健康推荐系统中用户对隐私-效用权衡的视角

隐私是个性化服务（如推荐系统）用户的一项重要权益。当应用于健康信息学领域时，用户的隐私担忧可能加剧，但此类服务可能的效用也很高。尽管已有 k-匿名、差分隐私、隐私感知推荐和个性化隐私权衡等技术，关于用户愿意为这类系统共享健康数据的研究甚少。通过两项联合决策研究（样本量 n=521），我们调查了与共享个人健康数据相关的隐私保护技术（k-匿名和差分隐私）的重要性和效用。用户被要求根据数据接收方、数据共享收益、数据类型和参数化隐私来选择偏好的共享场景。用户反对出于商业目的共享精神疾病相关数据且去匿名化风险高，但在数据用于科学目的且与身体疾病相关时担忧甚少。基于发现提出了健康推荐系统开发建议。