移动数据采集应用的情境数据类别与隐私模型
计算机与社会
2018-07-19 v1 人机交互
摘要
源自移动健康、推荐系统与移动商务等多样领域的情境感知应用，可能因了解用户人格特征而受益。由于填写人格问卷繁琐，我们提出从智能手机传感器与使用数据预测用户人格。为收集研究智能手机数据与人格关系的数据，我们开发了 Android 应用 TYDR（Track Your Daily Routine），其追踪智能手机数据并利用心理测量人格问卷。借助 TYDR，我们追踪了比现有同类应用更多样的智能手机数据，包括通知、所拍照片及用户播放音乐的元数据。在开发 TYDR 时，我们引入了一个通用情境数据模型，由四类组成，聚焦于用户与智能手机的不同交互类型：身体状态与活动、设备状态与使用、核心功能使用以及应用使用。在此基础上，我们专门面向移动数据收集类应用开发了隐私模型 PM-MoDaC，包含九项提议的隐私措施。我们给出了所有这些措施在 TYDR 中的实现。尽管基于智能手机使用来利用用户人格颇具挑战，其对于各类情境感知移动应用似乎是一种有前景的途径。
引用
@article{arxiv.1807.01515,
title = {Context Data Categories and Privacy Model for Mobile Data Collection Apps},
author = {Felix Beierle and Vinh Thuy Tran and Mathias Allemand and Patrick Neff and Winfried Schlee and Thomas Probst and Rüdiger Pryss and Johannes Zimmermann},
journal= {arXiv preprint arXiv:1807.01515},
year = {2018}
}
备注
Accepted for publication at the 15th International Conference on Mobile Systems and Pervasive Computing (MobiSPC 2018)