Potential mass surveillance and privacy violations in proximity-based social applications
基于邻近度的社交应用程序让用户通过透露一些关于他们的偏好和行踪的信息来与当前接近他们的人进行交互。这些信息是通过被动地理定位获得的,并用于建立一种偶然发现人,地方和兴趣的感觉。不幸的是,虽然这类应用程序为城市环境中的人们提供了不同的交互可能性,但获得对某些身份信息的访问权限可能会导致可能的隐私攻击者在特定时间段内识别并跟踪用户的移动。通过该平台共享的相同信息也可以帮助攻击者将受害者的在线个人资料与物理身份联系起来。我们分析了一组流行的约会应用程序,这些应用程序在一定的半径内共享用户的相对距离,并展示了如何通过使用这些平台上共享的信息,可以正式定义一个攻击,能够识别用户的实际位置。同样的攻击也可以用来跟踪用户在一段时间内的所有活动,从而确定他们的习惯和整个城市的兴趣点。此外,我们还介绍了一种社交攻击,它使用常见的Facebook喜欢来描述一个人,并最终确定他们的真实身份。
2016-05-20 cs.CR cs.CY
Broadening Privacy and Surveillance: Eliciting Interconnected Values with a Scenarios Workbook on Smart Home Cameras
本研究借助智能家居摄像头场景手册对14名参与者开展价值引导活动,发现参与者反思的社会价值超出隐私与监视范畴,提出智能家居伦理研究应将隐私与更广泛社会价值关联考量,并反思非主要用户研究的注意事项。
2024-05-17 cs.CY cs.HC
Covert Surveillance in Smart Devices: A SCOUR Framework Analysis of Youth Privacy Implications
Vancouver Island University(温哥华岛大学)
本文通过SCOUR框架分析智能设备对青少年隐私的影响,揭示了隐蔽数据采集问题及改进技术保障的必要性。
2025-10-28 cs.AI cs.CR cs.CY
YASM (Yet Another Surveillance Mechanism)
客户端扫描(CSS)参见儿童性虐待材料检测(CSAMD),代表无处不在的大规模扫描。苹果公司提议扫描他们的系统以寻找此类图像。CSAMD后来被推迟,但欧盟决定提出强制CSS来打击和防止儿童性虐待并削弱加密。CSS是对个人财产、图片和文本的大规模监视,而不考虑隐私、网络安全和法律。我们首先讨论了为什么CSS应该被限制或不使用,并讨论了加密处理图片的方式以及CSAMD如何保护隐私的问题。在第二部分中,我们分析了在《欧洲人权公约》的制度范围内,CSS一般可能造成的侵犯人权行为。我们的焦点是这个制度可能对个人造成的伤害,我们也对拟议的《虐待儿童规例》提出意见。我们发现CSS是有问题的,因为它们很少能实现它们的目的,就像防病毒软件一样。试图解决诸如CSAM等问题的成本超过了收益,而且不太可能改变。所提议的CSAMD不太可能以描述源材料的方式保护隐私或安全。我们还发现,CSS一般可能会违反公平审判权,隐私权和表达自由。获取照片的方式可能会使对合法犯罪者的任何审判不可接受或侵犯他们获得公平审判的权利,在国家法律层面缺乏任何保护隐私的保障措施,这将侵犯隐私权,目前还不清楚这种扫描是否可以通过表达自由所要求的法律测试。最后,我们发现拟议的法规存在重大问题,因为它依赖于技术解决方案主义者的论点,而忽视了网络安全知识。
2022-05-29 cs.CR cs.CY
Protecting Privacy and Transforming COVID-19 Case Surveillance Datasets for Public Use
目的:促进联邦收集数据共享的联邦开放数据计划对于透明度,数据质量,信任以及与公众和州,部落,地方和领土(STLT)合作伙伴的关系非常重要。这些举措通过向更多的研究人员、科学家和政策制定者提供数据,以供分析、协作和在疾病预防控制中心应急人员之外的有价值的使用,来促进对健康状况和疾病的了解。对于新出现的情况(如COVID-19),尤其如此,我们有很多东西要学习,并有不断变化的数据需求。自疫情爆发以来,CDC已经从司法管辖区收集了个人级别的去识别数据,目前有超过800万条记录,每天都在增加。本文介绍了CDC如何从这些收集的数据中设计和生成两个去识别的公共数据集。材料与方法:根据有用性、公众要求和隐私影响纳入数据元素;抑制特定字段值以降低重新识别和暴露机密信息的风险。使用数据管理平台分析工具以及R脚本创建并验证数据集的隐私性和机密性。结果:不受限制的数据可通过Data.CDC.gov向公众提供,而受限制的数据(带有额外字段)可通过GitHub.com上的私有存储库通过数据使用协议提供。实践启示:对可用的公共数据、用于创建这些数据的方法以及用于保护去身份化个人隐私的算法的丰富理解允许改进数据使用。自动化数据生成程序允许更大和更及时地共享数据。
2021-01-13 cs.CR cs.CY
Understanding Ethics, Privacy, and Regulations in Smart Video Surveillance for Public Safety
University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校)
近年来,智能视频监控(SVS)系统作为当前被动监控系统的替代品受到了学者和开发人员的广泛关注。这些系统用于提高治安和监测系统的效率,并改善公共安全。然而,这些系统在监测公众日常活动方面的性质带来了不同的道德挑战。在实施SVS时,有不同的方法来解决隐私问题。在本文中,我们关注的是考虑到SVS中的道德和隐私挑战的设计的作用。回顾四个政策保护法规,产生一个概述的最佳实践隐私保护,我们认为,道德和隐私问题可以通过四个镜头:算法,系统,模型和数据来解决。作为一个案例研究,我们描述了我们提出的系统,并说明了我们的系统如何可以创建一个基线设计的隐私毅力系统,为社会提供安全。我们使用了几个人工智能算法,如目标检测,单和多摄像机重新识别,动作识别,和异常检测,提供了一个基本的功能系统。我们还使用云原生服务来实现智能手机应用程序,以便将输出交付给最终用户。
2022-12-25 cs.AI cs.CV cs.CY
Who Tracks Who? A Surveillance Capitalist Examination of Commercial Bluetooth Tracking Networks
由蓝牙和移动设备供电的物体和人员跟踪网络出于公共安全和个人关注的目的已经变得越来越流行。本文研究了流行的商业跟踪网络及其在苹果、三星和Tile的活动,参考了监视资本主义和数字隐私,发现了通过上述网络商品化的隐藏资产,以及它们将用户变成不受监管的数字劳动力的潜力,同时使个人隐私处于危险之中。
2022-11-22 cs.CY cs.SI
Addressing Privacy Threats from Machine Learning
University of California San Diego(加利福尼亚大学圣迭戈分校)
每年在NeurIPS上,机器学习研究人员都会聚集在一起,讨论机器学习在公共卫生、灾难应对、气候变化、教育等领域令人兴奋的应用。然而,这些研究人员中的许多人对机器学习在监视中的应用表示越来越多的关注(Nanayakkara等人,2021年)。本文简要概述了抵制这些监视技术的策略,并呼吁机器学习和人机交互研究人员之间加强合作,以应对这些技术带来的威胁。
2021-10-25 cs.CR cs.CY cs.LG
Covert Embodied Choice: Decision-Making and the Limits of Privacy Under Biometric Surveillance
利用丰富的行为和生物特征数据来预测个人属性和行为的算法继续渗透到公共和私人生活中。一个根本的风险可能来自对此类数据敏感性的误解,以及当细粒度(可能是非自愿的)行为被跟踪时,个人保护其隐私的机构。在这项工作中,我们研究了个体在受到激励时如何调整自己的行为,以避免算法预测他们的意图。我们目前的结果,从虚拟现实任务中,凝视,运动和其他生理信号进行跟踪。参与者被要求决定选择哪张牌,而算法对手没有预料到他们的选择。我们发现,虽然参与者使用各种策略,但收集的数据仍然具有高度的选择预测性(80%的准确率)。此外,很大一部分参与者变得更可预测,尽管努力混淆,可能表明错误的先验算法预测的动态。
2021-01-04 cs.CY cs.HC
Evaluating the Contextual Integrity of False Positives in Algorithmic Travel Surveillance
本文评估算法旅行监控中误报对情境完整性的影响,通过对芬兰成年人口的全国代表性调查(N=1550)及新提出的阈值估计方法,发现即使误报数量很高也被视为合法,并讨论了基于个人权利的监控合法化方法可能忽视大规模监控的系统性特征。
2025-05-30 cs.CY
Surveillance Disguised as Protection: A Comparative Analysis of Sideloaded and In-Store Parental Control Apps
本研究比较了20款侧载与20款商店内家长控制应用,发现侧载应用功能不足、缺乏隐私保护且存在数据泄露风险,其中8款被标记为潜在跟踪软件。
2025-03-08 cs.CR cs.CY
Understanding Policy and Technical Aspects of AI-Enabled Smart Video Surveillance to Address Public Safety
University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校)
人工智能(AI)的最新进展已经在许多实际应用中看到了智能视频监控(SVS)的出现,特别是在我们的城市环境中建立更安全,更安全的社区。认知任务,如识别对象,识别动作和检测异常行为,可以通过统计和分析工具产生能够为社区提供有价值见解的数据。然而,人工智能监控系统的设计需要特别考虑伦理挑战和问题。个人身份信息(PII)的使用和存储通常会增加个人隐私的风险。为了解决这些问题,本文确定了在设计支持AI的智能视频监控时需要解决的隐私问题和要求。此外,我们提出了第一个端到端的AI支持的隐私保护智能视频监控系统,该系统全面结合了计算机视觉分析,统计数据分析,云原生服务和最终用户应用程序。最后,我们提出了定量和定性的指标来评估智能视频监控系统。该系统在极端视频场景中显示了17.8帧每秒(FPS)处理。然而,在设计这样的系统时考虑隐私导致基于姿势的算法优于基于像素的算法。这种选择导致了动作和异常检测任务的准确性下降。异常检测的结果从97.48下降到73.72,动作检测任务的结果从96下降到83.07。端到端系统的平均延迟为36.1秒。
2023-02-08 cs.AI cs.CV cs.CY
New Data Security Requirements and the Proceduralization of Mass Surveillance Law after the European Data Retention Case
University of Amsterdam(阿姆斯特丹大学);Harvard University(哈佛大学)
本文以欧盟法院废止《数据留存指令》的判决为研究对象,梳理判决提出的数据安全评估新标准,警示大规模监控法程序化可能带来的人权侵害风险。
2025-11-17 cs.CY
The Ethics of Biosurveillance
各国政府必须使农业系统免受威胁农业生产和国际贸易的虫害。生物安全监测已经利用了一系列广泛的技术,如昆虫诱捕器和诱饵、地理信息系统和诊断性生化测试。廉价和可用的监视技术的兴起,如遥控飞机系统(RPAS),提出了国际生物监视准则中没有解决的价值冲突。保持农业无虫害的成本包括侵犯隐私和减少农民的自主权。我们认为,在无处不在的空中和地面监控时代,物理和数字隐私是一种自然权利,允许人们在自己的土地上自由活动。监督方法必须通过使用道德上可辩护的过程,如话语理论,以价值为中心的设计和负责任的创新,共同创造和合理化,以形成不同利益攸关方之间的合作社会契约。我们提出了一个生物监测活动的伦理框架,该框架平衡了粮食安全的集体利益与个人隐私:(1)建立生物监测社会契约的边界;(2)为农民、研究人员、工业界、公众和监管机构证明监测行动的合理性;(3)为决策者提供合理的措施来控制他们的个人和农业数据;以及(4)选择提供适当信息的监测方法。将道德框架纳入负责任的生物监测创新的好处包括随着时间的推移增加参与和积累信任。长期的信任与合作将支持粮食安全,产生更高质量的总体数据,并减少由于不尊重土地所有者权利而可能出现的预期信息差距
2021-11-23 cs.CY
An Amateur Drone Surveillance System Based on Cognitive Internet of Things
无人机,也被称为微型无人机,由于其在通信,摄影,农业,监控和众多公共服务中的无限应用而受到越来越多的关注。然而,业余无人机的部署会带来各种安全、安保和隐私威胁。为了应对这些挑战,业余无人机监视成为一个非常重要但基本上尚未探索的话题。在这篇文章中,我们首先提出了一个简短的调查,以显示国家的最先进的研究业余无人机监视。然后,我们提出了一个愿景,名为Dragnet,通过定制最近新兴的认知物联网框架,用于业余无人机监视。接下来,我们详细讨论了拖网的关键使能技术,以及技术挑战和开放问题。此外,我们提供了一个示例性的案例研究授权和未经授权的业余无人机的检测和分类,其中,例如,一个重要的事件正在举行,只有授权的无人机被允许飞越。
2017-11-29 cs.CY
A Privacy-Preserving Solution for Proximity Tracing Avoiding Identifier Exchanging
数字接触者追踪是与其他措施相结合的一项有用行动,可在封锁后阶段管理传染病的流行扩散。这是一个非常及时的问题,由于COVID-19的大流行,我们不幸的生活。接触者追踪应用程序旨在检测用户的接近程度,并评估可能传染的相关风险。现有的方法利用蓝牙或GPS或其组合,即使流行的方法是基于蓝牙的,并且依赖于需要在用户的智能手机之间相互交换临时标识符的分散模型。不幸的是,在这种解决方案中存在许多安全和隐私问题,主要是由于标识符的交换,而基于GPS的解决方案(固有的集中式)可能会受到大规模监视的威胁。在本文中,我们提出了一个解决方案,利用GPS来检测接近度,蓝牙只是为了提高准确性,而不允许交换标识符。与相关的现有解决方案不同,没有采用复杂的加密机制,同时确保服务器不会了解任何关于用户位置的信息。
2020-05-20 cs.CR cs.CY
How mass surveillance can crowd out installations of COVID-19 contact tracing apps
本文利用以色列代表性调查(n=519)考察大规模监控与自愿接触者追踪应用并行部署的自然实验,发现对大规模监控的积极态度会降低安装并增加卸载该应用的可能性。
2021-10-04 cs.CY cs.HC
User Perception of Privacy with Ubiquitous Devices
隐私在日常生活中对所有人都很重要。随着新兴技术、带有AR的智能手机、各种社交网络应用程序和人工智能驱动的监控模式的出现,它们往往会侵犯隐私。本研究旨在探索和发现在这个无处不在的技术时代与隐私感知相关的各种问题。采用在线问卷调查的方式研究用户对隐私的看法。目的性抽样被用来收集60名参与者的数据。数据分析采用归纳主题分析法。我们的研究发现了一些关键主题,如对公共和私人空间隐私的态度,隐私意识,征求同意,与各种技术相关的困境/困惑,态度和信仰对个人行为的影响,这些行为涉及如何保护自己免受公共和私人空间隐私的侵犯。这些主题相互作用,影响了各种行动的形成。它们就像核心原则,塑造了防止参与者和旁观者侵犯隐私的行为。这项研究的结果将有助于改善各种新兴技术的隐私和个性化。本研究有助于隐私设计和积极的设计,考虑用户的心理需求。这表明,研究结果可以应用于体验设计,积极技术,社会计算和行为干预等领域。
2021-07-23 cs.CY cs.HC
Privacy Guidelines for Contact Tracing Applications
TCS Research(塔塔咨询服务研究院);MIT Media Lab(麻省理工学院媒体实验室)
接触者追踪是实施和加强社交距离以避免传染病传播的一种非常有效的方法。传统的接触者追踪方法耗时、人力密集、危险,并且由于疲劳或缺乏技能而容易出错。由于这一点,出现了基于移动的应用程序的接触跟踪。这些应用主要利用从用户的智能手机发送的基于GPS的绝对位置和基于蓝牙的相对位置的组合来推断各种见解。这些应用程序减轻了联系人追踪的任务;然而,它们也对用户的隐私有严重的影响,例如,大规模监视、个人信息泄露以及另外揭示用户的行为模式。这种对用户隐私的影响导致了这些应用程序的信任赤字,从而违背了它们的目的。在这项工作中,我们讨论了接触跟踪应用程序应该能够处理的各种情况。我们强调一些突出的联系人追踪应用程序的隐私处理。此外,我们还描述了各种威胁行为者,他们可能会破坏其工作,或滥用最终用户的数据,或阻碍其大规模采用。最后,我们从不同利益相关者的角度来看,接触跟踪应用程序的隐私准则。据我们所知,这是第一个为联系人追踪应用程序提供隐私指南的通用工作。
2020-04-28 cs.CR cs.CY cs.DC
Tracing Users' Privacy Concerns Across the Lifecycle of a Romantic AI Companion
Bangladesh University of Engineering and Technology(孟加拉国工程技术大学);University of Texas at Dallas(德克萨斯大学达拉斯分校);University of Toronto(多伦多大学)
本文通过分析Reddit讨论,揭示浪漫AI伴侣生命周期中隐私问题的四个特征,强调隐私治理需贯穿使用全过程,支持可逆性并考虑亲密人机交互的情感脆弱性。
2026-03-25 cs.CY cs.HC
Slicing the Network: Maintaining Neutrality, Protecting Privacy, and Promoting Competition
本文研究5G网络切片技术如何在维护网络中立、保护用户隐私和促进市场竞争的前提下部署,并为运营商和监管机构提出技术与政策建议。
2023-08-10 cs.CY cs.NI
"Nobody should control the end user": Exploring Privacy Perspectives of Indian Internet Users in Light of DPDPA
本研究结合印度新通过的DPDPA,首次调查428名印度互联网用户对Cookie横幅、在线隐私及法规的认知,发现隐私意识用户认知不足且担忧难转化为行动,用户对政府的怀疑影响其对DPDPA的看法,需更清晰沟通与政策完善。
2025-08-25 cs.CY cs.HC