您以步行方式展现自己：量化步数数据中的隐私风险
摘要：可穿戴设备在当今世界中变得非常流行。这些设备从用户那里收集大量的健康数据，如心率和步数数据，这些数据涉及隐私问题，但在学术界尚未得到必要的关注。在本文中，我们进行了第一次对步数数据引发的隐私风险进行系统研究。具体而言，我们提出了两种攻击方法，包括通过属性推断性别、年龄和教育程度，以及时间上的可追踪性。我们通过对真实数据集进行广泛评估来证明隐私攻击的严重性，并得出关键见解。我们相信我们的研究结果可以为未来建立可穿戴设备的隐私保护生态系统奠定基础。
作者：Bartlomiej Surma and Tahleen Rahman, Monique Breteler, Michael Backes and Yang Zhang
论文ID：2308.04933
分类：Computers and Society
分类简称：cs.CY
提交时间：2023-08-10