破解神盾：用于提升隐私保护漏洞意识的对抗性基于大语言模型的游戏

传统的隐私保护意识提升方法往往无法吸引用户或提供关于隐私漏洞如何被利用的实践性见解。为了解决这一问题，我们将对抗性机制融入对话式严肃游戏 Cracking Aegis 的设计中。该游戏利用大语言模型模拟自然交互，挑战玩家模仿角色并从人工智能代理 Aegis 那里提取敏感信息。用户研究（n=22）揭示，玩家采用了多种欺骗性语言策略，包括讲故事和情感 rapport 来操纵 Aegis。游玩后，玩家报告称将游戏内场景与现实世界的隐私漏洞（如网络钓鱼和身份冒充）联系起来，并表达了加强隐私控制的意图，例如避免与人工智能系统过度分享个人信息。这项工作突出了大语言模型在严肃游戏中模拟复杂关系交互的潜力，同时展示了对抗性策略如何为社会公益设计提供独特视角，特别是在隐私保护方面。