論文の概要: The Privacy Paradox Is a Misnomer: Data Under Structural Uncertainty

• arxiv url: http://arxiv.org/abs/2610.29756v1
• Date: Wed, 21 Oct 2026 13:58:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.377898
• Title: The Privacy Paradox Is a Misnomer: Data Under Structural Uncertainty
• Title（参考訳）: プライバシーのパラドックスはミスノーマー:構造的不確実性の下のデータ
• Abstract要約: 記事は、一見パラドックス的なプライバシー決定を引き起こすリスクについて構造的な不確実性があることに気付く。 プライバシー決定は構造的不確実性に起因するため、規制はその不確実性を減らすことを目指している。 プライバシー法は、人々の意思決定環境の現実をよりよく反映するよう求めている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The infamous privacy paradox refers to the apparent inconsistency between people's stated concern for privacy and their readiness to disclose personal information. This phenomenon has sparked two largely disconnected literatures: one offering experimental evidence of inconsistent behavior, and another providing qualitative accounts and defending the importance of privacy. The Article presents an online field experiment that bridges those literatures and shows that the so-called paradox arises from a mischaracterization of the underlying behavior. The Article finds that it is structural uncertainty about risk that drives seemingly paradoxical privacy decisions. It does so by isolating discounting mechanisms and empirically testing whether observed privacy choices reflect temptation or rational responses to uncertainty. The results suggest that privacy behavior is not paradoxical but, rather, consistent with choices shaped by incomplete information. The Article then discusses the policy implications of this reframing. As privacy decisions stem from structural uncertainty, which operates as a market failure, regulation should aim to reduce that uncertainty. This supports regulation that prioritizes transparency (for people to assess the risks of data collection) and flexibility mechanisms that accommodate evolving contexts. Such reframing provides a new argument for the right to be forgotten, which allows people to revisit prior disclosures as new risks become apparent. By shifting the focus from individual inconsistency to structural uncertainty, the findings call for privacy law to better reflect the reality of people's decision-making environments.
• Abstract（参考訳）: 悪名高いプライバシーパラドックス(英: infamous privacy paradox)は、プライバシーに対する人々の懸念と個人情報を開示する準備の整合性が明らかに矛盾していることを指す。 この現象は、不整合性行動の実験的な証拠を提供する文献と、質的な説明を提供し、プライバシーの重要性を擁護する文献の2つの大きな混乱を引き起こした。 本稿では,これらの文献を橋渡しするオンラインフィールド実験を行い,その基礎となる行動の誤評価から,いわゆるパラドックスが生じることを示す。 記事は、一見パラドックス的なプライバシー決定を引き起こすリスクについて構造的な不確実性があることを指摘している。 割引メカニズムを分離し、観察されたプライバシー選択が誘惑や不確実性に対する合理的反応を反映しているかどうかを実証的に検証する。 結果は、プライバシーの行動はパラドックス的ではなく、むしろ不完全な情報によって形成された選択と一致していることを示唆している。 その上で、本条は、この再フレーミングの政策的意味について論じている。 プライバシー決定は、市場失敗として機能する構造的不確実性に起因するため、規制は、その不確実性を減らすことを目指している。 これは、(データ収集のリスクを評価するために)透明性を優先する規制と、進化するコンテキストに対応する柔軟性メカニズムをサポートする。 このような再フレーミングは、忘れられる権利に対する新たな議論をもたらし、新しいリスクが明らかになると、人々は事前開示を再考することができる。 個人の不整合から構造的不確実性へと焦点を移すことで、プライバシー法は人々の意思決定環境の現実をよりよく反映するよう求めている。

関連論文リスト

• Privacy in Context Is Being Overlooked in the Age of General-Purpose LLMs [50.43085274784226]
  プライバシーを急ぐための既存の作業は、統一されたフレームワークを設計しようとする動きに向かっている、と私たちは主張する。 LLMのアプリケーション固有のデプロイ、プライバシーフレームワークのコンテキスト固有の評価、より優れたプライバシーリテラシーの3つの重要なパスを推奨します。
  論文  参考訳（メタデータ） (2026-10-21T16:01:42Z)
• Your Privacy Depends on Others: Collusion Vulnerabilities in Individual Differential Privacy [50.66105844449181]
  個々の差別的プライバシ(iDP)は、ユーザが自身のプライバシをコントロールすることを約束するが、この約束は実際には破られる可能性がある。 我々は、サンプリングベースのiDPメカニズムにおいて、これまで見過ごされていた脆弱性を明らかにした。 我々は、$(varepsilon_i,_i,overline)$-iDPというプライバシー契約を提案します。
  論文  参考訳（メタデータ） (2026-01-19T10:26:12Z)
• How to Get Actual Privacy and Utility from Privacy Models: the k-Anonymity and Differential Privacy Families [3.9894389299295514]
  プライバシモデルは、プライバシ保護データパブリッシングと統計開示制御に導入された。 定義に問題があるため、適切な保護保証の提供に失敗する可能性がある。 k-匿名性のセマンティックな再構築は、ユーティリティを失うことなく、より堅牢なプライバシを提供することができる、と我々は主張する。
  論文  参考訳（メタデータ） (2025-10-13T11:41:12Z)
• Enforcing Demographic Coherence: A Harms Aware Framework for Reasoning about Private Data Release [14.939460540040459]
  データプライバシに必要であると主張するプライバシ攻撃にインスパイアされた、人口統計コヒーレンスを導入します。 我々のフレームワークは信頼性評価予測に重点を置いており、ほぼすべてのデータインフォームドプロセスから蒸留することができる。 差分的にプライベートなデータリリースはすべて、人口統計学的にコヒーレントであること、および、差分的にプライベートではない人口統計学的にコヒーレントなアルゴリズムがあることを実証する。
  論文  参考訳（メタデータ） (2025-02-04T20:42:30Z)
• PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action [54.11479432110771]
  PrivacyLensは、プライバシに敏感な種子を表現的なヴィグネットに拡張し、さらにエージェントの軌跡に拡張するために設計された新しいフレームワークである。 プライバシの文献とクラウドソーシングされたシードに基づいて、プライバシの規範のコレクションをインスタンス化する。 GPT-4やLlama-3-70Bのような最先端のLMは、プライバシー強化の指示が出されたとしても、機密情報を25.68%、38.69%のケースでリークしている。
  論文  参考訳（メタデータ） (2024-08-29T17:58:38Z)
• A Critical Take on Privacy in a Datafied Society [0.0]
  私は、プライバシー擁護者が提示するオンラインのプライバシーと慣用性の欠如について、いくつかの側面を分析します。 データフィケーションが人間の行動に与える影響、オンラインプライバシの基盤における市場志向の前提、そして新たな適応戦略について論じる。 潜在的な問題となる未来を垣間見るために、EU、英国、および中国のジェネレーティブAIポリシーに関するプライバシー関連の側面に関する議論が提供されている。
  論文  参考訳（メタデータ） (2023-08-03T11:45:18Z)
• Decision Making with Differential Privacy under a Fairness Lens [65.16089054531395]
  アメリカ国勢調査局は、多くの重要な意思決定プロセスの入力として使用される個人のグループに関するデータセットと統計を公表している。 プライバシと機密性要件に従うために、これらの機関は、しばしば、プライバシを保存するバージョンのデータを公開する必要がある。 本稿では,差分的プライベートデータセットのリリースについて検討し,公平性の観点から重要な資源配分タスクに与える影響を考察する。
  論文  参考訳（メタデータ） (2021-05-16T21:04:19Z)
• Robustness Threats of Differential Privacy [70.818129585404]
  我々は、いくつかの設定で差分プライバシーをトレーニングしたネットワークが、非プライベートバージョンに比べてさらに脆弱であることを実験的に実証した。 本研究では,勾配クリッピングや雑音付加などのニューラルネットワークトレーニングの主成分が,モデルの堅牢性に与える影響について検討する。
  論文  参考訳（メタデータ） (2020-12-14T18:59:24Z)
• Learning With Differential Privacy [3.618133010429131]
  異なるプライバシーは、漏洩に対する適切な保護を約束して救助にやってくる。 データの収集時にランダムな応答技術を使用し、より優れたユーティリティで強力なプライバシを保証します。
  論文  参考訳（メタデータ） (2020-06-10T02:04:13Z)

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。