論文の概要: Measuring risks inherent to our digital economies using Amazon purchase histories from US consumers

• arxiv url: http://arxiv.org/abs/2502.18774v1
• Date: Wed, 26 Feb 2025 03:06:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:58:36.675473
• Title: Measuring risks inherent to our digital economies using Amazon purchase histories from US consumers
• Title（参考訳）: 米国消費者のAmazon購入履歴を用いたデジタル経済固有のリスクの測定
• Authors: Alex Berke, Kent Larson, Sandy Pentland, Dana Calacci,
• Abstract要約: ピクルスやトランポリンの購入は、顧客の個人的属性(この場合、彼らのレース)の手がかりを明らかにするリスクがあることを示します。 この研究は、(N=4248)米国のAmazon.comの顧客からクラウドソースされた購入履歴を用いて、これらのリスクを測定する最初のオープン分析を提供する。 健康やライフスタイル、性別、年齢、人種といった消費者の個人的属性が、購入からいかに容易に推測できるかを実証する。 Amazonやデータブローカー、広告主が消費者に提供する高リソース企業のリスクをより深く理解するために、我々のモデルの予測能力がより多くのデータでどのようにスケールするかを測定します。
• 参考スコア（独自算出の注目度）: 6.090518383948741
• License:
• Abstract: What do pickles and trampolines have in common? In this paper we show that while purchases for these products may seem innocuous, they risk revealing clues about customers' personal attributes - in this case, their race. As online retail and digital purchases become increasingly common, consumer data has become increasingly valuable, raising the risks of privacy violations and online discrimination. This work provides the first open analysis measuring these risks, using purchase histories crowdsourced from (N=4248) US Amazon.com customers and survey data on their personal attributes. With this limited sample and simple models, we demonstrate how easily consumers' personal attributes, such as health and lifestyle information, gender, age, and race, can be inferred from purchases. For example, our models achieve AUC values over 0.9 for predicting gender and over 0.8 for predicting diabetes status. To better understand the risks that highly resourced firms like Amazon, data brokers, and advertisers present to consumers, we measure how our models' predictive power scales with more data. Finally, we measure and highlight how different product categories contribute to inference risk in order to make our findings more interpretable and actionable for future researchers and privacy advocates.
• Abstract（参考訳）: ピクルスとトランポリンには共通点がありますか。 本稿では,これらの商品の購入は無害に思われるかもしれないが,顧客の個人的属性(この場合,彼らのレース)に関する手がかりを明らかにするリスクがあることを示す。 オンライン小売やデジタル購入が一般的になるにつれて、消費者データはますます価値を増し、プライバシー侵害やオンライン差別のリスクが高まる。 この研究は、米国Amazon.comの顧客(N=4248)からクラウドソースされた購入履歴と個人属性に関するデータを用いて、これらのリスクを測定する最初のオープン分析を提供する。 この限定されたサンプルと単純なモデルを用いて、消費者の個人属性、例えば健康やライフスタイル、性別、年齢、人種が購入者からいかに容易に推測できるかを実証する。 例えば、本モデルでは、性別の予測に0.9以上のAUC値、糖尿病の状態の予測に0.8以上のAUC値を達成している。 Amazonやデータブローカー、広告主が消費者に提供する高リソース企業のリスクをより深く理解するために、我々のモデルの予測能力がより多くのデータでどのようにスケールするかを測定します。 最後に、さまざまな製品カテゴリが推論リスクにどのように寄与するかを測定して、将来の研究者やプライバシー擁護者にとってより解釈可能で実用的なものにするために、強調する。

関連論文リスト

• Evaluating Amazon Effects and the Limited Impact of COVID-19 With Purchases Crowdsourced from US Consumers [42.80166440735519]
  最近公開されたAmazonの購入履歴のデータセットを活用し、数千人の米国消費者からクラウドソースしています。 オンライン購入行動が時間とともにどのように変化したか、人口集団間でどのように変化したか、COVID-19パンデミックの影響、オンライン小売とオフライン小売の関係について検討する。
  論文  参考訳（メタデータ） (2025-01-17T23:03:56Z)
• How Unique is Whose Web Browser? The role of demographics in browser fingerprinting among US users [50.699390248359265]
  ブラウザのフィンガープリントは、クッキーを使わずとも、Web上のユーザを識別し、追跡するために利用できる。 この技術と結果として生じるプライバシーリスクは10年以上にわたって研究されてきた。 我々は、さらなる研究を可能にするファースト・オブ・ザ・キンド・データセットを提供する。
  論文  参考訳（メタデータ） (2024-10-09T14:51:58Z)
• Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
  我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。 このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。 適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
  論文  参考訳（メタデータ） (2024-03-21T14:48:37Z)
• Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
  我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。 ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
  論文  参考訳（メタデータ） (2023-04-06T05:20:16Z)
• Membership Inference Attacks against Synthetic Data through Overfitting Detection [84.02632160692995]
  我々は、攻撃者が基礎となるデータ分布についてある程度の知識を持っていると仮定する現実的なMIA設定について論じる。 生成モデルの局所的なオーバーフィッティングをターゲットとして,メンバシップを推論することを目的とした密度ベースMIAモデルであるDOMIASを提案する。
  論文  参考訳（メタデータ） (2023-02-24T11:27:39Z)
• Characterization of Frequent Online Shoppers using Statistical Learning with Sparsity [54.26540039514418]
  本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
  論文  参考訳（メタデータ） (2021-11-11T05:36:39Z)
• Predicting Customer Lifetime Values -- ecommerce use case [0.0]
  この研究は、まず'buy-till-you-die'統計モデルを使用して顧客の振る舞いを予測し、その後、同じデータセット上でニューラルネットワークを使用して結果を比較する、顧客の将来の購入を予測する2つのアプローチを比較する。
  論文  参考訳（メタデータ） (2021-02-10T23:17:16Z)
• Face to Purchase: Predicting Consumer Choices with Structured Facial and Behavioral Traits Embedding [53.02059906193556]
  消費者の顔の特徴と履歴に基づいて消費者の購入を予測することを提案する。 階層型埋め込みネットワークに基づく半教師付きモデルを設計し、消費者の高レベルな特徴を抽出する。 実世界のデータセットを用いた実験結果から,消費者の購買行動を予測するために,顔情報の導入による肯定的な効果が示された。
  論文  参考訳（メタデータ） (2020-07-14T06:06:41Z)
• The wisdom of the few: Predicting collective success from individual behavior [0.0]
  発見者」の小さなセットは、彼らが訪れたレンガとモルタルの店にとって、信頼できる成功予測を提供する。 購入履歴だけでは発見者の小さな集合を検出できる」と述べた。 その結果,大規模購入データにアクセス可能な企業や組織は,発見者を検出し,その行動を利用して市場の動向を予測できることがわかった。
  論文  参考訳（メタデータ） (2020-01-14T13:52:44Z)

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。