调查GDPR合法利益中的欺骗性设计

算法透明度与可审计性隐私设计与用户控制暗黑模式(Dark Patterns)识别隐私政策制定者内容治理与平台合规团队

文献标题

Investigating Deceptive Design in GDPR’s Legitimate Interest

文献信息

  • 主题领域: 数据保护与隐私设计、合规性研究
  • 关键词: Deceptive Design, Dark Patterns, GDPR, Consent, Privacy Notice, Legitimate Interest, Human-Computer Interaction

研究背景与问题

  • 作者发现了哪些问题或挑战?

    • GDPR 中的合法利益(Legitimate Interests)规定灵活但含糊不清,可能成为数据收集的漏洞。
    • 数据控制方可能通过隐私通知中的欺骗性设计滥用合法利益基础,导致用户的数据被动地被收集。
    • 缺乏强有力的法律实施与对隐私通知实践的系统研究。
  • 为什么这个问题很重要?

    • 合法利益基础为那些不要求用户明确同意的个人数据处理提供可能性,因此用户可能更难察觉并管理自己的隐私偏好。
    • 缺乏透明性可能会侵害用户的个人数据保护权,从而损害 GDPR 的合法性和效果。
  • 研究动机与相关工作

    • 合同实施与用户同意的实用性已被广泛研究,但合法利益的实际应用尚未被充分探讨。
    • 其他相关工作揭示了隐私通知中的暗模式,但较少关注合法利益的实施方式。

解决方案

  • 作者提出了哪些方法或解决方案?

    • 通过两项研究评估 GDPR 合法利益的实际应用及用户对这些实践的理解与感知。
      1. 使用网络爬虫分析 10,000 网站的隐私通知,识别合法利益相关的欺骗设计。
      2. 通过问卷调查 400 名参与者,了解用户对合法利益和相关数据收集目的的感知。
  • 该解决方案的创新之处是什么?

    • 将理论与实践结合,首次揭示了合法利益的欺骗设计与用户感知间的差异。
    • 提出了基于设计和法律的改进建议。
  • 实施步骤是什么?使用了哪些关键技术?

    • 第一个实验: 创建网络爬虫,分析顶级网站的隐私通知是否提到合法利益,以及这些通知中的UI或语言设计。
    • 第二个实验: 设计问卷,调查用户对合法利益数据收集目的的态度,并分析影响用户接受数据收集的因素。
    • 使用统计分析和内容分析方法提取结果。

研究成果

  • 取得了哪些具体成果?

    1. 合法利益的实践:
      • 隐私通知中合法利益的披露率较低,仅4.74%的网站提及。
      • 发现六种欺骗设计,包括UI复杂性、语言模糊性以及缺乏统一管理选择。
    2. 用户感知:
      • 用户认为合法利益通常是为了网站服务提供方和第三方广告商的利益,而非用户自身。
      • 对个性化广告和内容等目的最为反感,对安全与调试、欺诈检测目的最为接受。
  • 与现有解决方案相比,它有哪些优势?

    • 提供了实践层面的合法利益使用情况及其合法性评估。
    • 提出了具体的政策建议和设计改进,适用于隐私通知 UI 和语言设计。
  • 实验或评估结果是什么?

    • 合法利益的实施常涉及欺骗设计,例如合法利益与用户同意的混合开关。
    • 用户对数据收集目的的接受程度主要受益处感知的影响,即用户更愿意接受能为自己或社会带来益处的数据处理目的。
  • 局限性与未来方向

    • 局限性:
      • 网络爬虫仅分析了英文网站,可能无法代表所有欧盟语言环境。
      • 调查参与者年龄偏年轻,可能无法完全反映普通用户群体的观点。
      • 部分用户对合法利益概念的理解存在偏差。
    • 未来方向:
      • 扩展研究样本及语言范围。
      • 探索合法利益基础的透明性提升与政策制定的用户参与。
      • 探讨自动化隐私管理工具(如浏览器级设置)对减少欺骗设计的影响。

结论

  • 合法利益基础在 GDPR 中的应用潜力巨大,但常伴随设计欺骗和缺乏充分的法律监督。
  • 用户对当前隐私通知设计感到困惑,许多数据收集目的与用户偏好不一致。
  • 有必要加强 GDPR 的实施力度,改进隐私通知的设计标准,并纳入用户反馈以优化数据保护政策。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/96350/2023

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3544548.3580637
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
算法透明度与可审计性、隐私设计与用户控制、暗黑模式(Dark Patterns)识别
work
职业/产业
隐私政策制定者、内容治理与平台合规团队
article
内容状态
已索引正文
hub
相关论文
4 篇相关论文