理解给予黑命贵抗议者的安全和隐私建议

荣誉提名
STEM 教育与科学传播隐私设计与用户控制数据隐私感知与决策网络欺凌与在线骚扰政府官员与公务员警察与紧急服务人员

文献标题

Understanding the Security and Privacy Advice Given to Black Lives Matter Protesters

文献信息

  • 主题领域: 激进主义与数字安全
  • 关键词: BlackLivesMatter, Activism, Security, Privacy, BLM, Security Advice, Digital Activism, Privacy Concerns, Protest Safety, End-to-End Encryption

研究背景与问题

  • 发现问题或挑战:

    • Black Lives Matter (BLM) 抗议活动中,许多参与者是新手,他们面临被警察或其他组织监视和威胁的数字安全与隐私风险。
    • 虽然一些指南提供了数字安全与隐私建议,但抗议者对这些建议的知晓程度、理解程度及实际采用情况尚不明确。
  • 重要性:

    • 面对隐私和安全威胁(如政府监控),了解抗议者的安全需求与防护现状是支持激进主义和保护参与者的重要一步。
  • 研究动机与相关工作:

    • 以往关注激进主义的研究多聚焦于社交媒体上的线上活动,对线下抗议活动中数字技术的应用和威胁关注较少。
    • 本研究旨在填补这一空白,分析数字安全建议对抗议者保护隐私与安全的有效性,并提供支持安全指南改进的证据。

解决方案

  • 提出的方法:

    1. 收集和分析2020年春季BLM抗议活动期间广泛分发的安全指南,提取和分类数字安全与隐私建议。
    2. 通过线上调查,评估新手抗议者对这些建议的认知、理解和采纳情况。
  • 创新之处:

    • 系统分析了41份安全指南,提出13类关键的数字安全与隐私建议。
    • 结合167名BLM抗议者的调查数据,评估指南建议在抗议环境中的实际影响,关注新手抗议者的特定需求。
  • 实施步骤和关键技术:

    1. 指南收集与分类:

      • 使用关键词在Twitter和Google搜索公开分发的指南。
      • 对数字安全和隐私相关建议进行聚类分析(如关闭生物识别解锁、使用端到端加密 (E2EE) 应用程序)。
    2. 问卷调查设计:

      • 包含抗议者的参与背景、安全关切、对数字隐私建议的认知与行为。
      • 收集定量数据(Likert量表)和定性数据(自由式回答),并进行回归分析。
    3. 数据分析:

      • 用定量分析揭示政策建议的采纳率和相关因素。
      • 结合编码方法分析抗议者对建议的理解与解释,探讨信息传递的效果。

研究成果

  • 具体结果:

    • 确定了41份指南中提到的13类数字安全建议:
      1. 禁用生物识别解锁(28份指南提到)
      2. 设置强密码
      3. 加密手机(9份指南提到)
      4. 禁用通知
      5. 推荐使用端到端加密的消息应用(例如Signal)(27份指南提到)
      6. 使用虚拟专用网络(VPN)(4份指南提到)
      7. 限制手机网络传输(31份指南提到)
      8. 避免携带个人手机等。
    • 抗议者主要关切以下问题:个人隐私泄露(例如位置跟踪)、警察获取手机内容或通讯记录。
  • 与现有解决方案相比的优势:

    • 提供了首次系统性分析BLM抗议活动中数字安全建议践行情况的数据。
    • 不仅考察了建议的内容,还探讨了抗议者执行建议的动因和阻碍。
  • 实验或评估结果:

    • 虽然大多数抗议者熟悉“设置强密码”和“避免在社交媒体上发布抗议相关内容”等建议,但对“使用E2EE应用”和“禁用生物识别解锁”等更具体的建议的认知和实施程度较低。
    • 不同背景的抗议者对于建议的认知程度差异明显,如技术背景者和激进主义领导者更可能了解并采纳这些建议。
  • 局限性与未来方向:

    • 局限性:
      • 基于Prolific平台招募的样本可能未能完全代表BLM抗议者的整体群体。
      • 调查依赖自我报告,可能存在社会期许偏差(即参与者描述的行为可能与实际不符)。
    • 未来方向:
      • 改进以用户为中心的安全指南设计,例如增加“原因”和“如何操作”部分。
      • 探讨更有效的建议传播方式,如通过线下活动、社区培训促进抗议者的安全意识。
      • 探讨抗议者与更广泛社会运动参与者的隐私需求异同,从而设计兼顾广度和深度的支持工具。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/47410/2021

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3411764.3445061
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2021
emoji_events
奖项
荣誉提名
group
作者
4 位作者
sell
研究子方向
STEM 教育与科学传播、隐私设计与用户控制、数据隐私感知与决策、网络欺凌与在线骚扰
work
职业/产业
政府官员与公务员、警察与紧急服务人员
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文