探索隐私保护计算发展中设计和治理挑战

荣誉提名
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AI/ML 研究员与工程师隐私政策制定者HCI 研究员

文献标题

探索隐私保护计算方案中的设计与治理挑战

文献信息

  • 主题领域: 隐私保护技术(Privacy-Enhancing Technologies, PETs)与人机交互(HCI)
  • 关键词: 隐私保护技术,专家访谈,密码学,政策,计算机隐私
  • 会议来源: CHI Conference on Human Factors in Computing Systems (CHI '21), Yokohama, Japan, 2021
  • 作者及机构:
    • Nitin Agrawal, Reuben Binns, Max Van Kleek (英国牛津大学)
    • Kim Laine (微软研究院)
    • Nigel Shadbolt (英国牛津大学)

研究背景与问题

  • 问题与挑战:

    1. 隐私保护计算技术(PPCTs)包括同态加密、可信多方计算(SMPC)、差分隐私等因其新颖性、复杂性和不透明性产生了设计和治理方面的挑战。
    2. 将隐私这种模糊的概念转换成技术上的可执行方案面临很大难题。
    3. 如何提高这些技术对开发者的可用性,以及如何向相关利益者和社会解释这些技术并使其问责。
  • 重要性: 隐私是基本的人权问题,PPCTs 的应用和推广涉及广泛的社会利益个体及机构,对数据监管、隐私权保护等方面有重要意义。

  • 研究动机: 作者希望通过访谈,包括研究人员、开发者、政策制定者、行业领导者和设计师,就 PPCTs 的动机、预期、机会和采用障碍深入探讨其设计与治理方面的挑战,并提出未来改进方向。

解决方案

  • 方法与框架:

    1. 访谈研究: 通过与 9 位专家的半结构化访谈深入了解 PPCTs 的应用障碍和潜在机会。访谈对象涵盖研究者、政策制定者、行业专家以及设计师。
    2. 主题分析: 对访谈内容进行编码和分析,提炼出关键主题与子主题。
  • 研究目标:

    1. 识别不同利益相关者在采用 PPCTs 时面临的挑战。
    2. 探索采用 PPCTs 的动机背后的驱动力。
    3. 分析如何向社会和受影响的利益相关者解释和问责 PPCTs。
  • 创新点:

    1. 提出从技术到实践的跨学科协作需求。
    2. 探讨 PPCTs 在可用性、治理和公众接受度上的多维度挑战。
    3. 识别设计师和开发者作为隐私保护技术的间接用户的重要性。

研究成果

技术方面的挑战与机会

  • 从理论到实践的难题:

    1. PPCTs 从基础理论到实际应用仍存在较大差距;现阶段多为验证性研究。
    2. 复杂的实现细节、脆弱性和低效使开发者需要深入理解。
    3. 某些应用场景(如时间序列数据)在理论与实践中存在断层。
  • 跨学科协作的重要性:

    1. 整合应用数据科学、计算机工程、加密学及其他领域的专家。
    2. 多学科团队需要克服各自激励与目标的差异。
  • 可用性和标准化问题:

    1. PPCTs 对开发者要求较高。现有库和工具在抽象性能和灵活性方面需要权衡。
    2. 部分功能(如同态加密运行性能优化)需要“底层技巧”,难以封装为易用的库。

动机与应用场景

  • 隐私保护动机与延伸:

    1. PPCTs 的主要驱动力是对个人隐私的保护,同时包括新的数据分析机会与合规性需求(如 GDPR)。
    2. 在国家安全、企业竞争、知识产权保护等方面也有重要应用。
  • 政策与新机会的结合:

    1. PPCTs 提供了与隐私法规对冲的潜在解决方案,例如在反洗钱和隐私保护之间找到平衡。
    2. 政府与企业可以借此突破当前数据利用的法律桎梏。

解释与问责

  • 对不同受众的解释需求:

    1. 复杂技术语言的简化对于公众教育和设计师入门非常重要。
    2. 面向领导与决策者的解释应关注关联性而非过度简化。
  • 治理与可信机制:

    1. 政府或组织可通过认证与信任标志增强技术的社会接受度。
    2. 需要通过专家和集体同意模型解决个人无法完全理解技术的难题。
  • 社会力量与透明性问题:

    1. 需要注意 PPCTs 可能强化数据所有者(如政府或企业)的权力不平衡。
    2. 广泛的系统性问题,与隐私无关的篡权风险都需重点解决。

局限性与未来方向

  1. 局限性:
    • 当前研究偏重理论,应用场景验证不足。
    • 对通用、可扩展 API 和工具的开发需要更多投资和研究。
  2. 未来研究方向:
    • 设计师和开发者用户体验的深入研究。
    • 平衡隐私保护技术的高性能和易用性标准化。
    • 针对社会透明性和公众接受度的长期调查。

总结

该研究从多利益相关者视角分析了隐私保护计算技术落地的技术与社会双重挑战,明确了其设计、解释与治理中的关键问题,为未来研究提供了重要线索。同时,对开发者、设计师和决策者提出了具体需求,为行业和政策发展指明了方向。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/47561/2021

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3411764.3445677
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
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
AI/ML 研究员与工程师、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
10 篇相关论文