利用隐私配置授权数字社会用户
Exosoul 项目旨在开发一种个性化软件外骨骼,根据用户的道德偏好来调节数字世界中的行动,首先通过自上而下的方式识别道德偏好,然后通过个性化的数据驱动方法进行改善,论文探讨了两种聚类方法,结论以此来提高数字行为的预测能力。
Mar, 2022
这篇综述论文详细论述了用户建模和个人资料研究领域的现状、发展趋势和未来发展方向,并提出了一个包含最新动态的新颖分类系统。研究表明,用户建模方法正在向更复杂的个人资料建立方法转变,强调隐式数据收集、多行为建模以及图数据结构的整合。此外,研究还探讨了用户建模在假新闻检测、网络安全和个性化教育等领域的应用。该综述为研究人员和实践者提供了全面的资源,旨在对用户建模和个人资料的发展提供深入洞察,指导更加个性化、道德和有效的人工智能系统的发展。
Feb, 2024
本研究介绍和探讨了个性化隐私经济学,其中人们可以选择以持续或按需方式分享个人信息,以换取在网上服务质量方面的预期提高,并在网页搜索的情况下,制定了现实目标函数以实现效用和隐私的平衡,并通过一项规模较大的调查,评估了用户对隐私和效用的偏好。
Jan, 2014
保护隐私是计算社会科学、人工智能和数据科学等领域中的重要问题,本文讨论了隐私的角色和研究人员在这些领域可能面临的主要问题,并提出了保护参与者隐私的若干重要考虑因素。
Apr, 2024
该研究提出了一种基于可视化隐私顾问的方法,在图像内容方面扩展用户的隐私设置,以减轻用户分享图片带来的隐私风险和隐私泄露的风险。通过将个人信息映射为图像属性,从图像直接预测个人信息,了解不同用户在隐私属性方面的偏好,并在此基础上提出模型以预测用户在隐私风险方面的表现,并在一定程度上优于用户自己的隐私风险认知。
Mar, 2017
个性化 AI 技术的定制对其良好运行至关重要,当前的方法需要太多用户参与,无法真正捕捉其偏好。我们认为需要一种新的视角来构建规范,利用整个用户系统中大量可用的偏好信息,启发于推荐系统,我们相信协同过滤可以提供一种适合的方法来识别用户的规范偏好,避免过多用户参与。
Aug, 2023
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
本研究提出了一种基于协同过滤的方法来预测用户隐私偏好,以此帮助智能设备更好地遵守用户的隐私政策,并通过测试智能助手用户的隐私偏好数据集来验证该方法的准确性。
Feb, 2023
通过使用显式地建模不确定性来代表隐私问题,运用证据深度学习自适应分类,结合用户自身对隐私的理解和标签,本文提出了一种个人助手,其能够精确识别不确定的情况,并根据用户的需求提供个性化推荐,从而有助于用户更好地保护自己的隐私。
May, 2022