面向大规模数字生活方式辅导的隐私设计自适应群体分配
软件工程
2026-05-21 v1 计算机与社会
摘要
数字生活方式辅导系统必须在用户行为和参与度变化的同时个性化同伴支持，同时防止可识别个人信息（PII）和敏感健康信息泄露到分析和 AI 管道中。这创造了一个实际的紧张关系：个性化需要纵向可链接性，而隐私工程需要最小化、分离和受控重新识别。我们提出了 PRISM-Coach，一个面向隐私保护生活方式辅导的利益相关者导向架构和自适应同伴群体分配方法。PRISM-Coach 将每个用户分离为四个受限视图：身份、运营、学习和辅导，每个视图都具有不同的访问控制和风险概剂。建立在这种分离基础上，系统使用基于储存库的受控身份恢复、受隐私约束的情境 bandit 在教练容量和稳定性约束下将用户分配给合格的同伴群体，以及一个人类在环的教练助理，用于生成去标识化的摘要和草案消息，而不将原始 PII 或 PHI 发送到外部 AI 服务。我们将 PRISM-Coach 实现于一个商业部署的生活方式辅导平台，并使用约 2800 名用户的三年遥测数据和应用内需求评估调查进行评估。在总体水平上，日常检查依从率从 0.35 提升至 0.68，参与度提升至 1.35 基准。在匹配的 19 周比较窗口中，AI 启用工作流程的依从率为 0.74，静态分组为 0.48，平均体重损失为 5.2 公斤 vs 3.1 公斤。调查结果显示，82% 的用户报告积极的感知效益，92% 的用户报告增加的隐私信心。这些结果将 PRISM-Coach 定位为面向日常健康的隐私设计自适应学习系统的实用蓝图。
引用
@article{arxiv.2605.20505,
title = {Privacy-by-Design Adaptive Group Assignment for Digital Lifestyle Coaching at Scale},
author = {Nariman Mani and Salma Attaranasl},
journal= {arXiv preprint arXiv:2605.20505},
year = {2026}
}