Designing for Understanding: How Interface-Level Consent Designs Shape Attention and Understanding in Privacy Disclosures
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
研究探讨了隐私政策界面结构对用户注意力分配、阅读行为和感知体验的影响,发现指导布局能提升阅读效率,而互动设计提高参与感,但界面类型本身并不直接提升理解。
2026-03-14 cs.HC
Privacy, Altruism, and Experience: Estimating the Perceived Value of Internet Data for Medical Uses
Technion(以色列理工学院);Microsoft Research Israel(微软研究院以色列)
人们越来越多地转向互联网时,他们有一个医疗条件。他们在此过程中创建的数据是医学研究和未来健康服务的宝贵来源。然而,使用这些数据可能会以用户隐私为代价。因此,重要的是要平衡用户赋予这些数据的感知价值与从中获得的服务价值。在这里,我们描述的实验中,从机制设计的方法被用来从用户的互联网数据和服务,以筛选人的医疗条件,以引起一个真实的价值。在这些实验中,来自世界各地的880人被要求参加拍卖,以提供他们的数据,用于不同的用途,他们对参与者,对社会的贡献,以及他们所解决的疾病。一些用户因参与而获得金钱补偿,而另一些用户则被要求付费参与。我们的研究结果表明,99%的人愿意贡献他们的数据以换取金钱补偿和数据分析,而53%的人愿意支付数据分析费用。用户分配给其数据的平均感知价值估计为49美元。他们为他们筛查特定癌症的价值为22美元,而向公众提供的这项服务的价值为22美元。当被告知他们的数据将用于分析更严重的情况时,参与者要求更高的补偿。当病情更严重时,当他们接受过高等教育或最近经历过严重的医疗状况时,他们愿意支付更多的钱来分析他们的数据。
2020-03-22 cs.AI cs.GT cs.HC
Balancing The Perception of Cheating Detection, Privacy and Fairness: A Mixed-Methods Study of Visual Data Obfuscation in Remote Proctoring
本研究通过专家访谈与考生情景实验,探讨远程监考中视频区域选择性混淆对作弊检测、隐私及公平感知的影响,发现区域定制高级混淆可提升隐私公平感知但接受度不及传统模糊,为以用户为中心的隐私研究提供方向。
2024-06-21 cs.HC
"These cameras are just like the Eye of Sauron": A Sociotechnical Threat Model for AI-Driven Smart Home Devices as Perceived by UK-Based Domestic Workers
King’s College London(伦敦国王学院);University of St Andrews(圣安德鲁斯大学);Universitat Politècnica de València(瓦伦西亚理工大学);INGENIO (CSIC-UPV)(INGENIO(西班牙国家研究委员会-瓦伦西亚理工大学))
本文提出一个社技术威胁模型,分析AI驱动的智能家庭设备对家庭工作者隐私和自主权的影响,揭示了AI分析、数据流动和雇佣安排对隐私风险的塑造作用。
2026-02-09 cs.CR cs.CY cs.HC
Exploring Design and Governance Challenges in the Development of Privacy-Preserving Computation
同态加密、安全多方计算和差分隐私是新兴的一类隐私增强技术的一部分,这些技术有一个共同的承诺:在保护隐私的同时也获得计算分析的好处。由于其相对的新颖性、复杂性和不透明性,这些技术为设计和治理带来了各种各样的新问题。我们采访了参与其部署的研究人员、开发人员、行业领导者、政策制定者和设计师,以探讨采用的动机、期望、感知的机会和障碍。这提供了对采用这些技术所面临的几个相关挑战的深入了解,包括:它们如何使隐私等模糊概念在计算上易于处理;如何使它们更易于开发人员使用;以及如何向利益相关者和更广泛的社会解释和负责。我们的结论与这些隐私保护计算技术的开发,部署和负责任的治理的影响。
2021-01-20 cs.HC
Does Travel Stage Matter? How Leisure Travellers Perceive Their Privacy Attitudes Towards Personal Data Sharing Before, During, and After Travel
University of Kent(肯特大学);Aston University(阿斯顿大学);Nottingham Trent University(诺丁汉特伦特大学)
研究探讨了休闲旅行者在旅行不同阶段对个人数据共享的隐私态度变化,发现旅行阶段不影响社交媒体内容分享,但性别、旅行频率和居住国会影响隐私感知。
2026-04-07 cs.CY cs.HC
Understanding Security and Privacy Perceptions of Content Creators Regarding AI Labels of AI-Generated Content
Tsinghua University(清华大学);University of Duisburg Essen(杜伊斯堡-埃森大学);Universitat Politècnica de València(瓦伦西亚理工大学);University of Macau(澳门大学);University of British Columbia(不列颠哥伦比亚大学)
本文通过对21位AIGC创作者访谈及多平台图像测试,揭示创作者对AI标签的认知偏差与规避行为,提出应开发适配创作者动机的隐式AI标签。
2026-08-11 cs.HC
Adanonymizer: Interactively Navigating and Balancing the Duality of Privacy and Output Performance in Human-LLM Interaction
针对人机交互中隐私与性能难以平衡的问题,提出Adanonymizer匿名化插件,通过权衡曲线和二维调色板界面让用户交互式调整,显著减少修改时间并提升用户偏好。
2025-01-27 cs.HC
A User Study to Evaluate a Web-based Prototype for Smart Home Internet of Things Device Management
随着物联网(IoT)技术的不断进步,IoT设备管理平台变得越来越重要。我们对43名经常使用物联网设备的参与者进行了基于Web的调查和可用性研究,以:1)检查他们的灵巧家庭物联网使用模式和隐私偏好,2)评估基于Web的灵巧家庭物联网设备管理原型。我们发现,参与者认为隐私比物联网设备提供的便利更重要。根据他们的隐私与便利重要性的平均得分,低隐私和低便利的参与者比高隐私和高便利的参与者报告了更少的隐私控制和便利偏好。总体而言,所有与会者都对拟议的网站原型感到满意,他们的实际可用性评估表明,他们对网站功能有很好的了解。本文对灵巧家庭用户在管理物联网设备时的隐私与便利性权衡进行了实证研究。
2022-04-16 cs.HC
Physically-intuitive Privacy and Security: A Design Paradigm for Building User Trust in Smart Sensing Environments
Georgia Institute of Technology(佐治亚理工学院);Northeastern University(东北大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出物理直观隐私与安全(PIPS)设计范式,通过物理操作、可感知保证和意图对齐的传感器控制提升用户信任,展示了三个案例研究以验证其有效性。
2026-03-31 cs.HC
Disclose with Care: Designing Privacy Controls in Interview Chatbots
Northeastern University(东北大学);Johns Hopkins University(约翰斯·霍普金斯大学)
本研究设计了聊天机器人访谈中的隐私控制机制,通过AI辅助编辑减少敏感信息泄露,同时保持数据质量和用户参与度。
2026-02-01 cs.HC
User Perceptions vs. Proxy LLM Judges: Privacy and Helpfulness in LLM Responses to Privacy-Sensitive Scenarios
Fujitsu Research of America Inc.(富士通美国研究所);Carnegie Mellon University(卡内基梅隆大学)
研究发现用户对LLM响应的隐私和帮助性感知与代理LLM评判存在显著差异,需加强用户为中心的评估以提升隐私保护与实用性平衡。
2026-09-04 cs.AI cs.CL cs.HC
User Perceptions of Smart Home IoT Privacy
灵巧家庭物联网(IoT)设备正在迅速普及,越来越多的家庭包括持续监控用户活动的互联网连接设备。在这项研究中,我们对灵巧家庭所有者进行了11次半结构化访谈,调查他们购买物联网设备的原因,对灵巧家庭隐私风险的看法,以及为保护其隐私免受家庭外部创建,管理,跟踪或监管物联网设备和/或其数据的影响而采取的行动。我们注意到几个反复出现的主题。首先,用户对便利性和连通性的渴望决定了他们与外部实体(如设备制造商、互联网服务提供商、政府和广告商)打交道时的隐私相关行为。第二,用户对收集灵巧家庭数据的外部实体的意见取决于从这些实体感知到的利益。第三,用户信任物联网设备制造商保护他们的隐私,但不验证这些保护措施是否到位。第四,用户没有意识到对来自非音频/视频设备的数据进行推理算法的隐私风险。这些发现激发了设备设计师,研究人员和行业标准的几项建议,以更好地将设备隐私功能与灵巧家庭所有者的期望和偏好相匹配。
2018-10-16 cs.HC
SoK: Privacy Personalised -- Mapping Personal Attributes \& Preferences of Privacy Mechanisms for Shoulder Surfing
本文通过结构化文献综述识别10类肩部冲浪保护机制,调查192名用户探索个人属性与机制特性的相关性,发现用户偏好非数字替代方案及图标覆盖机制,部分用户支持个性化机制,为隐私保护机制设计提供参考。
2024-11-27 cs.HC
"Having Confidence in My Confidence Intervals": How Data Users Engage with Privacy-Protected Wikipedia Data
Cornell Tech(康奈尔科技);Northeastern University(东北大学);Harvard University(哈佛大学);Columbia University(哥伦比亚大学);University of Maryland(马里兰大学);Fred Hutch Cancer Center(弗雷德·哈钦森癌症中心);Georgetown University(乔治城大学)
研究探讨了数据用户如何与隐私保护的维基数据互动,发现用户在使用差分隐私数据时更擅长计算不确定性,但对隐私保护的认知存在误解。
2025-12-06 cs.HC
Campus AI vs. Commercial AI: Comparing How Students and Employees Perceive their University's LLM Chatbot vs. ChatGPT
University of Duisburg-Essen(杜伊斯堡-埃森大学);TU Dortmund University(多特蒙德工业大学);Ruhr University Bochum(波鸿鲁尔大学);Max Planck Institute for Security and Privacy(马克斯·普朗克安全与隐私研究所)
通过实地研究(N=526),比较德国一所大学的学生和员工对其定制的LLMaaS聊天机器人与ChatGPT的感知差异,发现定制系统在信任、隐私和幻觉体验方面更优。
2026-02-09 cs.HC
Autonomy Reshapes How Personalization Affects Privacy Concerns and Trust in LLM Agents
Northeastern University(东北大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Waterloo(滑铁卢大学)
研究探讨了LLM代理自主性如何影响个性化对用户隐私担忧和信任的影响,发现风险驱动的自主性可缓解个性化带来的负面影响。
2026-08-11 cs.AI cs.CR cs.HC
Privacy as Social Norm: Systematically Reducing Dysfunctional Privacy Concerns on Social Media
Information School, University of Washington(华盛顿大学信息学院);Human Centered Design & Engineering, University of Washington(华盛顿大学人机交互设计工程);University of Washington(华盛顿大学)
本研究通过设计原型减少青少年社交媒体上的隐私担忧,强调赋权和明确隐私规范,提升隐私保护效果。
2025-02-03 cs.HC
Privacy and Safety Experiences and Concerns of U.S. Women Using Generative AI for Seeking Sexual and Reproductive Health Information
King's College London London United Kingdom;VRAIN, Universitat Politècnica de València \& University of Cambridge Valencia Spain Cambridge United Kingdom;King's College London;VRAIN, Universitat Politècnica de València \& University of Cambridge
研究探讨了美国女性使用生成式AI获取性与生殖健康信息时的隐私和安全问题,发现用户面临数据收集、政府监控等风险,提出针对性设计和政策建议。
2026-03-10 cs.AI cs.HC
Understanding Users' Privacy Perceptions Towards LLM's RAG-based Memory
本文通过访谈18名用户,探索了他们对LLM基于RAG记忆的心理模型、使用实践及隐私担忧,发现用户虽认可个性化优势,但对隐私、控制和信息准确性存在重大担忧,并提出了创建透明可信记忆系统的设计启示。
2025-08-11 cs.HC
PrivWeb: Unobtrusive and Content-aware Privacy Protection For Web Agents
Tsinghua University(清华大学);Tongji University(同济大学);Aalto University(阿尔托大学);University of Washington(华盛顿大学);Shantou University(汕头大学)
本文提出 PrivWeb,一个 Web 智能体可信附加组件,利用本地化 LLM 根据用户偏好匿名化界面隐私信息,并通过隐私分类和自适应通知实现无干扰、透明的数据管理,有效降低隐私风险且不增加认知负担。
2025-09-15 cs.HC
Buying Privacy: User Perceptions of Privacy Threats from Mobile Apps
随着科技和科技公司的力量、普及和社会影响力的增长,一些公司--尤其是一些移动应用--已经被视为隐私威胁。先前的工作已经考虑了各种因素如何影响威胁的感知,包括社会因素,政治言论和用户界面设计。在这项工作中,我们调查用户可见的上下文线索如何影响感知移动应用程序是否构成隐私威胁。我们对2109名用户进行了一项用户研究,发现用户依赖于上下文线索-例如广告的存在和发生(以及支付时间)-来确定移动应用程序构成隐私威胁的程度。我们还量化了用户评估与已发布的数据汇集实践相匹配的准确程度,并确定了有关支付处理方式的常见误解。这项工作为用户如何评估移动应用程序带来的隐私威胁以及数据汇集的社会规范提供了新的见解。
2022-11-14 cs.CR cs.HC
AI-Wrapped: Participatory, Privacy-Preserving Measurement of Longitudinal LLM Use In-the-Wild
MIT Media Lab(麻省理工学院媒体实验室)
本文提出AI-Wrapped系统,通过隐私保护的方式收集真实LLM聊天使用数据,并分析用户使用模式及主题,揭示用户在日常场景中对LLM的使用特点及潜在问题。
2026-03-22 cs.HC
"Is Reporting Worth the Sacrifice of Revealing What I Have Sent?": Privacy Considerations When Reporting on End-to-End Encrypted Platforms
本研究通过访谈16名端到端加密平台用户,揭示举报时的隐私担忧与思维模型,并提出更隐私保护的举报系统设计启示。
2023-06-18 cs.HC
Systematic Evaluation and User Study of Privacy of Default Apps in Apple's Mobile Ecosystem
用户需要在首次开始使用设备时配置默认应用程序。默认应用程序的隐私配置并不总是与用户认为他们最初启用的配置相匹配。我们首先系统地评估了默认应用程序的隐私配置。我们发现默认应用程序的文档存在严重问题。基于这些发现,我们探讨了用户的经验与访谈研究(N=15)。我们从两项研究中发现:设置默认应用程序的隐私配置的说明是模糊的,缺乏必要的步骤;用户无法禁用默认应用程序访问他们的个人信息;用户认为他们正在被一些默认应用程序跟踪;默认应用程序可能会导致家庭关系紧张,因为信息共享。我们的研究结果阐明了配置默认应用程序隐私的隐私和安全影响,以及用户如何感知和理解移动生态系统。
2022-10-10 cs.CR cs.HC
Privacy-Preserving Behaviour of Chatbot Users: Steering Through Trust Dynamics
本研究通过混合方法调查了聊天机器人用户在隐私安全设置下的隐私风险意识与保护行为,发现用户普遍缺乏数据处理与隐私风险知识,且专家用户也会出现保护不足,强调需加强隐私教育并开发信息监控工具。
2025-08-09 cs.HC
Because we care: Privacy Dashboard on Firefox OS
在本文中,我们提出了隐私仪表板-一个工具,旨在通知和授权的人使用移动设备,通过引入功能,如远程隐私保护,备份,可调位置精度,权限控制和辅助用户模式。我们已经在FirefoxOS上实施了我们的解决方案,并进行了用户研究,以验证我们工具的实用性和可用性。本文首先讨论了移动隐私的不同方面,用户如何看待它,以及他们愿意放弃多少以获得更好的可用性。然后,我们详细描述了工具,提出了什么激励我们某些设计决策。在我们的研究中,我们试图了解用户如何与系统交互,以及他们的优先事项是什么。我们已经验证了我们的假设,以及教育方面对隐私设置决策的影响。我们表明,通过采取以用户为中心的隐私扩展的发展,我们可以减少保护和可用性之间的差距。
2015-06-12 cs.CR cs.HC
"I'm trying not to get hacked:" How Adults with Intellectual and Developmental Disabilities Navigate Security and Privacy Notifications
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
本研究通过用户调研,揭示IDD成年人在应对安全与隐私通知时的理解障碍与决策因素,并提出三项设计启示,以提升通知的认知可访问性。
2026-10-05 cs.HC
The Siren Song of LLMs: How Users Perceive and Respond to Dark Patterns in Large Language Models
Carnegie Mellon University(卡内基梅隆大学);New York University Shanghai(纽约大学上海分校)
研究探讨用户如何感知和回应大语言模型中的黑暗模式,通过场景研究发现对话中的操控性行为影响用户响应,并提出设计、倡导和治理的建议以保护用户自主权。
2026-03-18 cs.HC
How Should We Support Designing Privacy-Friendly Apps for Children? Using a Research through Design Process to Understand Developers' Needs and Challenges
本文通过对20名儿童应用开发者开展RtD启发研究,识别其对隐私友好开发的技术与社会技术需求,指出支持须置于开发者与父母、市场等利益相关者的关系中。
2023-06-01 cs.HC
Understanding User Perceptions of Human-centered AI-Enhanced Support Group Formation in Online Healthcare Communities
University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校)
本研究探讨了在线健康社区中人工智能增强型支持小组形成用户的感知价值及接受条件,发现信任、隐私和算法治理是影响采纳的关键因素。
2026-03-11 cs.HC
Examining the Effect of Explanations of AI Privacy Redaction in AI-mediated Interactions
Fujitsu Research of America(富士通美国研究院);Carnegie Mellon University(卡内基梅隆大学)
研究探讨AI中介互动中解释擦除操作对用户信任的影响,发现解释能提升隐私保护效果,且情境因素和个体差异影响解释效果。
2026-08-10 cs.HC
Exploring the Interaction of Explanation Styles, Context, and Trust of AI Privacy Redaction in AI-mediated Interactions
Fujitsu Research of America(富士通美国研究院);Carnegie Mellon University(卡内基梅隆大学)
研究人工智能介导通信中隐私编辑解释对用户信任的影响,设计场景并开展用户研究,发现提供解释能提升信任,上下文因素有影响,解释偏好因个体差异而异,强调平衡透明度与隐私及适应性解释对设计可信AI系统的重要性。
2026-07-09 cs.HC
AI For Privacy in Smart Homes: Exploring How Leveraging AI-Powered Smart Devices Enhances Privacy Protection
University of Oxford(牛津大学);Institute of AI(人工智能研究所)
本研究通过深度访谈和Grounded Theory分析,探讨了AI驱动的智能家居设备如何通过个性化支持增强隐私保护,揭示了用户期望与伦理安全挑战,并为设计师和开发者提供了指导建议。
2025-09-17 cs.CY cs.HC
Navigating Privacy and Trust: AI Assistants as Social Support for Older Adults
本文研究老年人使用AI助手时在隐私、信任与可用性之间的权衡,倡导参与式设计方法,并提出隐私感知、以用户为中心的AI设计框架,以在提升福祉的同时保障用户控制权。
2025-05-05 cs.CY cs.HC
Simply tell me how -- On Trustworthiness and Technology Acceptance of Attribute-Based Credentials
本研究通过812名英国代表性参与者的随机对照试验,揭示了简洁沟通、日常用途展示和促进条件传达是驱动基于属性的凭证系统可信度与技术接受度的关键因果因素。
2023-08-12 cs.CR cs.HC
Skip, Skip, Skip, Accept!!!: A Study on the Usability of Smartphone Manufacturer Provided Default Features and User Privacy
本研究针对27名Android和iOS用户开展任务式研究,发现用户对手机厂商默认功能的隐私影响知晓度低、配置困难,部分应对策略存在隐私风险。
2023-08-28 cs.HC
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
Understanding User Privacy Perceptions of GenAI Smartphones
Huazhong University of Science and Technology(华中科技大学);New York University(纽约大学)
研究探讨用户对生成式人工智能智能手机隐私影响的认知及隐私设计期望,通过访谈揭示用户对数据生命周期中隐私问题的关注,并提出隐私增强建议。
2026-04-07 cs.CR cs.HC
"Money makes the world go around'': Identifying Barriers to Better Privacy in Children's Apps From Developers' Perspectives
儿童应用程序行业的蓬勃发展是以儿童隐私为代价的:这些应用程序经常将儿童数据泄露给多个数据跟踪器和广告网络。随着儿童上网时间的增加,这种暴露会积累长期的隐私风险。在本文中,我们使用混合方法来研究为什么会发生这种情况,以及开发人员如何改变他们的实践。我们的分析基于5个领先的数据保护框架,这些框架规定了儿童应用程序中数据汇集的要求和建议。为了了解开发人员的观点和限制,我们对流行的Android儿童应用程序开发人员进行了134次调查和20次半结构化访谈。我们的分析显示,开发人员在很大程度上尊重儿童的最大利益;然而,由于有限的货币化选择,某些第三方库的无害性以及缺乏设计指南,他们不得不做出妥协。我们确定了未来研究的具体方法和方向,以帮助克服这些障碍。
2021-11-29 cs.CY cs.HC
Uncovering Relationships between Android Developers, User Privacy, and Developer Willingness to Reduce Fingerprinting Risks
Google(谷歌)
研究通过调查246名Android开发者,探讨平台隐私保护措施对开发者意愿的影响,发现开发者普遍支持隐私保护措施,但更倾向于可选实施,且指纹使用开发者更支持该措施。
2026-03-30 cs.CR cs.HC
How Does Connecting Online Activities to Advertising Inferences Impact Privacy Perceptions?
本研究通过实验发现,数据仪表盘若仅展示数据收集而不连接数据使用,难以改变用户隐私担忧;但展示谷歌的笼统兴趣标签反而降低担忧,揭示了设计仪表盘需克服的“笼统悖论”。
2023-12-21 cs.CY cs.HC
Comparing How a Chatbot References User Utterances from Previous Chatting Sessions: An Investigation of Users' Privacy Concerns and Perceptions
National University of Singapore(新加坡国立大学)
研究探讨了聊天机器人引用用户历史对话的不同方式对用户感知和隐私担忧的影响,发现逐字引用虽提升智能感但引发隐私问题,改述方式则更受欢迎。
2023-08-09 cs.CL cs.HC
We Are Not There Yet: The Implications of Insufficient Knowledge Management for Organisational Compliance
本文通过定性研究揭示知识管理不足是组织合规的根本挑战,提出四类问题,并探讨有效解决方案以改善计算机支持的工作环境。
2023-05-06 cs.CY cs.HC
Understanding Parents' Perceptions and Practices Toward Children's Security and Privacy in Virtual Reality
通过对20位家长进行半结构化访谈,揭示家长在儿童使用VR时普遍缺乏安全与隐私意识,主要依赖口头教育等主动策略,并提出面向家长、教育者、VR公司和政府的可操作建议。
2024-11-22 cs.HC
Through Their Eyes: User Perceptions on Sensitive Attribute Inference of Social Media Videos by Visual Language Models
本文通过半结构化访谈调查了用户对视觉语言模型从社交媒体视频中推断敏感属性的看法,发现用户担忧隐私风险并期望平台加强透明度与隐私保护,为负责任AI开发与政策制定提供了指导。
2025-08-11 cs.HC
Regaining Trust: Impact of Transparent User Interface Design on Acceptance of Camera-Based In-Car Health Monitoring Systems
本研究通过在线实验(42名参与者)发现,透明引导设计能显著提升用户对基于摄像头的车内健康监测系统的信任与体验,且不增加引导时间,为隐私友好型系统设计提供指导。
2024-08-27 cs.HC
"I Used To Carry A Wallet, Now I Just Need To Carry My Phone": Understanding Current Banking Practices and Challenges Among Older Adults in China
财务管理对于退休的老年人至关重要,他们可能依赖储蓄来确保生活质量。作为数字银行平台(例如,移动应用程序、电子支付)逐渐取代实体银行,了解它们如何适应数字银行以及它们所经历的潜在摩擦至关重要。我们对中国的16名老年人进行了半结构化访谈,中国是人口老龄化最严重的国家,数字银行发展迅速。我们还采访了银行员工,以获得这些帮助者的互补观点。我们的研究结果表明,老年人使用物理和数字平台作为一个生态系统的基础上感知的优点和缺点。感知的有用性,自信心和社会影响力是学习数字银行的关键动力。他们经历了与应用程序相关的(例如,错误恢复支持不足)和用户相关的挑战(例如,信任、安全和隐私问题,自我效能感低),并制定了应对策略。我们讨论设计考虑因素,以改善他们的银行体验。
2022-07-26 cs.CY cs.HC
Towards Understanding Connections between Security/Privacy Attitudes and Unlock Authentication
在这项研究中,我们研究了用户对移动设备及其上存储的数据的隐私和安全性的态度可能会影响解锁认证的强度,重点是Android的图形解锁模式。我们与Amazon Mechanical Turk($N=750$)进行了一项在线研究,使用自我报告的解锁身份验证选项,以及对一组七个隐私/安全提示的Likert量表同意/不同意响应。然后,我们从多个维度分析了这些回答,包括李克特回答的直接平均值,以及使用主成分分析来揭示潜在因素。我们发现,对七个问题中的两个问题的答复证明是相关和重要的。这两个问题考虑了对移动设备上存储的数据的普遍关注的态度,以及对已知行为者未经授权访问数据的关注的态度。遗憾的是,无法得出更大的结论,以确定解锁认证强度(Pearson Rank $r=-0.08$,$p<0.1$)之间的联系的更广泛问题集的有效性。然而,我们的两个因素解决方案都暴露了人口统计学群体的反应差异,包括年龄,性别和居住类型。这项研究的结果表明,在移动设备上的隐私/安全的感知和感知的威胁之间可能存在联系,但需要更多的研究,特别是在制定更好的调查和测量技术的隐私/安全的态度,具体涉及到移动设备。
2018-02-01 cs.CR cs.CY cs.HC
Making GDPR Usable: A Model to Support Usability Evaluations of Privacy
我们引入了一个新的模型来评估隐私,建立在EuroPriSe认证计划提出的标准,通过添加可用性标准。我们的模型是通过一个立方体,称为可用的隐私立方体(或UP立方体),其中每个可变性的三个轴捕获,分别是:数据主体的权利,隐私原则和可用的隐私标准。我们稍微重新组织了EuroPriSe的标准,以适应UP Cube模型,即,我们展示了EuroPriSe如何被视为权利和原则的结合,形成了我们UP Cube的两个基础。通过这种方式,我们还想提出两种关于隐私的观点:数据主体的观点和控制者/处理者的观点。我们根据从《通用数据保护条例》全文中提取的可用性目标定义可用的隐私标准。这些标准旨在对达到目标的可用性水平进行测量。准确地说,我们衡量有效性、效率和满意度,同时考虑目标和感知的可用性结果,产生准确性和完整性、资源利用率(例如,时间、努力、财务)以及满意度量表产生的测量。从长远来看,UP Cube旨在成为一种新的认证方法背后的模型,能够评估隐私的可用性,以造福普通用户。对于行业来说,考虑隐私的可用性将允许更大的业务差异化,而不仅仅是GDPR合规性。
2020-05-17 cs.CR cs.CY cs.HC
The Perils of Agency: How Developers Perceive, Prioritize, and Address Risks in Agentic AI Products
University of California, Berkeley(加州大学伯克利分校)
通过35位行业开发者的研究,发现开发者对代理型AI风险的感知与自主性、工具使用等代理特性紧密相关,他们优先考虑产品和业务风险,缺乏成熟的控制手段,揭示了代理能力与风险控制之间的张力。
2026-08-10 cs.AI cs.CY cs.HC
Ask the Experts: What Should Be on an IoT Privacy and Security Label?
有关物联网(IoT)设备的隐私和安全性的信息并不容易提供给想要在做出购买决定之前考虑它的消费者。虽然立法者建议增加简洁,消费者可访问的标签,但他们没有提供这些标签内容的指导。在本文中,我们报告了与隐私和安全专家以及消费者进行的一系列访谈和调查的结果,在这些访谈和调查中,我们探索和测试了物联网隐私和安全标签上包含的内容的设计空间。我们通过与22位隐私和安全专家进行三轮德尔菲过程进行专家启发研究,以确定专家认为在比较物联网设备的隐私和安全性时对消费者重要的因素,以告知他们的购买决策。根据专家们认为每个因素在向消费者传达风险方面的重要性,我们将这些因素分布在两个层面上-一个主要层面显示在产品包装本身或网站上的突出位置,另一个次要层面通过网络链接或QR码在线提供。我们报告的专家的理由和论据,用于支持他们选择的因素。此外,为了研究消费者如何看待专家指定的隐私和安全信息,我们对15名参与者进行了一系列半结构化访谈,他们购买了至少一台物联网设备(灵巧家庭设备或可穿戴设备)。根据我们的专家启发和消费者研究的结果,我们提出了一个原型隐私和安全标签,以帮助消费者做出更明智的物联网相关购买决策。
2020-02-11 cs.CR cs.CY cs.HC
Usage Patterns of Privacy-Enhancing Technologies
不断有关于网上侵犯隐私的报道描绘了一幅互联网正成长为一个更危险的地方的画面。有报告称,大规模部署在线技术和数据密集型网络,促进了在线危害的潜在规模,这一点得到了支持。虽然互联网用户经常对隐私表示关注,但有些人报告说,他们采取了行动来保护自己的在线隐私。我们调查的方法和技术,个人用来保护他们的隐私线上。我们进行了两项研究,N=180和N=907,以引出个人在美国,英国和德国在线使用隐私方法。我们发现,在这三个国家中,非技术方法是最常用的方法之一。我们在聚类图中确定了隐私方法使用的不同分组。该地图显示,与非技术的隐私保护方法一起,集成在服务中的简单PET形成了最常用的集群,而更高级的PET形成了不同的最少使用的集群。我们进一步调查用户的感知和推理,主要使用一组PET在第三项研究中,N=183参与者。我们没有发现先进的和简单的PETS用户之间的感知能力在保护隐私在线的差异。我们比较使用先进和简单的PET之间的看法和报告的用户推理不使用先进的PET,以及潜在的使用所需的支持。本文有助于隐私研究引出使用和感知使用跨$43$隐私方法,包括$26$ PET在三个国家,并提供了一个地图的PET使用。聚类图为未来跨PET的以用户为中心的调查提供了系统和可靠的参考点。总的来说,这项研究提供了一个广泛的理解,使用和看法,在收集的PET,并可能导致未来的研究规模使用PET。
2020-09-22 cs.CR cs.CY cs.HC
"What you think is private is no longer" -- Investigating the Aftermath of Shoulder Surfing on Smartphones in Everyday Life through the Eyes of the Victims
该研究通过调查英国智能手机用户,探究肩窥对用户隐私感知及手机互动的影响,发现其影响具个体差异性、易致任务耗时增加,用户愿采取防护措施但有特定标准,还讨论了以用户为中心的缓解方向。
2024-11-27 cs.HC