MMSep, 2019

（不）知情同意：在现场研究 GDPR 同意通知

PDF
TL;DR探讨了在德国网站中的 80,000 名用户上，图形用户界面的提示位置、选择类型和内容框架对用户同意行为的影响，并发现许多实现细节都会显著影响用户交互。
general data protection regulationcookie consent noticesconsent noticesbrowsing behavioruser consent
发现论文，激发创造
  • 自动化隐私决策 —— 如何把握边界？

    本文概述了隐私决策自动化所面临的主要挑战，并提供了一种分类方案，包括现有工作以及解决隐私决策自动化的倡议和提案。

    May, 2023

  • MyAdChoices: 为在线广告带来透明度和控制

    本研究提出了一种智能 web 技术，旨在实现在线广告的透明化，帮助用户进行明智的决策和保护隐私，并证明了该方法的可行性和适用性。

    Feb, 2016

  • 自动检测 cookie 横幅中的暗模式：如何做得不好，以及为什么很难用其他方式做到

    该研究利用 300 个新闻网站的 Cookie Banner 数据集，训练出一个自动检测强制同意数据收集的恶意模式的机器学习模型，但其准确性还有很大提高空间，并探讨了自动检测恶意模式对人工智能领域的跨学科挑战。

    Apr, 2022

  • AI 动力聊天机器人：提高在线知情同意书阅读的效率

    本文探讨了 AI 聊天机器人在改善在线知情同意书中的作用，通过与表格交互的比较，我们发现聊天机器人改善了同意书的阅读，促进参与者的代理感，并缩小了参与者与研究者之间的权力差距，并发现权力动态的改变最终可能有利于研究响应质量。

    Feb, 2023

  • 不同意见

    介绍了一种机器学习技术，用于自动解析和总结用户友好的方式中的重要信息，以便用户在提交协议之前考虑。

    Sep, 2023

  • 跟踪器之争：在线跟踪生态系统的演变测量

    本文分析了过去两年内顶级网站内嵌的第三方网络生态，通过六个时间间隔观察了在线追踪活动和进出流量的变化，并对追踪器之间的连接和可能的 Cookie 同步活动进行了研究，以评估 GDPR 实施后 Web 生态系统的隐私健康状况

    Jul, 2019

  • 使用真实语料库进行数据实践的自动检测和分析

    我们提出了一种自动化的方法来识别和可视化不同细节级别的隐私政策中的数据实践，通过利用 ToS;DR 平台的众包注释，我们尝试使用各种方法将政策摘录与预定义的数据实践描述相匹配，进一步进行了一个案例研究来评估我们的方法在真实政策上的有效性，实验表明我们的方法准确匹配了数据实践描述和政策摘录，为用户呈现了简化的隐私信息。

    Feb, 2024

  • 隐私政策问答：结合计算和法律视角

    本文介绍了 PrivacyQA 数据集，以及采用神经网络进行隐私政策问题回答的方法和挑战。PrivacyQA 数据集包括 1750 个问题和 3500 个相关答案的专业注释，研究表明，当前的神经网络方法在回答隐私政策问题上存在诸多问题，该数据集为未来的问题回答系统提供了巨大的改进空间。

    Nov, 2019

  • PolicyGPT: 使用大型语言模型自动分析隐私政策

    通过利用大型语言模型（LLM）开展文本分析，本研究构建了 PolicyGPT 隐私政策文本分析框架，并在两个数据集上进行了测试，结果表明在零样本学习条件下，PolicyGPT 取得了强大的性能，并优于传统机器学习和神经网络模型。

    Sep, 2023

  • GDPR 有效性研究的实证证据映射：一项系统综述

    通过综述和综合近 30 年（1995 年 - 2022 年 3 月）的经验研究，倡导将经验证据更加全面地融入到对 GDPR 的评估和审查中，同时为未来的经验研究奠定了方法论基础。

    Oct, 2023