12、SensorSafe：个人感官信息隐私保护管理框架

SensorSafe：个人感官信息隐私保护管理框架

1. 引言

随着智能手机和可穿戴传感器的广泛使用，持续且不引人注意地收集个人数据成为可能。当前的智能手机通常配备了GPS、WiFi和加速度计，可提供位置和活动信息；可穿戴传感器如BioHarness BT包含心电图、呼吸和皮肤温度传感器。通过对收集的数据应用机器学习算法，可以做出各种推断，例如从心电图和呼吸数据中检测压力和吸烟行为，利用GPS和加速度计确定当前的交通方式，结合位置数据和公共污染物地图测量个人对污染物的暴露情况。

这些传感器数据的收集和推断在医疗行为研究、个人医疗保健和位置共享社交应用等领域有诸多实用价值。然而，这些应用涉及个人敏感信息的共享，引发了对个人隐私的重大担忧。在行为研究中，参与者将数据分享给研究人员或医生；位置共享应用涉及朋友或家人；个人医疗保健应用有提供健康建议的教练；医疗家庭护理系统可能涉及患者的医生和保险公司。虽然用户希望分享一些个人信息以从某些服务中受益，但他们不想分享让自己不舒服的信息。

此外，不同类型的信息和抽象级别会导致用户不同程度的隐私担忧。例如，对话、通勤和压力等信息比锻炼和地点更易引发担忧，数据包含的具体信息（如地点、持续时间和时间戳）越多，隐私担忧也会增加。这就需要一个隐私保护的数据共享框架。传统隐私研究主要关注防止已发布个人数据的去匿名化，而共享感官信息需要保护个人的行为，这是一个新的挑战。

2. 相关工作

过去发生了多起隐私泄露事件，促使了隐私保护研究的开展。传统上，为防止个人数据去匿名化，提出了如k - 匿名性、l - 多样性和t - 接近性等隐私指标，并设计了相应机制。但这些方法不能直接应用于感官信息，原因有二：一是传感器数据既敏