更安全的算法调解线下介绍：危害与保护行为

DOI

人们越来越频繁地通过在线平台进行线下介绍，这类平台包括约会应用（如Tinder）和本地零工工作网站（如TaskRabbit、Care.com）。保护这些线上-线下系统用户的安全，需要回应先前研究中关于考虑'后数字'安全方向的呼吁：从传统技术安全思维转向考虑算法驱动的后果，这些后果出现在线上和线下环境中，而不仅仅是承认线上威胁。为了支持进行算法调解线下介绍（AMOI）的平台的后数字安全，我们采用混合方法来识别AMOI用户经历的核心危害、他们采用的保护行为以及这些行为的流行程度。首先，我们系统性地回顾了现有工作（n=93），综合了威胁AMOI的危害和人们用来应对这些危害的保护行为。其次，我们通过调查用户对AMOI中安全的定义以及其保护行为的流行程度和实施情况，验证了先前的工作并填补了主要是定性研究留下的空白。我们重点关注两个参与AMOI的示范人群：在线约会者（n=476）和本地零工工人（n=451）。我们根据系统化和流行程度数据，为设计师和研究人员确定了几个方向，以重新设计防御工具来支持AMOI中的安全。