电子商务平台与卖家间的消费者隐私数据分享行为研究(英文)

由于电子商务平台与平台上卖家关于消费者隐私数据的分享行为对平台、卖家和消费者带来的影响是多面及复杂的,通过建立寡头垄断环境下的博弈模型,研究了在平台与卖家间存在消费者隐私数据分享行为时各方的均衡策略.均衡结果显示一旦进行消费者隐私数据的分享,平台能够收集到更多的消费者隐私数据.此外,当消费者隐私信息分享价值较高时,平台将会相应地提升交易佣金,同时卖家会降低产品价格.当消费者隐私信息分享价值较低且平台数据分享程度较高时,对消费者隐私数据的分享行为会损害平台的利益.而平台上的卖家及消费者始终可以从隐私数据分享行为中获益.最后,对模型进行扩展,进一步讨论了在信息不对称情形下,即平台不确定企业是否购买隐私数据时,平台的隐私数据分享行为对三方的影响.研究结果表明,平台和卖家均不一定能够从隐私数据分享中获益.卖家购买隐私数据的概率、隐私数据分享的价值和分享的程度这3个因素在其中起到了重要作用.平台若想通过隐私数据分享提高收益,只有通过提升企业购买隐私数据的可能性或提升隐私数据的分享价值来实现.     

如何保护教育数据隐私？

当前，教育信息化正处于高速发展时期，教育数据隐私风险不容忽视。为有效保护教育数据隐私，文章采用系统文献分析法，首先从研究时间、研究主题两个维度梳理了教育数据隐私保护研究的发展历程，随后揭示了智能校园、智能虚拟教学空间、教育大数据平台三大教育信息化应用场景中存在的教育数据隐私保护问题，最后针对这些问题提出教育数据隐私保护的技术支持方案。该方案提供隐私泄露行为监测、隐私保护分级分类两大功能，整合3种模型训练方式与9种隐私保护技术进行三级隐私保护，可实现不同教育应用场景下模型训练方式与隐私保护技术的个性化配置，从而全场景保护教育数据隐私，促进教育信息化安全、健康发展。     

区块链下智能合约隐私问题研究

隐私问题已成为阻碍区块链发展的难题。针对这一问题,文章厘清智能合约、攻击手段、隐私计算工作流程链等核心概念,并通过案例举证,对智能合约中隐私问题解决方案的优劣性进行分析和对比。文章发现用隐私证明能保护用户的身份隐私,安全多方计算能保护智能合约的数据隐私,可信计算环境能保证合约代码的私密性,但数据隐私安全防护仍需要社会各界的高度重视。     

欧美学生数据隐私保护立法与实践

学生数据是教育数据的重要组成部分,在支撑教育决策、改进课堂管理、推送个性化路径等方面得到了广泛应用。然而,实践中出现了很多侵害学生数据隐私的问题,造成了不良社会影响,急需政府从立法层面加强保护。在此领域,欧美发达国家已经有数十年的经验,法律和制度都较为健全。针对美国和欧盟学生数据隐私保护立法和实践情况的分析发现,欧美已经建立了相对全面的学生数据隐私保护法律体系,形成了较为完善的隐私保护框架原则,其强调行业自律、全民参与的经验值得借鉴。但是也暴露出一些问题,例如,法律仍旧滞后于实践的需要,数据所有权不明确、处理过程不规范,学生、监护人及其他相关方的数据隐私保护意识薄弱,隐私保护和开放教育数据、学习分析之间存在矛盾等。我国尚处于数据隐私保护的起步阶段,应在汲取欧美国家的经验与教训基础上,提高认识,切实增强全民的法律意识;加快立法,尽快建立完善相关法律制度;加强行业自律,规范市场行为;营造隐私保护的社会大环境,构建多方参与的治理体系。     

大数据时代下隐私保护危机之对策探析

在大数据时代,隐私保护的形势日益严峻。保护隐私安全不仅仅是大数据或者技术或者个人的单独行为,它是整个社会行为。当数据挖掘和应用技术有了新发展时,与之相适应的,数据信息中的用户隐私安全也应有新的探索。本文尝试性地从主体意识、隐私心态、数据意识、数据素养、数据利益、技术手段和法律等方面来探析解决路径,以期更智慧地迎接一个安全、高效、文明、发达的大数据时代。     

一种改进的基于差分隐私的k-means聚类算法

聚类分析是数据挖掘和机器学习的一个重要分支,应用范围广,但在聚类分析过程中大量敏感信息的泄露对用户构成威胁。因此,在聚类分析过程中实现隐私保护至关重要。传统基于差分隐私（DP）的k-means聚类算法由于存在盲目选择初始中心点、对异常点敏感度较高等问题,导致在保护数据隐私时,出现聚类可用性较低的情况。针对该问题提出一种改进的基于差分隐私保护的（IDP）k-means聚类算法以提高聚类可用性,并进行理论分析和对比实验。理论分析表明,该算法满足ε-差分隐私;仿真实验结果表明,在同一隐私预算下,k-means算法改进后在聚类可用性上优于其它差分隐私k-means聚类算法,在同一数据集与同一隐私参数下,改进k-means算法在数据可用性方面比传统算法提高了将近5个百分点。     

大数据学习分析的安全与隐私保护研究

随着大数据时代的来临,学习分析技术成为了教育信息化的新浪潮,其涉及的伦理道德问题尤其是学习分析过程中引发的一系列数据安全与隐私问题也成为了教育领域研究的热点。为应对隐私泄露、访问权限模糊、数据可信性受威胁等问题,文章以技术为视角,从数据收集、数据分析和数据解释等三方面构建了数据安全与隐私保护框架,并提出了相关的数据安全与隐私保护策略,以期提高利用学习分析技术进行大数据研究的成效,实现学习分析技术挖掘教育大数据潜在价值的预期目标,充分发挥大数据学习分析的研究价值。     

教育类App隐私保护评价指标构建和保护现状研究

技术的发展给学生的学习带来了无尽的便利,但也对学生的数据隐私保护提出了挑战。教育类App作为面向学生的信息化工具,其保护数据隐私的情况至关重要。为研究国内教育领域App保护学生隐私的现状,采用内容分析法从国内外相关法律法规和研究文献中提取评价指标,建立面向教育类App的隐私保护评价指标。然后,抽样选取30个教育领域的App,应用该指标进行评估。结果表明,国内教育领域App保护未成年学生隐私的力度尚可,但也存在一定问题。例如,儿童隐私保护政策制定情况差,隐私保护政策提示不明显,隐私保护政策内容表述模糊,对未成年人信息管理重视度不够,等等。最后,针对我国学生数据隐私保护现状和问题,从隐私保护政策设置、建立隐私保护机构、完善律法等多个角度提出相应对策。     

数据驱动教育数字化转型的信任机制——教育大数据全生命周期隐私增强模型的构建与典型应用场景分析

教育大数据正在成为驱动国家教育数字化转型战略行动的核心资源,带来了巨大的教育价值,但教育大数据的采集和分析产生了隐私侵害风险、信任危机等严峻问题,阻碍了数据的共享、开发和利用。如何增强教育大数据在开放共享、共建共用中的隐私保护和信任关系,成为制约数据驱动教育数字化转型的关键难题。对此,文章首先采用文献分析法,剖析了教育大数据隐私保护的研究现状与关键问题。随后,文章从应用场景角度设计了教育大数据全生命周期隐私增强框架,并基于此框架从技术实现角度构建了满足不同实体、不同阶段隐私需求的教育大数据全生命周期隐私增强模型及其应用流程。最后,文章介绍了该模型的典型应用场景,涉及学分与资质认证、教育协同与治理、可信评教、个性化学习服务等多个方面。文章的研究能够厘清教育大数据开放共享时的隐私保护关键问题和技术思路,可为实现教育数据要素化全生命周期的隐私保护、建立健全数据驱动教育数字化转型的信任机制提供参考。     

面向混合型数据集自适应聚类的差分隐私保护算法

差分隐私是能够提供严谨数学证明的隐私保护模型,针对传统差分隐私保护方法在混合型数据集中应用效果差、处理后破坏数据可用性等问题,提出一种面向混合型数据集自适应聚类的差分隐私保护算法.结合快速聚类及k-prototype聚类算法的特点,首先根据混合数据集的不同数据类型属性,采用不同的相异度计算方式实现对不同数据类型属性的距...     

大数据发展背景下网络安全与隐私保护研究

随着信息科技的发展,人们的生活方式发生了重大改变。在大数据发展背景下,网络安全与隐私保护成为人们日益关注的问题。论述了大数据发展背景下网络安全与隐私保护问题。     

大数据时代美国学生数据隐私保护立法与治理体系

教育大数据已成为推动各国教育系统变革的重要力量.针对教育大数据应用中出现的学生数据隐私侵犯问题,美国政府通过立法和政策引导,加上行业协会的自律性政策,基本构建起大数据时代的数据隐私保护法规体系.美国从成立专门隐私保护机构到规范运作程序等方面,形成了有效的数据隐私治理体系.     

敏感问题调查法在公安统计调查中的应用

在社会调查中经常会遇到各类敏感问题。在对敏感问题进行调查时,若采用直接调查的方式,由于涉及到个人或单位的隐私或者利益,被调查者往往拒绝回答或者在不得已回答的情况下提供虚假的答案,这样就破坏了数据的真实性,而且破坏程度的大小亦无法衡量。为了获得敏感问题的真实答案,也为了保护被调查者的隐私,给出了敏感问题调查法的三种具体模型:沃纳模型、西蒙斯模型、双无关问题模型,并对模型的实际应用过程提出一些建议。     

欧盟教育数据隐私保护立法与治理体系构建

数字技术的快速发展和新冠肺炎疫情的全球性蔓延,在世界教育领域掀起了教育数字化转型的浪潮。在此背景下,教育数据开放共享与隐私保护之间矛盾关系日益凸显,世界各国均面临着教育数据安全治理与隐私保护的现实需求。作为在公民隐私权和个人信息保护问题上具备立法传统地区,欧盟已经在欧洲经济区内建立起以《通用数据保护条例》为基础,数据伦理规约相协调,欧盟数据保护委员会、各成员国数据监管机构以及数据保护专员相配合的教育数据隐私保护立法与治理体系,为我国教育数据隐私保护立法的理论与实践可提供有益参考。     

幼儿的隐私该不该受到保护

"幼儿有没有隐私?隐私对幼儿意味着什么?对他(她)的健康成长会产生什么影响?家长们对这个问题众说纷纭,莫衷一是。"本期关注"就这一问题展开讨论,希望给大家一个科学的、明确的答案。"     

基于联盟链的学习数据存储系统研究

近年来,教育技术领域持续关注教育数据的相关应用,如学习分析、学习测量、自适应学习等。通常情况下,教育数据存储于各教育机构自己的数据库中,学习者跨平台进行学习活动时,产生的学习数据被分割,失去完整性;此外,教育数据的隐私安全问题逐渐受到重视。区块链技术在金融领域的发展,所产生的联盟链为解决教育数据的存储与隐私安全问题提供了解决思路。通过对公用链与联盟链进行比较分析,文章提出了基于联盟链的学习数据存储系统,以连接不同机构的数据库,并按时间顺序提供学习者完整的历史学习数据,在一定程度上保护了学习者的教育数据隐私安全。     

即时

正1美国:学生数据收集完全透明化美国教育部近日发布了一项新的学校和地区指导方案,关于如何让父母和学生更好地了解学校搜集了哪些学生数据,以及这些数据是如何使用的。在美国教育部隐私技术服务中心颁布的指导方案中,要求学校和地区主动告知是如何使用学生数据的。美国教育部隐私技术服务中心是教育利益相关者了解和学生数据相关的数据隐私、保密和安全措施的一站式来源。新的指导方案建议学校和区域为家长提供以下信息:搜集哪些学生信息?为什么要搜集这些信息?这些信息是如何保护的?会向第三方分享任何个     

人工智能时代学生数据隐私保护的动因与策略

人工智能时代的到来在为教育变革提供诸多机遇的同时,也对学生数据隐私保护产生了新的威胁。文章从学生数据隐私的理解和相关研究入手,对学生隐私保护的动因进行了分析,提出学生数据隐私面临着智能技术与数据分析僭越隐私边界、互联网平台垄断风险骤增、传统"知情同意"数据保护架构不再适应等困境。随后,文章总结欧美国家的应对策略,具体包括设计隐私权及限制识别技术嵌入教育智能设备开发、社会组织协同设置教育行业自律条例、学生隐私制度建构辅以机构设立等。最后,文章提出学生数据隐私保护措施。文章的研究结论对于理清人工智能背景下学生数据隐私保护的潜在风险,并为我国建立系统可操作的学生隐私保护规制提供思路。     

后疫情时代全球高校信息安全六大挑战 《2021年EDUCAUSE地平线报告——信息安全版》分析(上)

在信息技术与高等教育深度融合、创新变革的进程中,数据隐私和信息安全是基本保障,并成为高校信息化建设的重点.从2003年起,数据隐私和信息安全就长期占据EDUCAUSE年度高等教育十大I T问题榜单.2020年,受全球新型冠状病毒疫情的影响,高校教学、管理工作全面转向远程运行,高校所面临的数据隐私与信息安全威胁达到了历史...     

基于CDPSE国际认证标准的数据隐私保护微专业构建研究

数据隐私保护微专业是以隐私数据和信息安全融合为研究方向,是典型的复合型新兴专业．各种法律和监管要求的执行,政府部门、企事业单位对数据隐私保护人才的需求非常迫切．充分考虑数据隐私保护专业特性,对数据隐私保护微专业的构建模式进行了探讨．通过对数据隐私保护微专业人才培养模式的构建,学习内容以职业发展和职业技能为导向,走产教融合道路,与国际标准接轨,学生可以在相对较短的时间内掌握数据隐私保护的技能,考取CDPSE证书,增强学习者的就业竞争力．