Mapping User Preference to Privacy Default Settings+ Transactions on CHI 2015-Jason Watson et al./ 나누리x 2016 Spring

스트리밍 데이터에 민감한 사람들• 음악앱 지니의 강제 ‘덕밍아웃 ( 덕후 + 커밍아웃 )’, ‘ 일코해제 ( 일반인 코스프레 해제 )’ 사태• ‘ 플레이 리스트’ vs. ‘ 계좌번호’ ?

Author• Jason Watson(University of North Alabama, Florence, AL)• Heather Richter Lipford(University of North Carolina at Charlotte, Charlotte, NC)• Andrew Besmer(Winthrop University, Rock Hill, SC)

• Privacy Policy 에 관심이 많은

“Privacy Policy”

Background• 문제 : 느슨한 Facebook Privacy Policy ( 대체로 Everyone)

_ SNS 사업의 목적이 공유 하도록하는 것이므로_ 기본 설정으로 원치 않는 공유 , 잦은 설정 변경 중에 유출되는 것들 .

• 그동안 : 어떻게 ‘개인 맞춤화’된 프라이버시 설정을 추천 / 결정해 줄 것인가에 관한 연구는 많았음 ._ 사람들의 프라이버시 성향을 묶기도 하고 , ( 사람 분류 )_ 머신러닝 알고리즘으로 유저의 이전 설정 습관들을 학습하기도 함 .

Methodology Overview• 연구의 목표 : 현재의 디폴트 프라이버시 설정을 평가하고 , 더 나은 프라이버시 디폴트의 가능성

탐색 ._ 사람들의 프라이버시 설정 선호를 조사하고 , 기존의 모델 & 도출한 모델이 사용자의 실제가 fit하는 정도를 확인하고자 함 .

프라이버시설정 선호 파악 더 나은 프라이버시디폴트 탐색

Methodology Overview• 연구의 목표 : 현재의 디폴트 프라이버시 설정을 평가하고 , 더 나은 프라이버시 디폴트의 가능성

탐색 ._ 사람들의 프라이버시 설정 선호를 조사하고 , 기존의 모델 & 도출한 모델이 사용자의 실제가 fit하는 정도를 확인하고자 함 .

Servey• 페이스북의 29 가지 프로필 항목의 프라이버시 설정 선호를 조사함 .

• 참가자들의 실제 페이스북 프라이버시 설정 데이터를 받지 않고 , 자기 보고 서베이로 진행함 ._ 사람들은 각각의 29 가지 프로필 아이템들에 자기가 원하는 설정을 하는 시간 / 노력 들이지 않으므로 자기 보고 서베이가 가장 적합하다고 판단하였음 .

Calculating Policy Fit• 서베이 데이터로부터 applied policy 를 도출하여 ,

사람들이 원하는 바와 applied policy 가 얼마나 잘 fit 하는지 계산함 .

Servey CalculatingPolicy Fit

Survey Design• Amazon’s Mechanical Turk system 을 이용하여 , 미국인을 대상으로 온라인 설문 진행함 .• 30 분 설문 , 2 불의 인센티브 .

1) demographics

2) Facebook usage and general attitude questions_ 3 Westin/Harris segmentation index_ 16 Buchanan et al. index_ Facebook Intensity Index

3) privacy preference for 29 profile itemsstage A. disclosure preference (Y/N)stage B. preferred sharing audience (Only Me/ Friends/ Friends of Friends/ Everyone)stage C. ( 선택하지 않은 ) 대안 선택지 상황에 대한 태도 ( 슬라이드 바 0-100)

Survey Design• Amazon’s Mechanical Turk system 을 이용하여 , 미국인을 대상으로 온라인 설문 진행함 .• 30 분 설문 , 2 불의 인센티브 .

1) demographics

2) Facebook usage and general attitude questions_ 3 Westin/Harris segmentation index_ 16 Buchanan et al. index_ Facebook Intensity Index

3) privacy preference for 29 profile itemsstage A. disclosure preference (Y/N)stage B. preferred sharing audience (Only Me/ Friends/ Friends of Friends/ Everyone)stage C. ( 선택하지 않은 ) 대안 선택지 상황에 대한 태도 ( 슬라이드 바 0-100)

3) privacy preference for 29 profile items ex. Gender

Results

privacy preference for 29 profile items• stage A. disclosure preference (Y/N)

- 과반수의 프로필 항목에 관해 , 약 2/3 정도가 공유하겠다는 의사를 밝힘 .- 민감한 프로필 항목 (phone numbers, email and street address) : 약 1/4 (??)- photos posted > photos tagged in, 둘다 2/3 이상

Results

privacy preference for 29 profile items• stage A. disclosure preference (Y/N)

- 과반수의 프로필 항목에 관해 , 약 2/3 정도가 공유하겠다는 의사를 밝힘 .- 민감한 프로필 항목 (phone numbers, email and street address) : 약 1/4 (??)- ‘photos posted’ > ‘photos tagged in’, 둘다 2/3 이상

내 사진 , 좋아하는 것 에 관대함 .

email 주소에 보수적 .

Results

privacy preference for 29 profile items• stage B. preferred sharing audience (Only Me/ Friends/ Friends of Friends/ Everyone)

- 많은 참가자들이 프로필 아이템들을 friends 와 만 공유하고 싶어함 .- 민감한 항목으로 갈 수록 , friends 의 비율이 높아짐 .- 민감한 항목들에 있어서 , friends 보다 관대한 설정의 비율이 더 높은 것은 religion, political preference 뿐임 .- gender, personal preference, posted photos 와 같이 덜 민감한 항목에서는 다양한 공유 범위가 나타남 .

yes 다양함 .

friends 과반 .

Results

privacy preference for 29 profile items• stage C. ( 선택하지 않은 ) 대안 선택지 상황에 대한 태도 ( 슬라이드 바 0-100)

- 선택지 보다 more restrictive, more permissive 옵션으로 나누어 , 관대함 태도 점수 평균 (0: very undesirable, 100: would not care)ex. friends 선택시 , more restrictive: only me / more permissive: f to f, everyone

- 대체로 more restrictive -> desirable / more permissive -> undesirable

• 서베이 샘플을 랜덤하게 training set 과 test set 으로 나누어 , training set 으로부터 네가지 Policy 를 도출 .

• Optimal (Liu and Terzi, 2010)프로필 항목에의 태도 수치 ( 선택항목 :100, 대안 항목 :0-100) 총합이 max 인 공개 범위 (D) 설정 .

• Mode 과반수가 선택한 공개 범위 설정 .• Restrictive highly restirctive, only ‘Only me’• Facebook 실제 페이스북 디폴트 설정

Comparing Policies

• 서베이 샘플을 랜덤하게 training set 과 test set 으로 나누어 , training set 으로부터 네가지 Policy 를 도출 .

• Optimal (Liu and Terzi, 2010)프로필 항목에의 태도 수치 ( 선택항목 :100, 대안 항목 :0-100) 총합이 max 인 공개 범위 (D) 설정 .

if, P = gender, n=175(yes)D = only me, op = Xd1(100) + Xd2(76) + Xd3(44) + … + Xd175(100) = 10000

D = friends, op = 11000D = friends of friends, op = 16300

D = everyone, op = 9000 Ogender = friends

Comparing Policies

• 서베이 샘플을 랜덤하게 training set 과 test set 으로 나누어 , training set 으로부터 네가지 Policy 를 도출 .

• Optimal 프로필 항목에의 태도 수치 ( 선택항목 :100, 대안 항목 :0-100) 총합이 max 인 공개 범위 (D) 설정 .

• Mode 과반수가 선택한 공개범위 설정 .• Restrictive highly restirctive, only ‘Only me’• Facebook 실제 페이스북 디폴트 설정

Comparing Policies

Calculating Policy Fit• ‘fit score’ 를 통해 testing set 과 얼마나 잘 fit 되는지를 계산함 . ( 종속변인 )• 가령 , P01

Gender 에서 Friends of Friends 에게 공유한다 응답하고 ,대안에 대한 desirable 태도를 Only Me(90), Friends(75), Everyone(10) 부여한 경우

• 각 , 프라이버시 모델의 fit score 은

90 인 Restrictive 가 가장 fit 한 것 . > Gender 에 대해서 Restrictive 가 best fit

10 10 75 90

Calculating Policy Fit• 가설 : 각 모델의 median fit score 가 유의미하게 다를 것이다 .• Friedman’s test 로 검증 .

• 가설 : 각 모델의 median fit score 가 유의미하게 다를 것이다 .• Friedman’s test 로 검증 .

• 그 결과 , 각 모델의 fit score 의 중앙값은 Optimal(Md=99.39), Mode(Md=89.75), Restrictive(Md=96.08), Facebook(Md=73.43)

• x^2(3, n=51)=56.98, p = 0.001, W=0.558: H0 기각 .

Results

• 두 그룹간 차이를 알아보기 위해 Wilcoxon tests with a Bonferroni adjustment(p=0.008) 으로 six post-hoc pairwise comparisons 사후 검증 .

• Optimal 의 fit scores 의 중앙값은 다른 세가지에 비하여 유의미하게 크다 .• Mode 와 Restrictive 의 fit scores 중앙값은 유의미하게 다르지 않다 . • Mode 와 Restrictive 의 fit scores 중앙값은 Facebook 에 비하여 유의미하게 크다 .

Results

• 두 그룹간 차이를 알아보기 위해 Wilcoxon tests with a Bonferroni adjustment(p=0.008) 으로 six post-hoc pairwise comparisons 사후 검증 .

• Policy 들 간의 fit scores 은 유의미하게 다르다 .• Optimal Policy 가 가장 fit 하며 , Facebook Policy 가 the lowest fit.• 재미있는 점은 Mode 와 Restrictive 는 매우 다른 policy 임에도 ,

fit scores 은 유의미하게 다르지 않았음 . ( 각각 다르지 않은 정도로 fit 하다는 것 .)

Results

Limitations• 사용자가 공유의도를 선택하는 설문이 social interaction 의 이점이 결여된 상황이었음 .• 사람들이 원하는 설정으로 조정하는 데에 드는 비용 , 노력을 고려하지 않았음 .• ordering effects 의 오염변인 있을 수 있음 . (profile items 의 순서에 따라 .)

Discussion• 사용자가 선호하는 프라이버시 policy 를 알아 보았을 뿐만 아니라 ,• 대안 선택지에 대한 태도도 수집하여 , 사용자의 만족도가 가장 높은 policy 를 산출해 내고자 하였음 .• Facebook 이 낮은 fit 으로 나옴 . > 사용자의 설정과 Facebook 디폴트 설정이 다름 .• Restrictive 가 꽤 높은 fit 으로 나옴 . > 사람들은 서베이에서 생각보다 일관적인 보수적 응답을 보임 .• 실제 사용자의 설정과 비교한다면 , optimal 이 지금보다 적은 fit, facebook 이 높은 fit 으로 나올 것 .

가져갈 점• 아이디어 & 방법• 설문 데이터 아껴쓰기

_ 사용자 인식 도출 > Optimal 모델 > fit 검증

Limitations & Discussion

앞으로

공유… ?

• 건강 데이터의 공유… ? 어떤 데이터에 민감할까 ?• ‘ 사회적 건강관리 -> 소셜 네트워킹’ 에 대한 실제 사람들의 생각은 ?• 문화적 차이 ? -> 우리나라 사람들의 생각 ?

Artificial Psychology

구성그 중 이모셔널

분야 소개

감사합니다 .