开发物联网隐私设置界面的数据驱动方法
算法透明度与可审计性隐私设计与用户控制智能家居隐私与安全隐私政策制定者内容治理与平台合规团队
用户测试常用于用户界面(UI)开发,但如果需要为尚不存在的系统开发界面该怎么办?此时,现有数据集可以为 UI 开发提供 valuable 输入。我们将数据驱动方法应用于物联网(IoT)设备的隐私设置界面开发。通过将机器学习技术应用于 IoT 场景中用户共享偏好的现有数据集,我们开发了一套「智能」默认配置文件。我们的界面让用户在这些配置文件进行选择,这些配置文件以 82% 的准确率捕获用户偏好,比 naive 默认设置提高了 14%,比单一智能默认设置提高了 12%。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 83%
Arca:记录改善智能相机人际隐私的新设计模式
DIS '25· 算法透明度与可审计性 +2
- 67%
调查GDPR合法利益中的欺骗性设计
CHI '23· 算法透明度与可审计性 +2
- 67%
GDPR Cookie横幅的跨国分析及抓取它们的灵活方法
CHI '25· 算法透明度与可审计性 +2
- 60%
为联网家庭设计增强隐私工具的指导
CHI '20· 隐私设计与用户控制 +1
- 60%
探索智能家庭中支持隐私保护行为的用户需求
CHI '22· 算法透明度与可审计性 +2
- 60%
研究未来智能家居的实体隐私保护机制
CHI '23· 隐私设计与用户控制 +1
- 60%
智能家居中的安全自我效能感:智能家居网络安全自我效能感(CySESH)量表的开发与验证
CHI '23· 隐私设计与用户控制 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
IUI
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
4 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、智能家居隐私与安全
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
仅摘要
hub
相关论文
7 篇相关论文