AI交互決定了隱私的感知、使用和開放

摘 要： 在智能化的生活環(huán)境中，用戶經(jīng)常感到個人行為數(shù)據(jù)被泄露，這是為什么呢？這項研究提供了一個新穎的答案：這是由于AI設(shè)備采集個人信息并進行數(shù)據(jù)交互的主觀感知。在這項研究中，重點提出了數(shù)據(jù)發(fā)生交互讓用戶感知到隱私暴露的影響程度。實驗闡明了發(fā)生效應(yīng)的原因：第一，更多數(shù)據(jù)交互（與隱私數(shù)據(jù)相關(guān)或無關(guān)）會導致?lián)暮徒箲]加劇，從而使用戶感到隱私暴露更多，由此帶來用戶的隱私使用行為。第二，更多的數(shù)據(jù)交互會降低用戶開放家庭隱私空間的意愿，并增加了獲得更多資源的意愿。第三，嗅覺氣味刺激干預措施，通過緩解擔心和焦慮，可以減少數(shù)據(jù)交互帶來的負面作用感知。研究結(jié)果為消費者、設(shè)備廠商和AI行業(yè)進行智能服務(wù)的創(chuàng)新提供了借鑒和參考。

關(guān)鍵詞： 人工智能；數(shù)據(jù)交互；心理情緒；隱私感知；嗅覺刺激

中圖分類號： F 713.5

文獻標志碼： A

AI Interaction Determines the Perception， Use and Openness of Privacy

Abstract： In an intelligent living environment， users often feel that personal behavior data is leaked. Why is this ？ This study provides a novel answer ： this is due to the subjective perception that AI devices collect personal information and perform data interaction. In this study， we focus on the extent to which data interaction allows users to perceive the impact of privacy exposure. The experiment clarifies the reasons for the effect ： first， more data interaction （ related to or unrelated to private data ） will lead to increased worry and anxiety， so that users feel more privacy exposure， resulting in users ′ privacy use behavior. Second， more data interaction will reduce users ′ willingness to open home privacy space and increase their willingness to obtain more resources. Third， olfactory odor stimulation interventions can reduce the perception of negative effects of data interaction by alleviating worry and anxiety. The research results provide reference for consumers， equipment manufacturers and AI industry to innovate service models.

Key words： intelligent equipment; data interaction; psychological emotion; privacy perception; olfactory stimulation

0 引言

人工智能（AI）是當今極具潛力的創(chuàng)新，它在讓人們享受到更便捷生活的同時，也產(chǎn)生了不可忽視的隱私安全問題。人工智能侵害隱私的后果非常嚴重，某智能家居品牌約30萬名用戶數(shù)據(jù)被泄露，某國際傳統(tǒng)家居品牌用戶資料被竊取……科技是為了讓人的生活更美好，但越來越多的用戶基礎(chǔ)數(shù)據(jù)和隱私泄露事件，卻時不時刺痛用戶的神經(jīng)。谷歌軟件工程師宣布，人工智能聊天機器人的交談使它已經(jīng)有了“感知能力”。埃隆·馬斯克警告說，超級智能機器可能會“接管世界”。

人工智能發(fā)揮效用往往需要大數(shù)據(jù)作為支撐，從人們衣食住行的選擇、購物支付的方式，到人們在家庭生活中的行為，大數(shù)據(jù)無處不在。2020年“超級碗”的黃金時段，亞馬遜為其智能語音助手“Alexa”推出一支廣告，Alexa可以智能調(diào)控溫度、播放音樂、說笑話、播放新聞、刪除敏感信息等。而數(shù)據(jù)庫還可以推算出一些個人信息，比如電商平臺會根據(jù)用戶的搜索記錄、瀏覽記錄、店鋪收藏等來推薦相關(guān)商品的廣告。在電商領(lǐng)域，淘寶、京東等購物網(wǎng)站利用算法對個體進行個性化商品推薦，以大幅促進銷量。當前，人工智能為了增強自身的經(jīng)濟效益會不停地搜集用戶信息，例如讓用戶注冊會員時輸入自己的手機號、生日、郵箱等信息，也有些軟件運營商會在用戶知情或不知情的情況下獲取手機權(quán)限，繼而獲取用戶信息。人們總是關(guān)注自己喜好的東西或接受讓自己愉悅的資訊，久而久之就將自己置于“信息繭房”之中。

人工智能的日常應(yīng)用越來越廣泛，它既能帶來生活的便利，又可能帶來安全的隱患，技術(shù)賦能“人臉識別”的初衷，并不是讓個人隱私“裸奔”。社交媒體用戶一方面希望通過信息分享實現(xiàn)心理認同，另一方面又擔心自己的隱私遭到泄露。大學生使用智能介質(zhì)越頻繁則越擔憂個人隱私暴露，也進一步證實了明顯的“隱私悖論”現(xiàn)象，即大學生一方面表示擔心自己的個人隱私被泄露，但又主動披露大量的隱私信息。各種人工智能應(yīng)用都在利用算法推送用戶感興趣的新聞、視頻、商品等，人們最終在不斷重復和自我演變中強化了隱私偏見和隱私限制。信息的過度采集是一種常見的隱私泄露途徑。這些安全隱患如果被攻擊者利用，將會侵犯用戶在終端和云端的隱私數(shù)據(jù)。攻擊者還可以通過網(wǎng)絡(luò)設(shè)備控制智能家電的溫度，或者更改家庭中設(shè)置的智能安防，從而造成人身安全的威脅和家庭財產(chǎn)的損失?；谛睦砀兄叩慕嵌?，兩個最基本的動機便是理解、預測和控制他人的行為，以及與他人建立社會聯(lián)系，誘發(fā)這兩個基本動機可以增強個體心智感知的程度。

大多數(shù)用戶覺得他們沒有充分的隱私安全。然而，盡管人們越來越對隱私暴露的后果感興趣，但是對主要影響人們主觀隱私感知的因素卻知之甚少。這就提出了三個重要的問題：（1）為什么人們覺得隱私如此珍貴？（2）用戶使用和評價他們隱私的行為可能會有什么結(jié)果？（3）如果有的話，我們能做些什么來減少這些負面影響呢？文章的四個實驗將會去證明，設(shè)備之間的數(shù)據(jù)交互更多和更頻繁，受到擔憂和焦慮的驅(qū)使，用戶會感到隱私暴露越多。

1 理論分析和研究假設(shè)

隨著云計算、物聯(lián)網(wǎng)、傳感網(wǎng)等蓬勃發(fā)展，數(shù)據(jù)流通的領(lǐng)域也越來越廣泛，最為重要的內(nèi)容包括個人數(shù)據(jù)權(quán)和數(shù)據(jù)財產(chǎn)權(quán)，加強個人信息保護在大數(shù)據(jù)時代顯得尤為迫切。無論是家庭私人信息，還是家居交互信息，都是智能家居設(shè)備采集、交互、連通的數(shù)據(jù)來源，也是用戶擔心和焦慮的核心要素。

1.1 數(shù)據(jù)交互和隱私感知

如果沒有海量數(shù)據(jù)，無論是家庭中的智能揚聲器還是個性化的書本推薦等，人工智能都不會取得驚人的成功。各種人工智能產(chǎn)品需要進入個人的私密空間甚至人體，才能收集或記錄個人的行為、軌跡、偏好并通過運算發(fā)出指令，在多數(shù)場景下人工智能天然與隱私密不可分。酗酒、心理壓力太大、長期食用高脂肪食物，或運動情況、睡眠質(zhì)量、性生活頻率等信息都會被生命健康芯片監(jiān)測。情緒、多巴胺、腎上腺激素等反應(yīng)，以及縷縷女友頭發(fā)、親密擁抱引發(fā)的體征與情緒的變化，也都會被生命健康芯片記錄和監(jiān)控。人工智能在經(jīng)濟新領(lǐng)域的應(yīng)用，例如人工智能驅(qū)動的營銷和自動駕駛汽車，正在推動越來越多的數(shù)據(jù)收集，而這些誘人的數(shù)據(jù)庫目標可能增加侵犯隱私的風險。AI帶來的隱私風險不僅來自大量個人數(shù)據(jù)收集，還來自深層神經(jīng)網(wǎng)絡(luò)模型，大約52％的數(shù)據(jù)泄露涉及黑客攻擊。

人工智能具備與現(xiàn)實世界進行物理性數(shù)據(jù)交互的能力，進而可能給人們造成嚴重的人身和財產(chǎn)損害。但與此相反，人工智能也可以幫助緩解許多此類隱私問題。為了使社交型機器人更了解用戶，從而實現(xiàn)高度智能的交互功能，用戶需要對其完成初始“隱私設(shè)置”，包括輸入生理信息、行為偏好、興趣偏好等各種隱私信息。隨著與社交型機器人交互的不斷深入，最為私密的心理屬性，以及用戶最私密的信息都會被采集和深度學習。那些依賴社交活動、零售數(shù)據(jù)、金融行為、醫(yī)療健康、園區(qū)管理等敏感數(shù)據(jù)進行訓練和推斷的AI場景模型涉及更多的隱私。因此，提出如下假設(shè)：

H1：智能設(shè)備之間的數(shù)據(jù)交互越多，用戶就越覺得隱私受到暴露或侵犯。

一般情況下，需要數(shù)據(jù)的一方希望最大限度開放數(shù)據(jù)，而提供數(shù)據(jù)的一方則擔心自己隱私泄露。當人們感到隱私存在暴露時，特別是健康信息暴露，他們通常會感到焦慮擔心，并采取一定的策略規(guī)避。移動通信和傳感設(shè)備等位置感知技術(shù)推動了位置大數(shù)據(jù)的發(fā)展，由于內(nèi)容交叉冗余，往往不能全面地保護用戶隱私，在信息論意義上也關(guān)系到保護用戶的敏感信息。事實上，隱私暴露或隱私泄露的經(jīng)典定義常常讓人聯(lián)想到情緒和行為，比如“焦慮情緒”“發(fā)泄情緒”“潛水行為”“回避行為”。雖然這些先前的研究結(jié)果并沒有具體說明因果關(guān)系，但它們確實表明擔心焦慮通常伴隨著隱私泄露。因此，提出如下假設(shè)：

H2：基本效應(yīng)（H1）是由擔心和焦慮的增加驅(qū)動的。

事實上，數(shù)據(jù)交互經(jīng)常是因為泄露或者暴露了用戶的隱私（可能是智能攝像頭，也可能是智能音箱），但也可能是與隱私無關(guān)的原因，比如那些與空間有關(guān)的（例如智能掃地機清掃房間，智能洗碗機清潔碗筷）或與資源無關(guān)的原因（例如智能門鈴的數(shù)據(jù)交互也關(guān)注用戶的來訪數(shù)據(jù)）。因此，通過增加擔心和焦慮，我們預測感知到的數(shù)據(jù)交互應(yīng)該讓人們感到隱私暴露風險（圖1）。

1.2 感知、使用和開放隱私的后果

感知數(shù)據(jù)交互增多，將會影響用戶使用或開放他們隱私的方式，他們傾向于在后續(xù)數(shù)據(jù)交互上，增加隱私保護或減少隱私開放，包括生活數(shù)據(jù)、社交數(shù)據(jù)、健身數(shù)據(jù)等。例如，隱私暴露或被侵害的壓力會減少人們使用智能音箱聽歌曲的時長。智能硬件和APP軟件的數(shù)據(jù)交互增加了用戶對隱私暴露的擔心，更多的數(shù)據(jù)交互會觸發(fā)自身更多的敏感信息?；谶@些發(fā)現(xiàn)，我們假定數(shù)據(jù)采集和數(shù)據(jù)交互都會涉及用戶隱私，隱私暴露風險的感知應(yīng)該會減少用戶開放隱私的意愿。因此，提出如下假設(shè)：

H3a：更大量的數(shù)據(jù)交互會讓用戶更不愿意開放隱私（空間或數(shù)據(jù)）。

隱私暴露風險中不太明顯的是，為什么感到數(shù)據(jù)交互更多？雖然不涉及隱私信息，也會有類似的感知效果。例如，智能掃地機的視頻采集和智能洗碗機的飲食偏好采集之間進行數(shù)據(jù)交互也會增加擔心和焦慮。因此，我們預測感知更復雜的數(shù)據(jù)交互（與隱私風險相關(guān)或者無關(guān)）同樣讓用戶覺得他們的隱私風險更大，更不愿意開放其隱私和空間。此外，人們往往聲稱自己高度重視自身隱私保護，但若考察他們在行為上的表現(xiàn)，卻發(fā)現(xiàn)他們往往毫不介意交出個人信息以換取類似小優(yōu)惠小打折、購物贈品、免費試用等小恩小惠。保護隱私花費的精力和資源的多少，是衡量他們對隱私重視程度的真正標準，而把隱私和資源、便利的服務(wù)、更多的功能、訪問空間等聯(lián)合起來看，往往會鼓勵用戶認同資源是可互換的。因此，正如我們所期望的那樣，察覺到更復雜的數(shù)據(jù)交互會導致用戶支付更多的資源來降低隱私風險。因此，提出如下假設(shè)：

H3b：感知更復雜的數(shù)據(jù)交互使得用戶更愿意交互更多的資源來降低隱私風險。

總之，當人們意識到更多和更復雜的數(shù)據(jù)交互時，他們應(yīng)該感到更多的隱私風險，不太愿意開放訪問空間，更愿意付出資源來降低隱私暴露風險。我們首先研究如何感知更多的數(shù)據(jù)交互，既與隱私相關(guān)，又與隱私無關(guān)，影響著用戶的主觀隱私感（實驗一）。然后，我們揭示了所提出的驅(qū)動這一效應(yīng)的潛在過程，并測試這種機制是否適用于各種智能設(shè)備和不同類型的數(shù)據(jù)交互（實驗二）。接下來，我們選擇考察數(shù)據(jù)交互對隱私暴露的影響，并闡明人們愿意開放多少訪問空間的后續(xù)后果（實驗三）。最后，我們確定了一種簡單的干預措施，可以幫助用戶減少數(shù)據(jù)交互帶來的負面影響，并調(diào)查人們愿意為降低隱私風險而交換多少的資源（實驗四）。

2 實驗研究

2.1 實驗一：數(shù)據(jù)交互讓人覺得隱私風險

在實驗一中，我們考察了感知更多數(shù)據(jù)交互是否會導致用戶感到隱私緊張。所有測試者都列出了他們目前正在使用的兩個智能設(shè)備：一半人列出了兩個智能設(shè)備會暴露他們的數(shù)據(jù)隱私，而另一半人列出了兩個沒有具體關(guān)系的智能設(shè)備。我們的預測是涉及隱私暴露的智能設(shè)備與對照組相比，會使用戶感到更多的隱私緊張（H1）。在一個實驗中，測試者考慮兩個數(shù)據(jù)交互涉及他們的隱私數(shù)據(jù)，在另一個實驗中，測試者考慮兩個彼此交互的隱私數(shù)據(jù)。與控制組相比，找到那些在非隱私數(shù)據(jù)交互條件下感到更多的隱私緊張的人，來支持我們的理論。

2.1.1 設(shè)計與方法

125名來自作者所在的西南兩所高等院校的學生 （平均年齡26.56歲，男性占62.8%）參與了這項研究。有兩個人沒有完成分析并被排除在外（N=123）。測試者隨機分組，分為四種情況：隱私交互、數(shù)據(jù)交互、一般交互、對照控制。

首先，我們操縱了對數(shù)據(jù)交互的感知。測試者列出經(jīng)常使用哪些他們愿意使用的智能設(shè)備，并被要求列入他們的其中兩個設(shè)備，具體說明列出的設(shè)備。在隱私交互的情況下，測試者讀道：“請列出兩個你認為彼此數(shù)據(jù)交互的設(shè)備，他們會采集你的隱私數(shù)據(jù)?！痹趯φ湛刂频臈l件下，測試者簡單地列出其中的兩個設(shè)備。此外，在數(shù)據(jù)交互的分組中，測試者閱讀：“請列出你的兩個設(shè)備，你覺得設(shè)備之間會進行數(shù)據(jù)交互，因為它們都采集你的信息數(shù)據(jù)?！痹谝话憬换l件下，測試者被要求列出數(shù)據(jù)交互的設(shè)備，并沒有收到具體指示：“請列出你的兩個設(shè)備是彼此有數(shù)據(jù)傳輸?shù)??！?/p>

其次，我們測量了主觀的隱私感知。測試者報告了他們的隱私是可擴展的、無限的、有限的，他們處在一個隱私緊張狀態(tài)，以及他們沒有足夠的隱私，得分在1分至5分之間（1=一點也不，5=非常多），這些指標結(jié)合起來形成隱私感知指數(shù)（α=0.77）。

然后，作為操縱檢驗，我們測量了數(shù)據(jù)交互感知。測試者問：“你覺得你的兩個設(shè)備之間有多少數(shù)據(jù)交互？”（1=交互量很小，7=交互量很大）。正如預期的那樣，與對照控制組相比，所有三種交互條件都提高了數(shù)據(jù)交互感知。與對照控制組相比（M=2.34），測試者感知到隱私層面更多的數(shù)據(jù)交互，隱私交互組（M=5.46；F（1，123）=106.06，p<0.001），數(shù)據(jù)交互組（M=5.32；F（1，123）=99.27，p<0.001）和一般交互組（M=5.28；F（1，123）=79.04，p<0.001）。

2.1.2 結(jié)果

正如預測的那樣，主觀隱私感知的單因素方差分析表明，數(shù)據(jù)交互越多，隱私緊張感越強（F（3，123）=4.29， p<0.05，ηp2=0.100；圖2）。相比對照控制條件下（M=3.97），測試者在列出兩個設(shè)備具有隱私交互后，會感覺隱私暴露更多（M=3.31；F（1，123）=4.68， p<0.05，ηp2=0.041），而數(shù)據(jù)交互組次之（M=3.15；F（1，123）=3.47， p<0.05，ηp2=0.052），一般交互更普遍（M=2.86；F（1，123）=9.83， p<0.001，ηp2=0.088）。主觀隱私感知在數(shù)據(jù)交互條件下沒有顯著差異（p’s>0.13）。

2.1.3 討論

實驗一的結(jié)果支持我們的第一個假設(shè)H1。測試者被引導到意識到數(shù)據(jù)交互越多，隱私感就越緊張。此外，這種效應(yīng)出現(xiàn)在與隱私要求有關(guān)或無關(guān)的數(shù)據(jù)交互中。數(shù)據(jù)交互對主觀隱私感知的影響適應(yīng)于各種數(shù)據(jù)交互和數(shù)據(jù)交互類型，重要的是，多種類型的數(shù)據(jù)交互讓人們感到隱私有限。雖然這些數(shù)據(jù)交互使人們覺得他們的隱私暴露更多，但這不能解釋為什么出現(xiàn)了如此與隱私無關(guān)的數(shù)據(jù)交互模式。然而，壓力和焦慮的增加卻可以解釋結(jié)果的全部模式（H2）。接下來，實驗二直接測試這一潛在的機制。

2.2 實驗二：擔心和焦慮的潛在作用

第一，它直接測試的底層要素是壓力和焦慮（H2）。在控制數(shù)據(jù)交互后，我們測量經(jīng)歷過的壓力和焦慮，并檢查它們是否起到了調(diào)節(jié)作用。第二，在實驗一中，我們改變數(shù)據(jù)交互類型，數(shù)據(jù)之間的交互對主觀隱私感知都帶來了壓力和焦慮的增加。實驗二提出了我們發(fā)現(xiàn)的另一種解釋，我們檢驗了數(shù)據(jù)交互的影響是否擴大那些根本不需要競爭資源的情況。例如，音樂和視頻的數(shù)據(jù)交互，引起數(shù)據(jù)交互不是因為它們爭奪隱私資源，而是因為一方會淡化另一方的發(fā)生。第三，實驗二以不同的方式（隱私型、數(shù)據(jù)型或非資源型）操縱對數(shù)據(jù)交互的感知，讓測試者回憶什么時間，他們經(jīng)歷過和沒有經(jīng)歷過的某種數(shù)據(jù)交互。用這種方法復制我們實驗一的過程，結(jié)果顯示不是由數(shù)據(jù)交互里面的客觀差異造成的。

2.2.1 設(shè)計與方法

236名來自西南兩所高等院校和省屬央企的測試對象（平均年齡為22.7歲，男性占57.3%）參與了這項研究。12個人沒有通過測試被排除在分析之外（N=224）。測試者被隨機分配到一個2（交互級別：高，低）×3（交互類型：隱私，數(shù)據(jù)，非資源）的測試環(huán)境中。

第一，我們操縱了數(shù)據(jù)交互類型。在隱私交互的情況下，設(shè)備是“智能攝像頭”和“智能冰箱”。在數(shù)據(jù)交互條件里面，設(shè)備是“智能音箱”和“掃地機”。在非資源交互條件下，設(shè)備是“智能電燈”和“智能門鈴”。

第二，我們操縱對數(shù)據(jù)交互的感知。在高度交互的情況下，當測試者感到前面提到的兩個設(shè)備進行數(shù)據(jù)交互時（“智能攝像頭”和“智能冰箱”，“智能音箱”和“掃地機”， “智能電燈”和“智能門鈴”）， 測試者描述其隱私情況。在低交互條件下，當他們覺得這兩個設(shè)備之間沒有數(shù)據(jù)交互時，測試者描述了其隱私情況。

第三，我們測量了壓力和焦慮的感覺。測試者報告：“你現(xiàn)在感覺有多大壓力？”以及“你現(xiàn)在覺得有多么焦慮？”都是1分到5分的比例（1=非常少，5=很多），結(jié)果這些指標高度相關(guān)（r=0.82）。

第四，我們測量了主觀隱私感知。為了增加發(fā)現(xiàn)的普遍性，我們使用了與實驗一中不同的問題。測試者暗示他們同意以下四種說法：“我有很多可用的隱私數(shù)據(jù)”“我有很多隱私領(lǐng)域可以進行數(shù)據(jù)交互”“隱私已經(jīng)很少了”“我隱私感很強”。所有項目都是以5分制進行測量（1=非常不同意，5=非常同意），并結(jié)合形成隱私感知指數(shù)（α=0.88）。

第五，作為操縱檢驗，我們測量了數(shù)據(jù)交互感知。測試者被問道：“你覺得你的兩個設(shè)備之間有多少數(shù)據(jù)發(fā)生交互？”（1=交互很小，5=很多交互）。正如預期的那樣，高交互組（相對于低組）表現(xiàn)出更多的數(shù)據(jù)交互。相比之下，低數(shù)據(jù)交互的條件（M=3.17）下，當采集隱私數(shù)據(jù)的設(shè)備（M高=4.87 vs. M低=3.59；F（1，224）=40.01， p=0.001）和采集數(shù)據(jù)資源的設(shè)備（M高=4.46 vs. M低=3.07；F（1，224）=18.16，p<0.001），以及不搶奪數(shù)據(jù)資源的設(shè)備（M高=4.25 vs. M低=2.63；F（224）=14.87，p<0.001）三種情況發(fā)生時，測試者也會感知到更多的隱私交互（M=4.58）。

2.2.2 結(jié)果

隱私感知。2（數(shù)據(jù)交互）×3（交互類型）主觀隱私感知方差分析僅揭示了交互水平的預期主要影響（F（1，224）=12.08，p<0.001，ηp2=0.043），與數(shù)據(jù)交互類型無交叉作用（F<1；圖3A）?？偟膩碚f，在描述了一個他們感到設(shè)備之間有數(shù)據(jù)發(fā)生交互的例子后（M=4.12），測試者覺得他們的隱私暴露更多了，而沒有交互的情況為（M=3.36）。在隱私數(shù)據(jù)（M高=4.37 vs. M低=4.01；F（1，224）=4.74， p=0.05，ηp2=0.023）、數(shù)據(jù)資源（M高=4.16 vs. M低=3.78；F（1，224）=4.33，p<0.05，ηp2=0.021）以及非資源競爭（M高=4.09 vs. M低=3.61；F（1，224）=4.05，p<0.05，ηp2=0.018）的采集情況下，H2得到了驗證。

壓力和焦慮。2（感知交互）×3（交互類型）的壓力和焦慮方差分析，顯示了跟主觀隱私感知相同的情況（F<1；圖3B）。在隱私數(shù)據(jù)、數(shù)據(jù)資源以及非資源競爭的采集情況下，感到差異壓力和焦慮的假設(shè)得到了驗證。中介。我們使用了偏差校正，壓力和焦慮的間接影響產(chǎn)生95%的置信區(qū)間（Hayes 2009），分析顯示存在顯著間接效應(yīng)（ab=-0.26；95%CI：-0.37～-0.16）。正如預測的那樣，數(shù)據(jù)發(fā)生交互會讓他們增加壓力和焦慮，隨后也會讓測試者（隱私交互組、數(shù)據(jù)交互組和非資源交互組）感覺隱私風險更強烈。

2.2.3 討論

實驗二為預測數(shù)據(jù)交互影響隱私風險感知提供了進一步的證據(jù)。當被引導去感知數(shù)據(jù)交互時，測試者感到他們隱私空間更?。℉2）。而我們在操作采集隱私信息、采集共享信息以及采集一般信息的數(shù)據(jù)交互的情況時，都會出現(xiàn)交互越多，隱私憂慮就越多。這個實驗也為壓力和焦慮的潛在作用提供了直接的支持，即感知到更多不同的數(shù)據(jù)交互（隱私有關(guān)或隱私無關(guān)），觸發(fā)了他們的壓力和焦慮，雖然沒有更高的隱私需求或者共享需求，還是增加了測試者的主觀隱私感知（H2）。

2.3 實驗三：在數(shù)據(jù)交互和開放隱私后果之間做出選擇

首先，我們使用不同的數(shù)據(jù)交互操作。根據(jù)之前工作的范例（Luce， 1998），我們要求測試者選擇一款智能監(jiān)控設(shè)備，設(shè)備相關(guān)屬性（房屋空間安全和造成的信息泄露）是否負相關(guān)，當測試者選擇屬性負相關(guān)時，我們預計他們會覺得隱私緊張。其次，我們測試在主觀隱私感知上是否具有中介作用，并測量了隱私安全程度，這可以凸顯出數(shù)據(jù)交互和隱私感知之間是由壓力和焦慮驅(qū)使的。最后，我們研究了用戶感知到多方的數(shù)據(jù)交互，是否會使得他們更不愿意透露隱私信息（H3a）。在選擇了一款智能監(jiān)控設(shè)備之后，測試者被告知他們使用這個監(jiān)控設(shè)備需要對房屋內(nèi)隱私進行掃描和監(jiān)控，然后問他們愿意開放哪些空間進行監(jiān)控。

2.3.1 設(shè)計與方法

56名來自省屬央企，省、地市和區(qū)縣三級公司的員工以及合約家居客戶（平均年齡為30.8歲，男性占49.6%）參與了這項研究，由于智能家居客戶存在重疊，所以對實驗對象進行了二次篩選，一是滿足家庭寬帶合約，二是智能設(shè)備超過2個。隨后，測試者被隨機分配到多數(shù)據(jù)與少數(shù)據(jù)的交互情境中。

第一，所有測試者都觀看了四組監(jiān)控設(shè)備的一系列選項，涉及價格、使用要求、款式和帶來的安全，并被要求在這些屬性之間進行選擇。在多數(shù)據(jù)交互的情況下，房屋監(jiān)控安全選項方面評價高低和信息泄露差是一致的。在少數(shù)據(jù)交互的情況下，只有一個監(jiān)控設(shè)備在房屋安全和信息泄露兩個方面有好的評價。第二，測試者報告他們當前的壓力和焦慮（r=0.71）和主觀隱私感知（α=0.67）。第三，測試者讀到他們選擇的監(jiān)控設(shè)備需要先進行信息掃描和數(shù)據(jù)交互，他們必須開啟房屋空間進行數(shù)據(jù)采集和場景配置，這些監(jiān)控設(shè)備才能很好地監(jiān)控。他們被問到愿意開放或者付出多少資源進行互換，以獲得家居設(shè)備更好的使用（Kolmogorov-Smirnov Test=0.29，p<0.001）。第四，測試者報告他們同意的程度（1=完全不同意，5=完全同意）。例如：“我經(jīng)常愿意共享自己的資料或者信息給其他人”“我沒法共享任何資料給其他人（逆得分）”和“我已經(jīng)能夠把喜歡的游戲共享給別人了”（α=0.79）。測量題項來自資源測量量表。第五，作為操作檢查，測試者被問到：“在多大程度上，這個選擇使你覺得存在數(shù)據(jù)交互？”（1=一點也不，7=非常存在）。

2.3.2 結(jié)果

隱私感知。主觀隱私感知的單因素方差分析結(jié)果為F（1，56）=4.71，p<0.05，ηp2=0.066。在選擇更多的數(shù)據(jù)交互（M=4.60）和較少的數(shù)據(jù)交互（M=3.72）的選項后，測試者覺得他們的隱私暴露更多了。壓力和焦慮。壓力和焦慮的單因素方差分析結(jié)果跟隱私感知一致，測試者同樣感到更多的壓力和焦慮。中介。與實驗二一樣，使用偏差校正測試，體驗更多數(shù)據(jù)交互會增加壓力和焦慮（95%置信區(qū)間），測試者也會感到隱私風險更大。使用隱私的后果。在誘發(fā)更多數(shù)據(jù)交互的選項（M=1.24）和誘發(fā)更少數(shù)據(jù)交互的選項（M=1.35）之間做出選擇后，測試者愿意開放更多的隱私空間。

2.3.3 討論

實驗三演示了數(shù)據(jù)交互對用戶開放隱私空間的影響，經(jīng)歷更多數(shù)據(jù)交互往往會減少測試者開放隱私空間（監(jiān)控）。因此，除了影響人們?nèi)绾慰创麄兊碾[私，數(shù)據(jù)交互也會影響他們?nèi)绾卫秒[私。

2.4 實驗四：嗅覺刺激底層操作

實驗四進一步通過直接操作這些感覺探討壓力和焦慮的潛在作用。如果強烈的數(shù)據(jù)交互讓人們增加壓力和焦慮，并感覺隱私緊張，那么該如何操縱壓力和焦慮來減弱這種效果？之前的研究表明，一種方法是味覺和嗅覺刺激，大腦通過視覺、聽覺、嗅覺等感官通道接收來自外界的信息，嗅覺刺激對緩解壓力和焦慮具有很好的作用。氣味和情緒、記憶有著直接的聯(lián)系，接觸各種不同類別的氣味，有助于個體在壓力情境下情緒恢復和改善。由此，操縱數(shù)據(jù)交互的感知后，我們要求一半的測試者在開始前進行嗅覺刺激，然后再測量他們的隱私狀況感知。我們預測當數(shù)據(jù)交互更多的時候，這種嗅覺刺激的任務(wù)可以減輕壓力，恢復測試者的隱私擔憂感。

2.4.1 設(shè)計與方法

在西南四所高等院校招募了110人參與這項研究（老師和學生的平均年齡為25.1歲，男性占49.6%）。測試者被隨機分配到2（數(shù)據(jù)交互：交互vs.控制）×2（感官刺激：嗅覺vs.控制）條件中。

第一，我們操縱了數(shù)據(jù)交互的感知。在數(shù)據(jù)交互條件下，測試者讀到“請列出兩個你覺得在家中可能發(fā)生數(shù)據(jù)交互的設(shè)備”，在控制條件下，測試者只需要列出兩個家居設(shè)備。第二，我們控制嗅覺感官刺激。在氣味嗅覺刺激的環(huán)境中，我們采用了氣味王國公司推出的數(shù)字氣味產(chǎn)品，以此來模擬各類緩解和舒緩氣體，包括自然、食物、特殊和日用等四類。在對照條件下，測試者吃了幾種不同類的食物，包括香蕉、蘋果、草莓、菠蘿和芒果，并完成了數(shù)字氣體的刺激和舒緩。我們預計，嗅覺刺激可以通過壓力和焦慮來減少主觀隱私感知的憂慮。第三，使用與實驗二和實驗三相同的測量方法，測試者報告他們的壓力和焦慮感（r=0.81），其次是主觀隱私感知（α=0.82）。

2.4.2 結(jié)果

隱私感知。2（數(shù)據(jù)交互）×2（感官刺激）ANOVA分析，顯示預測的相互作用（F（1，110）=4.83，p<0.05，ηp2=0.044；圖4A）。在控制嗅覺刺激的條件下，實驗驗證了與簡單列出兩個設(shè)備交互相比（M=4.25），考慮兩個設(shè)備會發(fā)生數(shù)據(jù)交互，測試者會感覺到更多的隱私風險（M=3.38；F（1，110）=4.18，p<0.05，ηp2=0.47）。同時，感官嗅覺刺激減弱了這種效果。此外，數(shù)據(jù)交互條件下，感官嗅覺刺激會顯著降低他們的主觀隱私感知（M刺激=4.19 vs. M控制=3.49；F（1，110）=4.05，p<0.05，ηp2=0.037），對照控制條件下沒有相應(yīng)的影響（M刺激=3.86 vs. M控制=4.19；F<1）。

壓力和焦慮。壓力和焦慮的單因素方差分析結(jié)果跟隱私感知一致，測試者（數(shù)據(jù)交互組和對照組）同樣感到更多的壓力和焦慮，而氣味刺激減弱了這種交互影響（M控制=2.95 vs. M交互=3.12；F<1；圖4B）。中介。與實驗二、三一樣，使用偏差校正測試，在對照條件下，間接效應(yīng)顯著（ab=-0.41 ［-0.73，-0.13］），氣味嗅覺刺激現(xiàn)在調(diào)節(jié)了這個效果（β=0.37 ［0.06，0.88］）。

2.4.3 討論

實驗四為壓力和焦慮的潛在作用提供了進一步的證據(jù)。當感知更多的數(shù)據(jù)交互時，鼓勵測試者通過氣味嗅覺刺激來緩解隱私焦慮。重要的是，當數(shù)據(jù)交互引起了壓力和焦慮時，感官氣味嗅覺刺激可以恢復人們的隱私焦慮感知，特別是當數(shù)據(jù)交互很嚴重時，這種刺激更是一種簡單有效的方法。

3 研究結(jié)論

四個實驗都集中在一個關(guān)鍵因素上：智能設(shè)備之間數(shù)據(jù)交互感知。研究發(fā)現(xiàn)，感知數(shù)據(jù)交互越多，會使用戶感到隱私暴露越多，這是擔心和焦慮增加造成的。本文為這一機制提供支持，當數(shù)據(jù)交互更多的時候，引入擔心和焦慮的緩解手段，會減少用戶對主觀隱私的感知，并減少數(shù)據(jù)交互對后續(xù)的影響。

3.1 理論貢獻

本研究主要有四個貢獻。第一，我們的研究證明了智能家居設(shè)備之間的數(shù)據(jù)采集、數(shù)據(jù)交互與主觀隱私感知具有因果關(guān)系。第二，智能設(shè)備之間數(shù)據(jù)交互感知不僅涉及個人的隱私保護，也涉及人們?nèi)绾慰创?、使用和開放他們的隱私。第三，感知到更多的或多種類型的數(shù)據(jù)交互，無論是否與個人隱私有關(guān)，都會增加擔心和焦慮，并讓人們覺得隱私有暴露的風險。第四，數(shù)據(jù)交互的風險會阻礙用戶全面和深入地使用智能設(shè)備，原因在于，更復雜的數(shù)據(jù)交互感知讓人們感覺隱私暴露的風險更大和急迫性更強。研究顯示了逆向因果路徑，即智能設(shè)備之間的數(shù)據(jù)交互如何影響主觀隱私感知，這些發(fā)現(xiàn)提示我們后續(xù)如何進行智能設(shè)備的使用以及如何更好地開放數(shù)據(jù)和使用隱私。

3.2 實踐貢獻

首先，用戶可能會高度評價隱私風險小的智能設(shè)備和服務(wù)（不涉及個人信息輸入的廚房設(shè)備、沒有網(wǎng)絡(luò)交互的智能電風扇等），當他們認為這些設(shè)備出現(xiàn)更加復雜的數(shù)據(jù)交互的時候，他們愿意以資源互換來獲得這些設(shè)備更深層次的使用和體驗。其次，有些情況用戶需要開放不同程度的隱私信息和數(shù)據(jù)，如智能音箱、智能健康儀、智能臺燈等，只有引入擔心和焦慮的緩解手段，去減輕用戶對主觀隱私的感知，才能促使用戶對智能設(shè)備充分使用。緊接著，當出現(xiàn)復雜的數(shù)據(jù)交互時，在私密的空間或者房間里面，用戶往往不太愿意去充分使用智能攝像頭或網(wǎng)絡(luò)連接設(shè)備（如智能直播設(shè)備或智能門窗），這會阻礙他們對新智能設(shè)備購買、使用和體驗的行為，只有利用好隱私干擾和緩解手段才能更好地實現(xiàn)設(shè)備或產(chǎn)品使用者的保留和挽留。另外，隱私風險對消費者健康也有害，如生活滿意度降低和較差的健康結(jié)果（例如睡眠困難、不健康的飲食和抑郁）。

為此，營銷人員可以鼓勵人們“聞一聞理想氣味”，或者給這種場景貼上標簽而促使焦慮變得不那么明顯（例如“智能攝像頭讓你的家變得更加安全”）。

3.3 未來研究展望

首先，未來的工作可以檢查設(shè)備數(shù)據(jù)交互對公共安全行為的影響。事實上，輔助數(shù)據(jù)為這一觀點提供了初步支持。研究發(fā)現(xiàn)當感知到數(shù)據(jù)交互更復雜的時候，測試者往往不太愿意開放更多的房屋空間給各類智能設(shè)備（比如安全設(shè)備）去采集數(shù)據(jù)和交互數(shù)據(jù)。未來的工作可能會探索其他智能設(shè)備之間的數(shù)據(jù)交互如何影響不同的隱私開放帶來的公共安全行為。其次，未來的工作需要探索不同用戶的情況。例如，有些人可能就會比其他人經(jīng)歷更多的擔心和焦慮。這一途徑可能有助于識別其他干預措施（例如增強自我效能），這可能會減少設(shè)備數(shù)據(jù)交互的有害影響。

最后，未來的研究還可以檢驗設(shè)備數(shù)據(jù)的多樣性和多組合性，比如智能網(wǎng)絡(luò)套件。用戶不僅關(guān)注智能設(shè)備的數(shù)據(jù)交互，還關(guān)心不同網(wǎng)絡(luò)套件之間的數(shù)據(jù)采集和交互，當多個智能設(shè)備集體出現(xiàn)這種情況的時候，隱私暴露和隱私空間的情況都是值得探索的問題。

參考文獻：

［1］ BRYNJOLFSSON E， LIU M， DOWLATABADI J. Do digital platforms reduce moral hazard？ the case of uber and taxis［J］. Management Science， 2023（12）：132-142.

［2］ CHEN S H， QIU H， ZHAO S F. When more is less： the other side of artificial intelligence recommendation［J］. Journal of Management Science and Engineering， 2021（15）：201-226.

［3］ 彭蘭.導致信息繭房的多重因素及“破繭”路徑［J］.新聞界，2020（1）：30-38，73.

［4］ HI HUANG S C， JENNIFER A. It’s the journey， not the destination： how metaphor drives growth after goal attainment［J］.Journal of Personality and Social Psychology， 2019， 117（4）： 697-720.

［5］ SPENCE M. Some thoughts on the washington consensus and subsequent global development experience［J］. Journal of Economic Perspectives， 2021， 35（3）：67-82.

［6］ 徐敬宏， 侯偉鵬， 程雪梅，等. 微信使用中的隱私關(guān)注、認知、擔憂與保護：基于全國六所高校大學生的實證研究［J］. 國際新聞界，2018，40（5）：160-176.

［7］ DUC T C， TRUNG N T. Health vs. privacy？ The risk-risk tradeoff in using COVID-19 contact-tracing apps［J］. Technology In Society，2021，67.

［8］ 江紅艷， 王海忠. 人工智能時代下的消費者權(quán)益保護［J］.人民論壇，2023，756（5）：66-69.

［9］ EPLEY N， WAYTZ A， CACIOPPO J T. On seeing human： a three-factor theory of anthropomorphism［J］. Psychological Review， 2007（114）： 864-886.

［10］ HASHIM J， BAKAR A A. The practice of corporate downsizing during economic downturn among selected companies in malaysia［J］. Asia Pacific Management Review， 2022，11（6）：101-118.

［11］ 齊愛民， 盤佳. 數(shù)據(jù)權(quán)、數(shù)據(jù)主權(quán)的確立與大數(shù)據(jù)保護的基本原則［J］. 蘇州大學學報（哲學社會科學版）， 2015， 36（1）：64-70.

［12］ 史衛(wèi)民. 大數(shù)據(jù)時代個人信息保護的現(xiàn)實困境與路徑選擇［J］. 情報雜志，2013（12）：155-159，154.

［13］ 謝堯雯. 基于數(shù)字信任維系的個人信息保護路徑［J］.浙江學刊，2021， 249（4）：72-84.

［14］ 許天穎. 數(shù)據(jù)智能化規(guī)訓：可穿戴設(shè)備的隱私風險與保護［J］.江西社會科學，2022，42（12）：162-170.

［15］ SMITH C， ULUS E. Who cares for academics？ We need to talk about emotional well-being including what we avoid and intellectualize through macro-discourses［J］. Organization，2019.

［16］ HAJIAN S， DOMINGO-FERRER J， FARRAS O. Generalization-based privacy preservation and discrimination prevention in data publishing and mining［J］. Data Mining and Knowledge Discovery， 2014，28（5/6）.

［17］ CORBET S， GURDGIEV C. What the hack： systematic risk contagion from cyber events［J］. International Review of Financial Analysis，2019，65（C）.

［18］ 田賢鵬. 隱私保護與開放共享：人工智能時代的教育數(shù)據(jù)治理變革［J］.電化教育研究，2020， 41（5）：33-38.

［19］ CHATZIMICHALI A， HARRISON R， CHRYSOSTOMOU D. Toward privacy-sensitive human–robot interaction： privacy terms and human–data interaction in the personal robot era［J］. Paladyn， Journal of Behavioral Robotics，2020，12（1）.

［20］ 王輝， 劉玉祥， 曹順湘，等.融入?yún)^(qū)塊鏈技術(shù)的醫(yī)療數(shù)據(jù)存儲機制［J］.計算機科學，2020， 47（4）：285-291.

［21］ PADMASHREE G S. Governing artificial intelligence in an age of inequality［J］. Global Policy，2021，12.

［22］ 楊慶峰. 數(shù)據(jù)共享與隱私保護：一種技術(shù)方案的哲學論證［J］. 自然辯證法研究，2018， 34（5）：111-116.