[論文レビュー] Predicting Privacy Attitudes Using Phone Metadata

Isha Ghosh, Vivek K. Singh|arXiv (Cornell University)|Apr 14, 2016

Privacy, Security, and Data Protection参考文献 22被引用数 7

ひとこと要約

本研究では、スマートフォンのメタデータを用いて個人のプライバシー態度を予測する新しい手法を提案し、電話使用パターンが性格ベースのモデルよりも顕著に優れていることを示している。研究者は10週間分の電話メタデータとプライバシーに関するアンケートデータを収集し、行動メタデータが従来の性格特徴よりも、プライバシー態度の推定に強力なシグナルを提供することを示した。

ABSTRACT

With the increasing usage of smartphones, there is a corresponding increase in the phone metadata generated by individuals using these devices. Managing the privacy of personal information on these devices can be a complex task. Recent research has suggested the use of social and behavioral data for automatically recommending privacy settings. This paper is the first effort to connect users' phone use metadata with their privacy attitudes. Based on a 10-week long field study involving phone metadata collection via an app, and a survey on privacy attitudes, we report that an analysis of cell phone metadata may reveal vital clues to a person's privacy attitudes. Specifically, a predictive model based on phone usage metadata significantly outperforms a comparable personality features-based model in predicting individual privacy attitudes. The results motivate a newer direction of automatically inferring a user's privacy attitudes by looking at their phone usage characteristics.

研究の動機と目的

• スマートフォンのメタデータが個人のプライバシー態度を予測できるかどうかを調査すること。
• 電話使用メタデータの予測性能を、性格に基づく特徴と比較して、プライバシー態度を評価する上で検証すること。
• モバイルデバイスからの行動データを用いて、自動的にプライバシー志向を推定する可能性を検討すること。

提案手法

• 参加者から10週間分のスマートフォンメタデータを、独自開発のモバイルアプリを用いて収集した。
• 個人のプライバシー志向を評価するために、プライバシー態度アンケートを実施した。
• 通話頻度、アプリ使用時間、通信パターンなどの電話メタデータ特徴を用いて予測モデルを訓練した。
• アンケート回答から得られた性格特徴を用いてベースラインモデルを構築した。
• 分類指標（特に正確性とAUC）を用いて、モデルのパフォーマンスを比較した。
• 標準的な機械学習手法を用いて、メタデータと性格特徴の両者の予測力の強さを評価した。

実験結果

リサーチクエスチョン

• RQ1 性格ベースのモデルよりも、スマートフォンのメタデータを用いて個人のプライバシー態度をより高い正確性で予測できるか？
• RQ2 どの特定の電話使用パターンがプライバシー態度と最も強く相関しているか？
• RQ3 メタデータベースのモデルと性格ベースのモデルの両方が、プライバシー態度を分類する際に、それぞれどのように予測性能を発揮するか？
• RQ4 電話使用における行動パターンが、裏にあるプライバシー志向をどの程度反映しているか？

主な発見

• 電話使用メタデータに基づく予測モデルは、性格特徴に基づくモデルよりも顕著に優れた性能を示した。
• メタデータベースのモデルは、性格ベースのモデルと比較して、より高い分類正確性とAUCを達成した。
• 通話頻度、アプリ使用時間、通信パターンといった特定の行動指標が、プライバシー態度の予測に強い要因であった。
• 結果から、行動メタデータは自己申告された性格特徴よりも、プライバシー志向に関するより情報量の多いシグナルを含んでいることが示唆された。