从“一分钟移动应用使用”中可提取的用户信息

理解人类行为是一项重要任务，在定向广告、健康分析、安全和娱乐等诸多领域具有应用价值。为此，设计用于活动识别（AR）的系统十分重要。然而，由于每个人的行为可能不同，理解并分析共性模式成为一项挑战。由于现代社会中智能手机易于获取，利用它们追踪人类活动成为可能。在本文中，我们通过构建安卓移动应用，利用安卓智能手机的加速度计、磁力计和陀螺仪传感器提取了不同人类活动。使用Facebook、Instagram、Whatsapp和Twitter等不同社交媒体应用，我们提取了29名受试者的原始传感器数值及其属性（类别标签），如年龄、性别和左/右/双手应用使用习惯。我们从原始信号中提取特征，并使用不同机器学习（ML）算法进行分类。通过统计分析，我们展示了不同特征对类别标签预测的重要性。最后，我们将训练好的ML模型用于UCI库中的知名活动识别数据以提取未知特征，凸显了利用ML模型进行隐私泄露的潜在可能。该安全分析可帮助未来研究者采取适当措施以保护人类受试者的隐私。