的功能。
    2. 跨生态系统的兼容性突破了单设备或单制造商的限制,用户可以通过统一的界面管理多种设备。
    3. 可视化数据流和实体交互结合提升了用户信任感和参与感。
  • 实验或评估结果是什么?

    1. 系统可用性评分(SUS)接近80分,显示其使用便捷性处于良好水平。
    2. 参与者对实体仪表盘的使用频率高于数字应用,表明实体交互有助于促进隐私管理。
    3. 所有家庭均利用三种隐私状态,显示其灵活性满足不同场景要求。
  • 局限性与未来方向

    1. 局限性:
      • 实验仅涵盖有限数量的Matter支持设备,限制了结果的广泛适用性。
      • 原型展示的是基础网络隐私管理功能,未来可扩展至更复杂的流量监控和加密机制。
      • 系统尺寸较大,有些用户希望支持更小的版本。
    2. 未来方向:
      • 集成更多隐私敏感传感器类型(如摄像头、麦克风)的广泛支持。
      • 提供更多粒度的传感器控制(例如关闭麦克风而保留其他功能)。
      • 开展更长期的用户试验以验证系统的持久效益。
      • 推动更广泛的商用中心和设备支持跨生态系统隐私管理功能。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/189464/2025

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3706598.3713517
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
隐私设计与用户控制、数据隐私感知与决策、智能家居隐私与安全
work
职业/产业
隐私政策制定者
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文