When Privacy Meets Usability: Unobtrusive Privacy Permission Recommendation System for Mobile Apps Based on Crowdsourcing
When Privacy Meets Usability: Unobtrusive Privacy Permission Recommendation System for Mobile Apps Based on Crowdsourcing
复制标题
当隐私遇见可用性：基于众包的移动应用隐私权限推荐系统
DOI：
10.1109/tsc.2016.2605089
复制
发表时间：
2018-09
影响因子：
8.1
通讯作者：
Yang Lei
中科院分区：
文献类型：
--
作者：
Liu Rui;Cao Jiannong;Zhang Kehuan;Gao Wenyu;Liang Junbin;Yang Lei
如今，人们几乎希望一切都在他们的指尖，从商业到娱乐，同时他们不想泄露他们的敏感数据。强大的信息保护可以是一个竞争优势，但当人们使用智能手机中的移动的应用程序时，保护隐私是一个真实的挑战。如果他们对隐私保护过于松懈，重要或敏感的信息可能会丢失。如果他们对隐私过于严格，让用户通过无尽的箍跳来访问他们完成工作所需的数据，生产力可能会急剧下降。因此，在移动的应用中在隐私和可用性之间取得平衡可能是困难的。利用移动的操作系统中的隐私权限设置，我们解决这个问题的基本思路是提供适当的设置建议，以便用户可以保护他们的敏感信息，并保持应用程序的可用性。在本文中，我们提出了一个不引人注目的推荐系统来实现这一想法，它可以众包用户的隐私权限设置，并相应地为他们生成推荐。此外，我们的系统允许用户提供反馈，以修改建议，以获得更好的性能和适应不同的情况。为了进行评估，我们收集了Amazon Technical Turks上382名参与者的用户偏好，并将我们的系统发布给真实的世界中的用户10天。根据研究结果，我们的系统可以提出适当的建议，可以满足参与者的隐私期望和移动的应用程序的可用性。
People nowadays almost want everything at their fingertips, from business to entertainment, and meanwhile they do not want to leak their sensitive data. Strong information protection can be a competitive advantage, but preserving privacy is a real challenge when people use the mobile apps in the smartphone. If they are too lax with privacy preserving, important or sensitive information could be lost. If they are too tight with privacy, making users jump through endless hoops to access the data they need to get their work done, productivity can nosedive. Thus, striking a balance between privacy and usability in mobile applications can be difficult. Leveraging the privacy permission settings in mobile operating systems, our basic idea to address this issue is to provide proper recommendations about the settings so that the users can preserve their sensitive information and maintain the usability of apps. In this paper, we propose an unobtrusive recommendation system to implement this idea, which can crowdsource users’ privacy permission settings and generate the recommendations for them accordingly. Besides, our system allows users to provide feedback to revise the recommendations for getting better performance and adapting different scenarios. For the evaluation, we collected users’ preferences from 382 participants on Amazon Technical Turks and released our system to users in the real world for 10 days. According to the study, our system can make appropriate recommendations which can meet participants’ privacy expectation and mobile apps’ usability.
登录
查看更多内容
DOI：
10.1145/2738210.2738214
发表时间：
2015-02
期刊：
SIGCAS Comput. Soc.
影响因子：
--
作者：
Paul Gerber;M. Volkamer;K. Renaud
通讯作者：
Paul Gerber;M. Volkamer;K. Renaud
DOI：
10.1007/978-3-642-30244-2_4
发表时间：
2011-05
期刊：
--
影响因子：
--
作者：
Clemens Orthacker;Peter Teufl;Stefan Kraxberger;G. Lackner;Michael Gissing;Alexander Marsalek;Johannes Leibetseder;Oliver Prevenhueber
通讯作者：
Clemens Orthacker;Peter Teufl;Stefan Kraxberger;G. Lackner;Michael Gissing;Alexander Marsalek;Johannes Leibetseder;Oliver Prevenhueber
DOI：
10.1145/3130348.3130372
发表时间：
1999-08
期刊：
ACM SIGIR Forum
影响因子：
--
作者：
Jonathan L. Herlocker;J. Konstan;Al Borchers;J. Riedl
通讯作者：
Jonathan L. Herlocker;J. Konstan;Al Borchers;J. Riedl
DOI：
10.1109/wcse.2012.26
发表时间：
2012-11
期刊：
2012 Third World Congress on Software Engineering
影响因子：
--
作者：
Zhemin Yang;Min Yang
通讯作者：
Zhemin Yang;Min Yang
DOI：
10.1109/hicss.2014.623
发表时间：
2014-01
期刊：
2014 47th Hawaii International Conference on System Sciences
影响因子：
--
作者：
Quang Do;Ben Martini;Kim-Kwang Raymond Choo
通讯作者：
Quang Do;Ben Martini;Kim-Kwang Raymond Choo