隐私有什么好处？将隐私作为防止个人数据使用导致的伤害的盾牌进行测量
密码学与安全
2025-07-01 v1 计算机与社会
摘要
我们提出了以伤害为中心的隐私概念化, 询问: 个人数据使用的哪些伤害可以被隐私所防止? 该研究的动机是现有隐私框架(如 Contextual Integrity)无法捕捉或分类化现代技术使用个人数据的许多伤害。我们通过 400 名大学生和大学学生的在线研究来操作化化这个概念化。研究受访者表明他们对不同伤害的感知, 例如当基于人工智能的算法推断个人数据(如人口统计信息、性格特征和认知障碍)时, 可能出现的操纵、歧视和骚扰等伤害, 并用于识别可能因课程而退出的学生或找出最佳工作候选人。该研究包括 14 种伤害和六种类型的个人数据, 这些都基于广泛的文献综述。对该研究数据的全面统计分析显示, 14 种伤害是内在一致的, 并代表了隐私伤害的一般概念。该研究数据还 surfacing 了受访者对伤害的细致感知, 无论是在情境还是受访者的人口统计因素方面。基于这些结果, 我们讨论了如何公平地改进隐私。因此, 这项研究不仅有助于加深对隐私概念的理解, 也为改进教育和就业语境中的隐私提供了实际指导。
引用
@article{arxiv.2506.22787,
title = {What's Privacy Good for? Measuring Privacy as a Shield from Harms due to Personal Data Use},
author = {Sri Harsha Gajavalli and Junichi Koizumi and Rakibul Hasan},
journal= {arXiv preprint arXiv:2506.22787},
year = {2025}
}