[论文解读] 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 7

一句话总结

本研究提出了一种新颖的方法，利用智能手机元数据预测个体的隐私态度，表明手机使用模式在预测隐私偏好方面显著优于基于人格特征的模型。作者收集了为期10周的手机元数据和隐私调查数据，结果表明，行为元数据为推断隐私态度提供了比传统人格特质更强的信号。

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.

研究动机与目标

• 调查智能手机元数据是否可用于预测个体的隐私态度。
• 比较手机使用元数据与基于人格特征的特征在评估隐私态度方面的预测能力。
• 探索通过移动设备行为数据自动推断隐私偏好的可行性。

提出的方法

• 使用自定义移动应用程序收集参与者的10周手机元数据。
• 通过隐私态度调查评估个体的隐私偏好。
• 利用通话频率、应用使用情况和通信模式等手机元数据特征训练预测模型。
• 基于调查回答中提取的人格特质构建基线模型。
• 使用分类指标比较模型性能，重点关注准确率和AUC。
• 采用标准机器学习技术评估元数据与人格特征的预测能力。

实验结果

研究问题

• RQ1 智能手机元数据是否能够以比基于人格特征的模型更高的准确率预测个体的隐私态度？
• RQ2 哪些具体的手机使用模式与隐私态度相关性最强？
• RQ3 基于元数据的模型在分类隐私态度方面与基于人格特征的模型相比，预测性能如何？
• RQ4 手机使用中的行为模式在多大程度上反映了潜在的隐私偏好？

主要发现

• 基于手机使用元数据的预测模型在预测隐私态度方面显著优于基于人格特征的模型。
• 与基于人格特征的模型相比，基于元数据的模型在分类准确率和AUC方面均表现更优。
• 通话频率、应用使用时长和通信模式等具体行为指标是隐私态度的强预测因子。
• 结果表明，行为元数据中包含比自我报告的人格特质更丰富的隐私偏好信息。