不止所见：理解个体对象对感知视觉隐私的影响

用户生成内容（如照片）构成了在线媒体内容的主体，并因人类快速处理视觉信息的能力而驱动着用户参与。因此，许多在线平台专为分享视觉内容而设计，每天有数十亿张照片被发布。然而，照片通过可见和上下文线索所揭示的信息往往超出预期，从而导致隐私风险。先前的研究通常将隐私视为整个图像的一种属性，忽略了可能携带不同隐私风险并影响用户感知的个体对象。我们通过一项混合方法研究（n = 92）来弥补这一空白，以理解用户如何评估包含多个敏感对象的图像的隐私。我们的结果揭示了心智模型和细微模式，这些发现揭示了诸如照片拍摄上下文和其他对象的共存等细粒度细节如何影响隐私感知。这些新颖的见解可以为社交媒体和未来技术中个性化、上下文感知的隐私保护设计提供支持。