Gaze3P：基于凝视的预测用户感知隐私
人机交互
2025-09-11 v2 密码学与安全
摘要
隐私是一个高度主观的概念，由不同个体以不同方式感知。以往的研究主要依赖问卷来量化用户感知隐私。此外，将用户感知隐私应用于优化隐私保留技术的参数（PPT）的探索仍不充分。为解决这些限制，我们引入 Gaze3P——第一个专为系统调查用户感知隐私而设计的数据集。我们的数据集包含来自 100 名参与者和 1,000 个刺激物的凝视数据，涵盖一系列私人和安全属性。通过 Gaze3P，我们训练机器学习模型从人类眼动中隐式地动态预测感知隐私。通过全面实验，我们显示所得模型实现了高准确率。最后，我们说明所预测的隐私如何用于优化差分隐私机制的参数，从而提高其与用户期望的一致性。
引用
@article{arxiv.2507.00596,
title = {Gaze3P: Gaze-Based Prediction of User-Perceived Privacy},
author = {Mayar Elfares and Pascal Reisert and Ralf Küsters and Andreas Bulling},
journal= {arXiv preprint arXiv:2507.00596},
year = {2025}
}