利用大语言模型提升对社交媒体照片中位置信息漏洞的认知
人机交互
2025-03-27 v1
摘要
位置隐私泄露可能导致未经授权的跟踪、身份盗用以及定向攻击,从而危及个人安全与隐私。本研究探讨了与社交媒体照片分享相关的、由大语言模型(LLM)驱动的位置隐私泄露问题,重点关注用户的认知、态度与看法。我们开发并向 19 名参与者推出了一款由 LLM 驱动的位置隐私干预应用,参与者使用该应用为期两周。该应用提示用户反思广泛可用的 LLM 可轻易检测到的潜在隐私泄露,例如可能暴露其位置的视觉地标与线索,并提供隐藏此类信息的方法。通过深度访谈,我们发现该干预措施有效提升了用户对位置隐私及 LLM 所带来风险的认知。它还促使用户思考掌控自身隐私数据的重要性,并引发了关于位置隐私保护技术未来的讨论。基于这些洞察,我们提出了若干设计启示,以支持未来面向用户的、用于社交媒体照片的位置隐私保护技术的开发。
引用
@article{arxiv.2503.20226,
title = {Raising Awareness of Location Information Vulnerabilities in Social Media Photos using LLMs},
author = {Ying Ma and Shiquan Zhang and Dongju Yang and Zhanna Sarsenbayeva and Jarrod Knibbe and Jorge Goncalves},
journal= {arXiv preprint arXiv:2503.20226},
year = {2025}
}
备注
Published at ACM CHI 2025 Conference on Human Factors in Computing Systems