論文の概要: PriviFy: Designing Tangible Interfaces for Configuring IoT Privacy Preferences
- arxiv url: http://arxiv.org/abs/2406.05459v1
- Date: Sat, 8 Jun 2024 12:35:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-11 19:35:37.905785
- Title: PriviFy: Designing Tangible Interfaces for Configuring IoT Privacy Preferences
- Title（参考訳）: PriviFy: IoTプライバシ設定のためのタンジブルインターフェースの設計
- Authors: Bayan Al Muhander, Omer Rana, Charith Perera,
- Abstract要約: PriviFyは、スマートデバイスプライバシ設定の設定をシンプルにするための、新規でユーザフレンドリな有形インターフェースです。
当社の研究からの肯定的なフィードバックとユーザエクスペリエンスによって、製品開発者やスマートデバイスメーカーが、私たちが特定した有用なデザイン要素を取り入れられるようになると期待しています。
- 参考スコア（独自算出の注目度）: 1.4999444543328289
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Internet of Things (IoT) devices, such as smart speakers can collect sensitive user data, necessitating the need for users to manage their privacy preferences. However, configuring these preferences presents users with multiple challenges. Existing privacy controls often lack transparency, are hard to understand, and do not provide meaningful choices. On top of that, users struggle to locate privacy settings due to multiple menus or confusing labeling, which discourages them from using these controls. We introduce PriviFy (Privacy Simplify-er), a novel and user-friendly tangible interface that can simplify the configuration of smart devices privacy settings. PriviFy is designed to propose an enhancement to existing hardware by integrating additional features that improve privacy management. We envision that positive feedback and user experiences from our study will inspire consumer product developers and smart device manufacturers to incorporate the useful design elements we have identified. Using fidelity prototyping, we iteratively designed PriviFy prototype with 20 participants to include interactive features such as knobs, buttons, lights, and notifications that allow users to configure their data privacy preferences and receive confirmation of their choices. We further evaluated PriviFy high-fidelity prototype with 20 more participants. Our results show that PriviFy helps simplify the complexity of privacy preferences configuration with a significant usability score at p < .05 (P = 0.000000017, t = -8.8639). PriviFy successfully met users privacy needs and enabled them to regain control over their data. We conclude by recommending the importance of designing specific privacy configuration options.
- Abstract（参考訳）: スマートスピーカーのようなIoT(Internet of Things)デバイスは、機密性の高いユーザデータを収集し、ユーザがプライバシの好みを管理する必要がある。
しかし、これらの好みを設定すると、ユーザは複数の課題を抱えることになる。
既存のプライバシーコントロールは透明性を欠くことが多く、理解するのが難しく、意味のある選択肢を提供していない。
さらに、複数のメニューやラベル付けが混乱しているため、ユーザーはプライバシー設定を見つけるのに苦労している。
PriviFy (Privacy Simplify-er)は,スマートデバイスのプライバシ設定の設定をシンプルにするための,新規でユーザフレンドリな有形インターフェースである。
PriviFyは、プライバシ管理を改善する追加機能を統合することで、既存のハードウェアの拡張を提案するように設計されている。
当社の研究からの肯定的なフィードバックとユーザエクスペリエンスが、消費者製品開発者やスマートデバイスメーカーに、私たちが特定した有用なデザイン要素を取り入れさせるきっかけになることを期待しています。
フィデリティプロトタイピングを使用して、20人の参加者によるPriviFyプロトタイプを反復的に設計し、ノブ、ボタン、ライト、通知などのインタラクティブな機能を含むようにしました。
さらに,20名以上の参加者でPriviFy高忠実度プロトタイプの評価を行った。
以上の結果から,PrivFyはプライバシ設定の複雑さを,p < .05 (P = 0.000000017, t = -8.8639) という大きなユーザビリティスコアで単純化する。
PriviFyはユーザーのプライバシー要求に応えて、データのコントロールを取り戻せるようにした。
私たちは、特定のプライバシー設定オプションを設計することの重要性を推奨することで締めくくります。
関連論文リスト
- Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning [62.224804688233]
差分プライバシ(DP)は、モデルが特定のプライバシユニットで「ほとんど区別できない」ことを保証することで、有望なソリューションを提供する。
ユーザ間でのプライバシー保護の確保に必要なアプリケーションによって動機づけられたユーザレベルのDPについて検討する。
論文 参考訳（メタデータ） (2024-06-20T13:54:32Z) - User Consented Federated Recommender System Against Personalized
Attribute Inference Attack [55.24441467292359]
本稿では,ユーザの異なるプライバシーニーズを柔軟に満たすために,ユーザ合意型フェデレーションレコメンデーションシステム(UC-FedRec)を提案する。
UC-FedRecは、ユーザーが様々な要求を満たすためにプライバシー設定を自己定義し、ユーザーの同意を得てレコメンデーションを行うことを可能にする。
論文 参考訳（メタデータ） (2023-12-23T09:44:57Z) - Tapping into Privacy: A Study of User Preferences and Concerns on
Trigger-Action Platforms [0.0]
モノのインターネット(IoT)デバイスの人気は急速に高まり、インターネットに接続されたデバイスを継続的に監視する人が増えている。
この研究は、IoT(Internet of Things)のコンテキストにおいて、Trigger-Action Platform(TAP)に関連するエンドユーザのプライバシ上の懸念と期待について調査する。
TAPでは、特定のイベントや条件に基づいてアクションをトリガーするルールを作成することで、スマート環境をカスタマイズすることができる。
論文 参考訳（メタデータ） (2023-08-11T14:25:01Z) - A Randomized Approach for Tight Privacy Accounting [63.67296945525791]
推定検証リリース(EVR)と呼ばれる新しい差分プライバシーパラダイムを提案する。
EVRパラダイムは、まずメカニズムのプライバシパラメータを推定し、その保証を満たすかどうかを確認し、最後にクエリ出力を解放する。
我々の実証的な評価は、新たに提案されたEVRパラダイムが、プライバシ保護機械学習のユーティリティプライバシトレードオフを改善することを示している。
論文 参考訳（メタデータ） (2023-04-17T00:38:01Z) - Privacy-Preserving Matrix Factorization for Recommendation Systems using
Gaussian Mechanism [2.84279467589473]
本稿では,差分プライバシーフレームワークと行列因数分解に基づくプライバシ保護レコメンデーションシステムを提案する。
差分プライバシーは、プライバシを保存する機械学習アルゴリズムを設計するための強力で堅牢な数学的フレームワークであるため、敵が機密性の高いユーザー情報を抽出するのを防ぐことができる。
論文 参考訳（メタデータ） (2023-04-11T13:50:39Z) - Predicting Privacy Preferences for Smart Devices as Norms [14.686788596611251]
ユーザの嗜好を規範として予測するための協調フィルタリング手法を提案する。
スマートアシスタントユーザーのプライバシー嗜好のデータセットを用いて、予測の正確性をテストする。
論文 参考訳（メタデータ） (2023-02-21T13:07:30Z) - Privacy Explanations - A Means to End-User Trust [64.7066037969487]
この問題に対処するために、説明可能性がどのように役立つかを検討しました。
私たちはプライバシーの説明を作成し、エンドユーザの理由と特定のデータが必要な理由を明らかにするのに役立ちました。
我々の発見は、プライバシーの説明がソフトウェアシステムの信頼性を高めるための重要なステップであることを示している。
論文 参考訳（メタデータ） (2022-10-18T09:30:37Z) - Leveraging Privacy Profiles to Empower Users in the Digital Society [7.350403786094707]
市民のプライバシーと倫理は、ますますデジタル化されつつある社会によってもたらされる懸念の中核にある。
我々は、フィットネス領域から収集された既存のデータセットに関する実証的研究を通じて、プライバシの次元に注目し、上記の方向のステップに貢献する。
その結果、セマンティック駆動型質問のコンパクトなセットは、複雑なドメイン依存質問よりもユーザを識別するのに役立つことがわかった。
論文 参考訳（メタデータ） (2022-04-01T15:31:50Z) - Fully Adaptive Composition in Differential Privacy [53.01656650117495]
よく知られた高度な合成定理は、基本的なプライバシー構成が許すよりも、プライベートデータベースを2倍にクエリすることができる。
アルゴリズムとプライバシパラメータの両方を適応的に選択できる完全適応型合成を導入する。
適応的に選択されたプライバシパラメータが許されているにもかかわらず、定数を含む高度なコンポジションのレートに適合するフィルタを構築します。
論文 参考訳（メタデータ） (2022-03-10T17:03:12Z) - Private Reinforcement Learning with PAC and Regret Guarantees [69.4202374491817]
エピソード強化学習(RL)のためのプライバシー保護探索ポリシーを設計する。
まず、共同微分プライバシー(JDP)の概念を用いた有意義なプライバシー定式化を提供する。
そこで我々は,強いPACと後悔境界を同時に達成し,JDP保証を享受する,プライベートな楽観主義に基づく学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-09-18T20:18:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。