Conceptos Básicos
研究者やシステム開発者だけでなく、実際に潜在的に敏感なデータを共有する人々もプライバシーリスクを考慮すべきである。
Resumen
NLPコミュニティは差分プライバシーを採用しているが、プライバシー保護の強度を制御する主要パラメータであるεの選択と解釈は任意的である。
ε値の決定が研究者やシステム開発者だけでなく、実際にデータを共有する人々も関与すべきであることが主張されている。
311人の参加者を対象とした行動実験により、レイユーザーがプライバシー脅威の状況下で不確実な意思決定を行う行動を研究している。
現在の研究では、NLPにおける技術的側面に焦点が当てられており、人間のプライバシーリスクへの認識は無視されている。
レイユーザーがどのようなε値まで敏感なテキストデータを共有する意志があるかについて初めて調査している。
Estadísticas
差分プライバシーはε > 0(プライバシーバジェット)によってパラメトラ化され、個人情報保護リスクと関連付けられます。
ε = 0.01ではデータ共有への同意が明確に優勢です。一方、ε = 10は非常に高いデータ悪用リスクと対応し、多くの被験者がデータ共有に反対することが期待されます。
Citas
"Would you share your instant messages for ε of 10?"
"We address this research gap by designing, implementing, and conducting a behavioral experiment to study the behavior of people in uncertain decision-making situations with respect to privacy-threatening situations."