The Overview of Privacy Labels and their Compatibility with Privacy Policies
本文概述 iOS 与 Android 平台强制推行的隐私营养标签,说明其细粒度呈现数据收集、共享和安全实践的作用,以及用于大规模理解应用数据行为的价值。
2023-04-25 cs.CY
The Creation and Analysis of Government AI Transparency Statements in Australia
CSIRO(澳大利亚联邦科学与工业研究组织);Australian National University(澳大利亚国立大学);University of Adelaide(阿德莱德大学)
本文首次系统分析澳大利亚政府人工智能透明声明内容,揭示实践披露差异及政策与实施间的差距,为制定更有效的透明标准提供依据。
2026-07-09 cs.CY
Are Privacy Dashboards Good for End Users? Evaluating User Perceptions and Reactions to Google's My Activity (Extended Version)
隐私仪表板和透明度工具可帮助用户查看和管理在线收集的有关他们的数据。自2016年以来,谷歌提供了这样一个工具,我的活动,它允许用户从谷歌服务中查看和删除他们的活动数据。我们对$n = 153$的参与者进行了一项在线调查,以了解Google的“我的活动”作为隐私透明度工具的一个例子,是否增加或减少了最终用户对数据汇集的担忧和好处。虽然大多数参与者都知道谷歌的数据汇集,但其数量和细节令人惊讶,但在接触我的活动后,参与者更有可能减少对数据汇集的关注,并更有益地查看数据汇集。只有$25\,\%$表示他们将更改“我的活动”服务中的任何设置或更改任何行为。这表明隐私透明度工具对在线服务非常有益,因为它们获得了用户的信任,并在不一定改变用户行为的情况下改善了他们的看法。但与此同时,目前尚不清楚此类透明度工具是否能通过充分协助或激励用户更改或查看数据汇集设置,从而真正改善最终用户的隐私。
2021-05-28 cs.CY cs.HC
Shadows of Transparency: Signaling Transparency-Impeding Behavior Using Public Data
Utrecht University(乌得勒支大学);Ministry of Infrastructure and Water Management(基础设施与水资源部)
本文提出一种基于模式的方法,利用公共响应数据识别政府机构阻碍信息自由的行为,通过荷兰数据集验证了六种行为指标,并得到专家认可。
2026-06-15 cs.CY
Logics and practices of transparency and opacity in real-world applications of public sector machine learning
University College London(伦敦大学学院)
机器学习系统越来越多地用于支持各个部门的公共部门决策。鉴于对这些领域问责制的关注,以及对有意或无意偏见的指责,人们越来越多地呼吁这些技术的透明度。然而,很少有人考虑过,那些参与机器学习系统的人是如何理解有关透明度的逻辑和实践的,这些系统已经在公共机构中试用和部署。这篇简短的论文从对5个经合组织国家的27个此类行为者(主要是公务员和相关承包商)的采访中提炼出关于透明度的见解。考虑到透明度和不透明与信任和买进,更好的决策,并避免游戏,它试图为那些希望开发社会技术方法的人提供有用的见解,这些方法可能对实地的从业人员有用。这篇论文的扩展存档版本可以作为Veale M.,Van Kleek M.,&宾斯河。(2018年)。“公平和问责制设计需要算法支持高风险公共部门决策”2018年CHI计算机系统人为因素会议(CHI'18),http://doi.org/10.1145/3173574.3174014。
2018-11-05 cs.CY cs.LG
Human participants in AI research: Ethics and transparency in practice
本文针对AI和ML研究中人类参与者伦理指南缺失的问题,提出了一套情境化伦理框架与透明实践指南,以帮助技术研究人员规范研究并促进跨学科对话。
2024-09-26 cs.CY
Beyond Privacy Trade-offs with Structured Transparency
针对信息共享中的“复制问题”及其捆绑、编辑和递归执行难题,论文提出五部分“结构化透明度”框架,整合分散领域的信息流治理能力以促进协作。
2024-03-12 cs.CR cs.CY
Agents of Choice: Tools that Facilitate Notice and Choice about Web Site Data Practices
最近推出了各种工具,旨在帮助人们保护他们在互联网上的隐私。这些工具执行许多不同的功能,包括加密和/或匿名通信,防止使用持久标识符(如Cookie),自动获取和分析网站隐私策略,以及向用户显示与隐私相关的信息。本文讨论了一套隐私工具,专门针对促进通知和选择有关网站的数据做法。虽然这些工具也可能具有执行其他功能(如加密)的组件,或者它们可能能够与其他隐私工具结合使用,但这些工具的主要目的是帮助用户了解网站隐私惯例,并使用户更容易就何时向网站提供数据做出明智的选择。这类工具的例子包括隐私偏好平台(P3 P)和各种信息中介服务。
2000-01-14 cs.CY
On the Privacy Practices of Just Plain Sites
除了访问Facebook和Google等知名网站外,网络用户还经常访问更普通的网站,例如由博客或学校等当地组织运营的网站。这些网站,我们称之为“Just Plain Sites”(JPS),由于无法负担隐私专业知识,可能会无意中比高调网站带来更大的隐私风险。为评估综合网站可能无意中暴露访客的隐私风险的普遍程度,我们分析了此类网站的一些容易观察到的隐私惯例。我们发现,许多JPS从访问者那里收集了大量信息,与第三方共享了大量关于访问者的信息,允许对访问者进行大量跟踪,并使用了过时或不安全的安全措施。我们这项工作的目的不是责备JPS运营商,而是提高JPS运营商和访问者对这些事实的认识,可能会鼓励这些网站的运营商在实施时更加小心,而访问者则更加小心他们如何分享,何时分享以及分享什么。
2015-08-11 cs.CY
TILT: A GDPR-Aligned Transparency Information Language and Toolkit for Practical Privacy Engineering
在本文中,我们介绍了TILT,一种透明信息语言和工具包,其明确设计用于表示和处理符合GDPR要求的透明信息,并允许比已建立的法律数据保护政策更自动化和自适应地使用此类信息。我们对GDPR中的透明度义务进行了详细分析,以确定旨在满足相应法律要求的正式透明度语言所需的表达能力。此外,我们确定了一组进一步的,非功能性的需求,需要满足,以促进实际采用在现实世界(Web)的信息系统工程。在此基础上,我们指定了我们的形式语言,并围绕它提供了一个相应的、完全实现的工具包。然后,我们评估了我们的语言和工具包的实用性,并通过两个不同的用例展示了它所带来的额外前景:a)对个人数据相关做法进行组织间分析,例如,基于明确宣布的透明性信息来揭示数据共享网络,以及b)通过新颖的、更易于理解的和潜在自适应的用户界面向用户呈现形式上表示的透明性信息,提高数据主体对数据相关做法的实际知情程度,从而提高其主权。总而言之,我们的透明度信息语言和工具包允许-不同于以往的工作-表示符合现代(网络)信息系统工程的实际法律要求和做法的透明度信息,从而铺平了道路,在实践中提高透明度和用户主权的多种新颖的可能性。
2020-12-18 cs.CR cs.CY cs.FL
Goodbye Tracking? Impact of iOS App Tracking Transparency and Privacy Labels
跟踪是一种高度侵犯隐私的数据汇集做法,多年来在移动应用程序中无处不在,因为它支持基于广告的收入模式。作为回应,苹果在iOS 14中引入了两项重大变化:应用程序跟踪透明度(ATT),这是一个强制性的选择加入系统,用于在iOS上启用跟踪,以及隐私营养标签,它披露了每个应用程序处理的数据类型。到目前为止,这些变化对个人隐私和控制的影响还没有得到很好的理解。本文通过分析来自英国App Store的1,759个iOS应用程序的两个版本来解决这一差距:一个版本来自iOS 14之前,另一个版本已更新以符合新规则。我们发现,苹果的新政策正如承诺的那样,阻止了广告商标识符(IDFA)的收集,这是一个跨应用跟踪的标识符。从事侵入性数据行为的小型数据代理商现在将在跟踪用户方面面临更大的挑战-这对隐私来说是一个积极的发展。然而,在研究的应用程序中,跟踪库的数量大致保持不变。许多应用程序仍然收集设备信息,可用于在组级别跟踪用户(队列跟踪)或以概率方式识别个人(指纹识别)。我们发现应用程序通过使用服务器端代码计算并同意指纹派生的标识符的真实证据,从而违反了Apple的政策。我们发现,苹果公司本身也参与了某种形式的跟踪,并豁免了第一方跟踪和信用评分等侵入性数据做法。我们还发现,新的隐私营养标签有时不准确和误导。总的来说,我们的研究结果表明,虽然现在跟踪个人用户更加困难,但这些变化加强了看门人公司现有的市场力量,…
2022-05-07 cs.CR cs.CY
Making Transparency Advocates: An Educational Approach Towards Better Algorithmic Transparency in Practice
New York University(纽约大学)
针对算法透明度研究未转化为实际实施的问题,提出通过开源教育研讨会培养组织内部的透明度倡导者,以自下而上的方式推动算法透明度实践并验证了其有效性。
2024-12-19 cs.AI cs.CY cs.HC
From Framework to Practice: Youth Negotiations of Privacy with Smart Voice Assistants Through the PEA-AI Lens
Vancouver Island University(温哥华岛大学)
本研究通过PEA-AI框架探讨青少年与智能语音助手的隐私协商,揭示隐私悖论并提出设计原则与治理建议。
2026-02-14 cs.CY
Best Privacy Practice Recommendations for Global Audio Streaming Platforms
Spoon Radio是一个快速发展的全球音频流媒体平台,目前在韩国,美国,日本以及中东和北非运营。该平台认为,其对用户隐私的承诺是一个重要的竞争因素。因此,它的目标不仅是遵守其目前运营的地区的现有隐私法规,而且还确保它预测到这些法规和用户期望的可能演变。通过这样做,Spoon Radio希望确保它为继续向新市场扩张做好充分准备。作为告知其数据实践演变的努力的一部分,Spoon Radio联系了CMU的隐私工程项目,并赞助了一个顶点项目,该项目的两名硕士生在2021年秋季学期期间与Spoon Radio人员合作。本报告总结了从这一协作中产生的最佳做法建议。这些最佳实践是Spoon Radio今天已经实施或正在实施的实践以及更多有抱负的建议的结合,预计这些建议将有助于Spoon Radio未来的实践。在本报告中,最佳实践建议围绕数据生存周期的四个阶段进行组织:数据汇集、数据存储、数据使用,最后是数据销毁。其中有一个单独的章节专门讨论内容审查问题,在这一领域,Spoon Radio等平台需要兼顾促进表达自由等方面的考虑,同时需要创造一个符合适用法律和尊重相关文化价值观的安全和相互尊重的环境。
2021-12-15 cs.CY
Investigation of the Privacy Concerns in AI Systems for Young Digital Citizens: A Comparative Stakeholder Analysis
Vancouver Island University(温哥华岛大学)
该研究通过调查家长、教育者与AI专业人员,并使用偏最小二乘结构方程模型,比较分析年轻数字公民所用AI系统的隐私担忧,揭示教育、数据控制、透明度与家长数据共享间的影响关系。
2025-01-23 cs.AI cs.CY
Where to be wary: The impact of widespread photo-taking and image enhancement practices on users' geo-privacy
今天的地理位置估计方法能够单独使用其视觉内容来推断目标图像的位置。这些方法利用视觉匹配技术,应用于具有已知地理位置的大量背景图像。不知道视觉检索方法可能会损害其地理隐私的用户,无意中将自己置于犯罪或其他意想不到的后果的风险之中。私人照片共享不能有效地保护用户,因为它的不便是一致使用的障碍,如果照片被重新共享,它们仍然可能落入坏人之手。本文为一种新的方法来地理隐私的社会图像奠定了基础:而不是要求一个完整的改变用户的行为,我们调查潜在的保护用户现有的做法。我们进行了一系列的检索实验,使用大量的社会图像(8.5M),系统地分析用户应该警惕的地方,以及照片拍摄和编辑的做法如何影响地理位置估计的性能。我们发现,目前普遍的做法已经足以保护高达50%以上的图像的地理位置(“地理斗篷”),否则其位置将自动预测。我们的结论是,保护用户免受视觉检索的不良影响是一个可行的研究领域,并应作为其出发点现有的用户实践。
2016-03-04 cs.CY
Privacy Without Remedy: An Assessment of Data Broker Compliance with California Privacy Law
University of Washington(华盛顿大学);Stanford Institute for Human-Centered Artificial Intelligence(斯坦福人类中心人工智能研究所);Stanford University(斯坦福大学)
本文评估了数据经纪商对2018年加州消费者隐私法案(CCPA)和2023年删除法案的合规情况,发现仅有9%的数据经纪商在删除法案生效后完全符合透明度要求,并揭示了数据经纪商在消费者权利请求处理过程中存在的缺陷及改进方案。
2026-05-20 cs.CY
A Qualitative Analysis Framework for mHealth Privacy Practices
本文提出一个定性分析框架,评估152款Android mHealth应用的隐私实践,发现敏感数据泄露和隐私原则忽视问题,强调加强数据保护执法。
2024-05-28 cs.CY
Fighting the Fog: Evaluating the Clarity of Privacy Disclosures in the Age of CCPA
隐私政策的模糊性和不明确性威胁着消费者对企业如何收集、使用和共享其个人信息做出明智选择的能力。2018年的《加州消费者隐私法》(CCPA)旨在通过强制企业(1)明确披露其数据行为,以及(2)为消费者提供退出特定数据行为的选择,为加州消费者提供更多控制权。在这项工作中,我们探讨在何种程度上CCPA的披露要求,在实际的隐私政策中实施,可以帮助消费者回答有关企业的数据实践的问题。首先,我们分析了流行网站的95项隐私政策;我们的研究结果表明,企业如何解释CCPA的定义存在相当大的差异。然后,我们对364名加州消费者的用户调查显示,这种差异影响了用户理解企业数据实践的能力。我们的研究结果表明,CCPA的隐私披露的任务,目前实施的,尚未产生的清晰度,他们的目的是提供,由于在CCPA本身的模糊性和模糊性,以及潜在的不遵守企业在其隐私政策。
2021-09-28 cs.CY
TIRA: An OpenAPI Extension and Toolbox for GDPR Transparency in RESTful Architectures
透明度-提供有关出于何种目的收集哪些个人数据、存储多长时间或向哪些方传输的信息-是GDPR等法规的核心隐私原则之一。然而,在实践中落实透明度的技术办法很少得到考虑。在本文中,我们提出了一种新的方法,在当前的RESTful应用程序架构中这样做,并符合流行的敏捷和DevOps驱动的实践。为此,我们引入了1)OpenAPI规范的一个以兼容性为中心的扩展,它允许以自下而上的方式用兼容性相关的注释来丰富各个服务描述; 2)一组高阶工具,用于聚合多个相互依赖的服务中的相应信息,并将我们的方法连贯地集成到自动化CI/CD管道中。总之,这些构建块为提供更具体的透明度信息铺平了道路,同时也比当前过于宽泛的隐私声明更好地反映了复杂服务架构中的实际实现。
2021-06-10 cs.CY cs.SE
Understanding U.S. Users' Security and Privacy Transparency Needs for Consumer-Facing Generative AI
Duke University(杜克大学);Duke Kunshan University(杜克昆山大学);Google(谷歌)
研究探讨用户在使用面向消费者的人工智能生成技术时对安全和隐私信息的需求,发现现有信息不足以驱动初始采用,用户更依赖流行度等粗略指标,后续使用中不确定性影响用户行为,提出需可信信息和易用界面的透明度设计。
2026-06-23 cs.AI cs.CR cs.CY
Ride Sharing & Data Privacy: An Analysis of the State of Practice
像拼车这样的数字服务在很大程度上依赖于个人数据,因为个人必须披露个人信息才能进入市场并与其他参与者交换信息;然而,服务提供商通常很少或根本没有提供有关所披露信息的隐私状态的信息,尽管隐私问题是个人使用这些服务的决定性因素。我们分析了流行的乘车共享服务如何处理用户隐私,以评估当前的实践状况。调查结果显示,这些服务包括一组不同的个人数据,并提供有限的隐私相关功能。
2021-10-19 cs.CY cs.SI
An Example of Privacy and Data Protection Best Practices for Biometrics Data Processing in Border Control: Lesson Learned from SMILE
生物识别是一种高度采用的技术,以支持不同类型的应用,从安全和访问控制应用到低强制应用。然而,这样的系统引起了严重的隐私和数据保护问题。滥用数据、损害个人隐私和/或授权处理数据可能是不可逆转的,并可能对个人的隐私权和数据保护造成严重后果。这部分是由于在系统开发过程中缺乏通过设计将数据保护和隐私相结合的方法和指导。在本文中,我们提供了一个隐私和数据保护最佳实践的示例,为数据控制者和开发人员如何遵守数据保护的法律义务提供更多指导。这些隐私和数据保护最佳实践和注意事项是基于从欧洲陆地边界智能移动(SMILE)项目中吸取的经验教训。
2022-01-10 cs.CR cs.CY
A new framework for prognostics in decentralized industries: Enhancing fairness, security, and transparency through Blockchain and Federated Learning
Institute of Southest Vietnamese Research, Thu Dau Mot University(Thu Dau Mot大学越南东南部研究院);Univ. Lille, ENSAIT(里尔大学、法国纺织与化学学院)
本文提出区块链与联邦学习集成的去中心化预测框架,在保护隐私和安全的同时优化RUL预测,并通过NASA CMAPSS数据集验证其有效性,以开源方式推动工业5.0协作创新。
2025-04-08 cs.AI cs.CY
Convenience vs. Control: A Qualitative Study of Youth Privacy with Smart Voice Assistants
Vancouver Island University(温哥华岛大学)
本文通过定性研究探讨智能语音助手对青少年隐私的影响,发现透明度和信任对隐私保护行为有显著影响,并提出统一隐私中心等设计建议以平衡便利与控制。
2026-02-28 cs.AI cs.CY cs.HC
Balancing Usability and Compliance in AI Smart Devices: A Privacy-by-Design Audit of Google Home, Alexa, and Siri
Vancouver Island University(温哥华岛大学)
本文通过隐私设计审计评估Google Home、Alexa和Siri的隐私与易用性,发现易用性与合规性之间存在权衡,需提升透明度和政策一致性以保护年轻用户隐私。
2026-02-28 cs.AI cs.CY cs.HC
Accountability Capture: How Record-Keeping to Support AI Transparency and Accountability (Re)shapes Algorithmic Oversight
本研究提出“问责捕获”概念,通过对100名从业者的调查,揭示算法问责制下的记录留存实践会引发社会技术流程重构等多重影响,呼吁相关群体关注该问题。
2025-10-06 cs.AI cs.CY
Trust, Because You Can't Verify:Privacy and Security Hurdles in Education Technology Acquisition Practices
通过对七所高校13名教育技术负责人的访谈,本文揭示了高校教育技术采购流程中的安全与隐私保护障碍、合同保护机制不足及供应商问责困难,并提出改进建议。
2024-09-04 cs.CY
Weaving Privacy and Power: On the Privacy Practices of Labor Organizers in the U.S. Technology Industry
我们调查了计算技术行业劳工组织者的隐私做法,并探讨了这些做法的变化,以应对远程工作。我们的研究处于工作场所动态的两个关键转变的交叉点:(a)由于远程工作,在线工作场所通信的增加,以及(b)劳工运动的复苏和工作场所集体行动的增加-特别是在科技行业,这种现象被称为技术工人运动。通过对29名参与集体行动的科技工作者进行一系列定性访谈,我们调查了劳工组织者在参与这些行动时如何评估和减轻隐私风险。组织者经历的最常见的风险包括雇主的报复、横向工人冲突、情绪倦怠以及有关集体努力的信息泄露给管理层的可能性。根据风险的性质和来源,组织者使用数字安全实践和基于社区的机制的混合。我们发现,当威胁来自管理层时,数字安全实践更具相关性,而社区管理和适度是保护组织者免受横向工人冲突的核心。由于劳工组织是一个集体而不是个人的项目,个人隐私和集体隐私交织在一起,有时是冲突的,往往是相互构成的。仅仅以个人为中心的隐私概念往往与组织者的需求不相容,他们指出,只有当工人们向管理层提出统一战线时,才能实现数量上的安全。最后,我们提出了一些设计建议,可以帮助创建更安全、更安全、更私密的工具,以更好地应对组织者面临的风险。
2022-05-31 cs.CY cs.HC
TAPAS: A Pattern-Based Approach to Assessing Government Transparency
Utrecht University(乌得勒支大学);Ministry of Infrastructure and Water Management(基础设施和水管理部)
本文提出TAPAS系统,通过分析公务员行为模式识别透明度阻碍因素,实现在荷兰政府部门的数据驱动评估,发现四种类别八种反模式,实现持续监控与行动洞察。
2025-05-22 cs.CY
Privacy Concerns and ChatGPT: Exploring Online Discourse through the Lens of Information Practice on Reddit
Rutgers University(罗格斯大学)
本研究通过分析Reddit上的在线讨论,探讨用户如何集体协商和回应ChatGPT的隐私问题,揭示风险信号、规范设定和妥协等主要话语,以及集体问题解决和隐私保护替代方案的适应性实践。
2026-03-09 cs.CY cs.SI
The Power of Fair Information Practices - A Control Agency Approach
大多数公司的新业务实践都基于客户数据。这些做法由于相关的风险而引起了隐私问题。隐私法要求公司在使用他们的信息之前获得客户的同意,这是将这项资产货币化的最大障碍。隐私文献表明,减少隐私问题和建立信任可能会增加个人授权使用个人信息的意图。公平信息惯例是实现这一目标的潜在手段。然而,缺乏实证证据的机制,通过该机制,FIP影响隐私问题和信任。本研究认为,FIPs加载个人控制,这已被发现影响隐私问题和信任水平。我们将使用实验设计方法进行研究。研究结果将具有理论和管理意义。
2016-05-28 cs.CR cs.CY
Balancing Transparency and Risk: The Security and Privacy Risks of Open-Source Machine Learning Models
Technical University of Darmstadt(达姆施塔特工业大学);Hessian Center for AI (hessian.AI)(黑森人工智能中心(hessian.AI));National Research Center for Applied Cybersecurity ATHENE(雅典娜国家应用网络安全研究中心);German Research Center for Artificial Intelligence (DFKI)(德国人工智能研究中心(DFKI))
本文系统梳理开源机器学习模型在广泛应用中被忽视的隐私与安全威胁,说明后门等攻击风险及后果,并呼吁负责任、安全地使用AI系统。
2023-08-18 cs.AI cs.CR cs.CY
Privacy Perspectives and Practices of Chinese Smart Home Product Teams
King's College London(伦敦国王学院);University of St Andrews(圣安德鲁斯大学);University of Warwick(华威大学)
本研究通过访谈27名中国智能家居产品团队成员,分析其隐私视角、实践及风险策略,发现中国相关法律及文化社会因素影响隐私平衡,并针对性提出团队建议与社会技术法律干预方案。
2025-10-28 cs.CY cs.HC
Assessing Privacy Policies with AI: Ethical, Legal, and Technical Challenges
该跨学科研究探讨了使用大型语言模型自动评估隐私政策在技术可行性、伦理影响和法律兼容性三方面的挑战,旨在促进讨论以帮助用户在AI驱动的数字经济中更好地履行决策者角色。
2024-10-10 cs.CY
Ethical AI in Retail: Consumer Privacy and Fairness
本研究针对零售业AI应用中的消费者隐私与公平性伦理问题,通过对300名电商用户的调查分析,提出零售商需在保障伦理原则的前提下应用AI,并给出透明化、定期审计等实践建议。
2024-10-20 cs.AI cs.CY
Privacy Engineering From Principles to Practice: A Roadmap
本文提出隐私工程从原则到实践的路线图,指出尽管已有多种低层原语和高层方法,仍需在研究和实践中考虑更多因素以推动其在现实系统中的采用。
2024-04-04 cs.CR cs.CY cs.SE
Centering Policy and Practice: Research Gaps around Usable Differential Privacy
本文针对差分隐私理论优势与实际可用性之间的差距,梳理构建可用差分隐私的关键开放问题,并从风险框架、沟通、参数影响、界面和审计等方面提出政策与实践建议。
2024-06-17 cs.CR cs.CY cs.HC
Don't Look at the Data! How Differential Privacy Reconfigures the Practices of Data Science
在学术界、政府和工业界,数据管理员面临着越来越大的压力,要求他们在保护数据主体隐私的同时,让研究人员更开放地访问数据集。差分隐私(DP)是一种很有前途的方式,可以提供隐私以及开放获取,但需要进一步调查DP和数据科学之间的紧张关系。在这项研究中,我们采访了19位数据从业者,他们是DP的非专家,因为他们使用DP数据分析原型来发布有关敏感数据的隐私保护统计数据,以了解使用DP的看法,挑战和机遇。我们发现,虽然DP有望提供更广泛的敏感数据集访问,但它也为数据科学工作流程的每个阶段带来了挑战。我们确定了数据科学家在新的隐私约束下社交时出现的道德和治理问题,并提供了更好地整合DP和数据科学的建议。
2023-02-23 cs.CY cs.HC
Navigating AI to Unpack Youth Privacy Concerns: An In-Depth Exploration and Systematic Review
Vancouver Island University(温哥华岛大学);University of Saskatchewan(萨斯喀彻温大学)
本研究通过系统综述探讨了青少年在人工智能系统中的隐私担忧,分析了隐私与效用的平衡、信任因素及提升用户数据控制的策略,并提出了未来研究方向。
2025-12-14 cs.CY cs.LG
What You Prompt is What You Get: Increasing Transparency of Prompting Using Prompt Cards
Uppsala University(乌普萨拉大学);Addis Ababa University(亚的斯亚贝巴大学);Stellenbosch University(斯坦陵布什大学)
本文提出提示卡片,用于系统记录和评估提示工程实践,提升提示方法的透明度和可重复性,为文本质量评估提供替代方案。
2026-03-13 cs.CY cs.HC
Why developers cannot embed privacy into software systems? An empirical investigation
当用户与软件系统交互时,软件应用的普遍使用继续挑战用户隐私。尽管隐私实践(如隐私设计(PbD))对软件开发人员将隐私嵌入软件设计有明确的指导,但这些实践尚未成为软件开发人员的普遍做法。开发隐私保护软件系统的困难突出了调查软件开发人员的重要性,以及他们在被要求将隐私嵌入应用程序设计时所面临的问题。软件开发人员是能够将PbD等实践付诸行动的社区。因此,识别他们在将隐私嵌入到软件应用程序中时所面临的问题并提供这些问题的解决方案对于实现隐私保护软件系统的开发是重要的。本研究调查了36个软件开发人员在软件设计任务的指示嵌入隐私,以确定他们面临的问题。我们得出建议的指导方针,以解决问题,使隐私保护软件系统的发展。
2018-05-25 cs.CR cs.CY cs.SE
Enabling Multilingual Privacy Policy Audits: Large-Scale Analysis of Spanish Mobile Apps
ETH Zurich(苏黎世联邦理工学院);Carnegie Mellon University(卡内基梅隆大学)
研究多语言环境下隐私政策审计,利用大语言模型构建跨语言分类器,通过对西班牙谷歌应用商店应用的大规模审计,发现公共部门与商业应用语言使用差异及声明与实际做法的差异,揭示仅英语审计掩盖透明度差距的问题。
2026-07-22 cs.CL cs.CY
A Human-in-the-Loop Approach for Information Extraction from Privacy Policies under Data Scarcity
TU Berlin(柏林工业大学)
本文针对隐私政策标注中数据稀缺与人工成本高的问题,提出一种融合机器学习建议与人工决策的人在回路标注原型系统,并通过实验证明其提取性能优于现有法律文件提取模型。
2023-05-31 cs.AI cs.CY
Why are Developers Struggling to Put GDPR into Practice when Developing Privacy-Preserving Software Systems?
软件应用程序的使用是不可避免的,因为它们为用户提供不同的服务。软件应用程序收集、存储用户的数据,有时甚至在未经用户同意的情况下与第三方共享。有人可能会说,软件开发人员没有在他们开发的软件应用程序中实施隐私,也没有考虑GDPR(通用数据保护法)。如果不这样做,可能会导致软件应用程序打开隐私漏洞(例如数据泄露)。GDPR法律为开发人员和组织提供了一套指导方针,指导他们在与软件应用程序交互时如何保护用户数据。以前的研究试图调查是什么阻碍了开发人员将隐私嵌入软件系统。然而,没有详细调查为什么他们不能开发考虑GDPR的隐私保护系统,这对于开发保护隐私的软件应用程序至关重要。因此,本文调查了阻碍软件开发人员实施GDPR法律的软件应用程序的问题。我们的研究结果显示,开发人员不熟悉GDPR原则。即使他们中的一些人是,他们也缺乏GDPR原则的知识及其在开发隐私保护软件系统时使用的技术
2020-08-07 cs.CR cs.CY
Insights from an experiment crowdsourcing data from thousands of US Amazon users: The importance of transparency, money, and data use
本文通过实验性众包工具收集 5000 余名美国用户的 Amazon 购买历史,证明透明度、金钱激励和人口统计特征显著影响数据共享,并为伦理化用户数据收集提供依据。
2024-08-07 cs.CY cs.HC
Cloud Native Privacy Engineering through DevPrivOps
云原生信息系统工程为所有主要在线产品提供可扩展和弹性的服务基础设施。这些都是遵循敏捷开发实践构建的。与此同时,社会规范和政策通过有效的立法框架阐明了对隐私友好型服务日益增长的需求。在本文中,我们确定了云原生隐私工程的概念维度,并提出了一个综合的方法来解决在实践中,以克服现有的隐私增强技术的缺点。此外,我们提出了一个参考软件开发生命周期称为DevPrivOps,以增强建立敏捷开发方法的隐私。总而言之,我们表明云原生隐私工程通过设计和默认使用最新技术来推进隐私的艺术水平。
2021-12-01 cs.CY cs.SE
Unpacking Privacy Labels: A Measurement and Developer Perspective on Google's Data Safety Section
本研究针对Google的DSS隐私标签,通过110万应用的大规模测量、纵向追踪及开发者调研,发现申报存在不一致与过度/不足申报等问题,揭示开发者实施难点,为优化隐私标签相关资源与指南提供依据。
2023-06-13 cs.CY cs.HC
PPM: A Privacy Prediction Model for Online Social Networks
在线社交网络(OSN)在我们的社交生活中扮演着越来越重要的角色,其固有的隐私问题已成为用户的主要关注点。我们能否帮助消费者进行隐私决策,例如预测他们的偏好并提供个性化建议?为此,我们引入PPM:一个隐私预测模型,植根于心理学原理,它可以用来给用户个性化的建议,他们的隐私决策的做法。使用这个模型,我们研究的心理变量,已知会影响用户的披露行为:请求者/信息受众的可信度,接收者/信息持有者的共享倾向,请求/共享信息的敏感性,请求/共享活动的适当性,以及几个更传统的上下文因素。
2016-06-23 cs.CY cs.SI
"We are a startup to the core": A qualitative interview study on the security and privacy development practices in Turkish software startups
安全和隐私在软件开发中经常被忽视,很少被开发人员优先考虑。这种观点通常基于研究人员进行的研究以及在美国,欧洲和英国生活和工作的开发人员群体。然而,软件生产是全球性的,重要技术中心的关键人群没有得到充分研究。土耳其的软件创业场景是有影响力的,与软件安全和隐私相关的理解、知识和缓解措施仍然没有得到充分研究。为了缩小这一研究差距,我们对在土耳其软件初创公司工作的16名开发人员进行了半结构化访谈研究。访谈研究的目的是分析开发人员是否以及如何确保他们的软件是安全的,并保护用户隐私。我们的主要发现是,由于缺乏意识、技能和资源,开发人员很少优先考虑安全和隐私。我们发现,法规可以对安全和隐私产生积极影响。根据这项研究,我们向行业、个人开发者、研究人员、教育工作者和监管机构提出了建议。我们的建议可以为软件开发中的安全和隐私提供更全球化的方法。
2022-12-16 cs.CR cs.CY cs.HC
Hawk: DevOps-driven Transparency and Accountability in Cloud Native Systems
本文提出 Hawk,面向 DevOps 的发布、运行和监控阶段构建可集成于云原生系统的透明度信息收集与维护方法,并通过原型和实验验证其可行性与低开销。
2023-06-04 cs.CR cs.CY cs.DC
The Privacy Policy Permission Model: A Unified View of Privacy Policies
针对隐私策略缺乏清晰完整解释的问题,提出 Privacy Policy Permission Model (PPPM) 建模方法,将策略表示为图表以揭示不一致并辅助隐私官员表达。
2024-03-26 cs.CR cs.CY
A Year of the DSA Transparency Database: What it (Does Not) Reveal About Platform Moderation During the 2024 European Parliament Election
本文通过分析DSA透明度数据库中八个月、15.8亿条审核记录,发现八大平台在2024年欧洲议会选举前后未显著调整内容审核策略,且透明度与问责问题持续存在,揭示了自我监管的局限并呼吁强化执法与数据访问机制。
2025-04-09 cs.CY cs.ET cs.HC
Jurisdiction as Structural Barrier: How Privacy Policy Organization May Reduce Visibility of Substantive Disclosures
Independent Researcher(独立研究者)
研究发现隐私政策中管辖权标签部分的结构性披露问题,提出普遍实质性披露以提升透明度。
2026-01-28 cs.CL cs.CY cs.HC