大语言模型时代的人类中心隐私研究

大语言模型（LLMs）及其在用户面向系统中的广泛应用，引发了显著的隐私关注。目前针对这些隐私问题的研究仍集中于模型层面：探讨 LLMs 如何导致记忆泄露，或如何从内容中推断个人特征。我们认为需要更多关注这些隐私问题的人类层面：例如研究设计范式如何影响用户的披露行为、用户的隐私认知模型和偏好，以及设计能够赋予终端用户对个人数据主导权的工具、系统和制品。为了构建具有可使用性、效率和隐私友好性的受这些模型（具有不完美隐私特性）驱动的系统，我们的目标是启动讨论，勾勒出在 LLM 驱动的系统中开展人类中心隐私研究的议程。该兴趣小组（SIG）旨在聚集来自可用性安全与隐私、人机协作、自然语言处理或其他相关领域的研究者，分享他们在这一问题上的视角和经验，帮助我们的社区建立对挑战、研究机会、研究方法以及如何与 HCI 之外的研究者合作的集体理解。