AI交互決定了隱私的感知、使用和開放

摘 要： 在智能化的生活環境中，用戶經常感到個人行為數據被泄露，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設備采集個人信息并進行數據交互的主觀感知。在這項研究中，重點提出了數據發生交互讓用戶感知到隱私暴露的影響程度。實驗闡明了發生效應的原因：第一，更多數據交互（與隱私數據相關或無關）會導致擔心和焦慮加劇，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，更多的數據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，可以減少數據交互帶來的負面作用感知。研究結果為消費者、設備廠商和AI行業進行智能服務的創新提供了借鑒和參考。

關鍵詞： 人工智能；數據交互；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新，它在讓人們享受到更便捷生活的同時，也產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30萬名用戶數據被泄露，某國際傳統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數據和隱私泄露事件，卻時不時刺痛用戶的神經。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”。

人工智能發揮效用往往需要大數據作為支撐，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，大數據無處不在。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可以智能調控溫度、播放音樂、說笑話、播放新聞、刪除敏感信息等。而數據庫還可以推算出一些個人信息，比如電商平臺會根據用戶的搜索記錄、瀏覽記錄、店鋪收藏等來推薦相關商品的廣告。在電商領域，淘寶、京東等購物網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限，繼而獲取用戶信息。人們總是關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據。攻擊者還可以通過網絡設備控制智能家電的溫度，或者更改家庭中設置的智能安防，從而造成人身安全的威脅和家庭財產的損失。基于心理感知者的角度，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系，誘發這兩個基本動機可以增強個體心智感知的程度。

大多數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，設備之間的數據交互更多和更頻繁，受到擔憂和焦慮的驅使，用戶會感到隱私暴露越多。

1 理論分析和研究假設

隨著云計算、物聯網、傳感網等蓬勃發展，數據流通的領域也越來越廣泛，最為重要的內容包括個人數據權和數據財產權，加強個人信息保護在大數據時代顯得尤為迫切。無論是家庭私人信息，還是家居交互信息，都是智能家居設備采集、交互、連通的數據來源，也是用戶擔心和焦慮的核心要素。

1.1 數據交互和隱私感知

如果沒有海量數據，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、偏好并通過運算發出指令，在多數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、睡眠質量、性生活頻率等信息都會被生命健康芯片監測。情緒、多巴胺、腎上腺激素等反應，以及縷縷女友頭發、親密擁抱引發的體征與情緒的變化，也都會被生命健康芯片記錄和監控。人工智能在經濟新領域的應用，例如人工智能驅動的營銷和自動駕駛汽車，正在推動越來越多的數據收集，而這些誘人的數據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據收集，還來自深層神經網絡模型，大約52％的數據泄露涉及黑客攻擊。

人工智能具備與現實世界進行物理性數據交互的能力，進而可能給人們造成嚴重的人身和財產損害。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，從而實現高度智能的交互功能，用戶需要對其完成初始“隱私設置”，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、零售數據、金融行為、醫療健康、園區管理等敏感數據進行訓練和推斷的AI場景模型涉及更多的隱私。因此，提出如下假設：

H1：智能設備之間的數據交互越多，用戶就越覺得隱私受到暴露或侵犯。

一般情況下，需要數據的一方希望最大限度開放數據，而提供數據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避。移動通信和傳感設備等位置感知技術推動了位置大數據的發展，由于內容交叉冗余，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典定義常常讓人聯想到情緒和行為，比如“焦慮情緒”“發泄情緒”“潛水行為”“回避行為”。雖然這些先前的研究結果并沒有具體說明因果關系，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：

H2：基本效應（H1）是由擔心和焦慮的增加驅動的。

事實上，數據交互經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的原因，比如那些與空間有關的（例如智能掃地機清掃房間，智能洗碗機清潔碗筷）或與資源無關的原因（例如智能門鈴的數據交互也關注用戶的來訪數據）。因此，通過增加擔心和焦慮，我們預測感知到的數據交互應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

感知數據交互增多，將會影響用戶使用或開放他們隱私的方式，他們傾向于在后續數據交互上，增加隱私保護或減少隱私開放，包括生活數據、社交數據、健身數據等。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軟件的數據交互增加了用戶對隱私暴露的擔心，更多的數據交互會觸發自身更多的敏感信息。基于這些發現，我們假定數據采集和數據交互都會涉及用戶隱私，隱私暴露風險的感知應該會減少用戶開放隱私的意愿。因此，提出如下假設：

H3a：更大量的數據交互會讓用戶更不愿意開放隱私（空間或數據）。

隱私暴露風險中不太明顯的是，為什么感到數據交互更多？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據交互也會增加擔心和焦慮。因此，我們預測感知更復雜的數據交互（與隱私風險相關或者無關）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，卻發現他們往往毫不介意交出個人信息以換取類似小優惠小打折、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、更多的功能、訪問空間等聯合起來看，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，察覺到更復雜的數據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：

H3b：感知更復雜的數據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據交互時，他們應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據交互，既與隱私相關，又與隱私無關，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動這一效應的潛在過程，并測試這種機制是否適用于各種智能設備和不同類型的數據交互（實驗二）。接下來，我們選擇考察數據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據交互帶來的負面影響，并調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：數據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據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備：一半人列出了兩個智能設備會暴露他們的數據隱私，而另一半人列出了兩個沒有具體關系的智能設備。我們的預測是涉及隱私暴露的智能設備與對照組相比，會使用戶感到更多的隱私緊張（H1）。在一個實驗中，測試者考慮兩個數據交互涉及他們的隱私數據，在另一個實驗中，測試者考慮兩個彼此交互的隱私數據。與控制組相比，找到那些在非隱私數據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、數據交互、一般交互、對照控制。

首先，我們操縱了對數據交互的感知。測試者列出經常使用哪些他們愿意使用的智能設備，并被要求列入他們的其中兩個設備，具體說明列出的設備。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據交互的設備，他們會采集你的隱私數據。”在對照控制的條件下，測試者簡單地列出其中的兩個設備。此外，在數據交互的分組中，測試者閱讀：“請列出你的兩個設備，你覺得設備之間會進行數據交互，因為它們都采集你的信息數據。”在一般交互條件下，測試者被要求列出數據交互的設備，并沒有收到具體指示：“請列出你的兩個設備是彼此有數據傳輸的。”

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，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），這些指標結合起來形成隱私感知指數（α=0.77）。

然后，作為操縱檢驗，我們測量了數據交互感知。測試者問：“你覺得你的兩個設備之間有多少數據交互？”（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據交互感知。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據交互，隱私交互組（M=5.46；F（1，123）=106.06，p<0.001），數據交互組（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，數據交互越多，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），而數據交互組次之（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）。主觀隱私感知在數據交互條件下沒有顯著差異（p’s>0.13）。

2.1.3 討論

實驗一的結果支持我們的第一個假設H1。測試者被引導到意識到數據交互越多，隱私感就越緊張。此外，這種效應出現在與隱私要求有關或無關的數據交互中。數據交互對主觀隱私感知的影響適應于各種數據交互和數據交互類型，重要的是，多種類型的數據交互讓人們感到隱私有限。雖然這些數據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了如此與隱私無關的數據交互模式。然而，壓力和焦慮的增加卻可以解釋結果的全部模式（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）。在控制數據交互后，我們測量經歷過的壓力和焦慮，并檢查它們是否起到了調節作用。第二，在實驗一中，我們改變數據交互類型，數據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現的另一種解釋，我們檢驗了數據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，音樂和視頻的數據交互，引起數據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生。第三，實驗二以不同的方式（隱私型、數據型或非資源型）操縱對數據交互的感知，讓測試者回憶什么時間，他們經歷過和沒有經歷過的某種數據交互。用這種方法復制我們實驗一的過程，結果顯示不是由數據交互里面的客觀差異造成的。

2.2.1 設計與方法

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，數據，非資源）的測試環境中。

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

第二，我們操縱對數據交互的感知。在高度交互的情況下，當測試者感到前面提到的兩個設備進行數據交互時（“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備之間沒有數據交互時，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：“你現在感覺有多大壓力？”以及“你現在覺得有多么焦慮？”都是1分到5分的比例（1=非常少，5=很多），結果這些指標高度相關（r=0.82）。

第四，我們測量了主觀隱私感知。為了增加發現的普遍性，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據”“我有很多隱私領域可以進行數據交互”“隱私已經很少了”“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），并結合形成隱私感知指數（α=0.88）。

第五，作為操縱檢驗，我們測量了數據交互感知。測試者被問道：“你覺得你的兩個設備之間有多少數據發生交互？”（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）表現出更多的數據交互。相比之下，低數據交互的條件（M=3.17）下，當采集隱私數據的設備（M高=4.87 vs. M低=3.59；F（1，224）=40.01， p=0.001）和采集數據資源的設備（M高=4.46 vs. M低=3.07；F（1，224）=18.16，p<0.001），以及不搶奪數據資源的設備（M高=4.25 vs. M低=2.63；F（224）=14.87，p<0.001）三種情況發生時，測試者也會感知到更多的隱私交互（M=4.58）。

2.2.2 結果

隱私感知。2（數據交互）×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），與數據交互類型無交叉作用（F<1；圖3A）。總的來說，在描述了一個他們感到設備之間有數據發生交互的例子后（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）。在隱私數據（M高=4.37 vs. M低=4.01；F（1，224）=4.74， p=0.05，ηp2=0.023）、數據資源（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）。在隱私數據、數據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生95%的置信區間（Hayes 2009），分析顯示存在顯著間接效應（ab=-0.26；95%CI：-0.37～-0.16）。正如預測的那樣，數據發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、數據交互組和非資源交互組）感覺隱私風險更強烈。

2.2.3 討論

實驗二為預測數據交互影響隱私風險感知提供了進一步的證據。當被引導去感知數據交互時，測試者感到他們隱私空間更小（H2）。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據交互的情況時，都會出現交互越多，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據交互（隱私有關或隱私無關），觸發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：在數據交互和開放隱私后果之間做出選擇

首先，我們使用不同的數據交互操作。根據之前工作的范例（Luce， 1998），我們要求測試者選擇一款智能監控設備，設備相關屬性（房屋空間安全和造成的信息泄露）是否負相關，當測試者選擇屬性負相關時，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，這可以凸顯出數據交互和隱私感知之間是由壓力和焦慮驅使的。最后，我們研究了用戶感知到多方的數據交互，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控設備之后，測試者被告知他們使用這個監控設備需要對房屋內隱私進行掃描和監控，然后問他們愿意開放哪些空間進行監控。

2.3.1 設計與方法

56名來自省屬央企，省、地市和區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，二是智能設備超過2個。隨后，測試者被隨機分配到多數據與少數據的交互情境中。

第一，所有測試者都觀看了四組監控設備的一系列選項，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。在多數據交互的情況下，房屋監控安全選項方面評價高低和信息泄露差是一致的。在少數據交互的情況下，只有一個監控設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控設備需要先進行信息掃描和數據交互，他們必須開啟房屋空間進行數據采集和場景配置，這些監控設備才能很好地監控。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據交互？”（1=一點也不，7=非常存在）。

2.3.2 結果

隱私感知。主觀隱私感知的單因素方差分析結果為F（1，56）=4.71，p<0.05，ηp2=0.066。在選擇更多的數據交互（M=4.60）和較少的數據交互（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，體驗更多數據交互會增加壓力和焦慮（95%置信區間），測試者也會感到隱私風險更大。使用隱私的后果。在誘發更多數據交互的選項（M=1.24）和誘發更少數據交互的選項（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

實驗三演示了數據交互對用戶開放隱私空間的影響，經歷更多數據交互往往會減少測試者開放隱私空間（監控）。因此，除了影響人們如何看待他們的隱私，數據交互也會影響他們如何利用隱私。

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。如果強烈的數據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，操縱數據交互的感知后，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。我們預測當數據交互更多的時候，這種嗅覺刺激的任務可以減輕壓力，恢復測試者的隱私擔憂感。

2.4.1 設計與方法

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（數據交互：交互vs.控制）×2（感官刺激：嗅覺vs.控制）條件中。

第一，我們操縱了數據交互的感知。在數據交互條件下，測試者讀到“請列出兩個你覺得在家中可能發生數據交互的設備”，在控制條件下，測試者只需要列出兩個家居設備。第二，我們控制嗅覺感官刺激。在氣味嗅覺刺激的環境中，我們采用了氣味王國公司推出的數字氣味產品，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 結果

隱私感知。2（數據交互）×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備交互相比（M=4.25），考慮兩個設備會發生數據交互，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，數據交互條件下，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果跟隱私感知一致，測試者（數據交互組和對照組）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，間接效應顯著（ab=-0.41 ［-0.73，-0.13］），氣味嗅覺刺激現在調節了這個效果（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。當感知更多的數據交互時，鼓勵測試者通過氣味嗅覺刺激來緩解隱私焦慮。重要的是，當數據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，特別是當數據交互很嚴重時，這種刺激更是一種簡單有效的方法。

3 研究結論

四個實驗都集中在一個關鍵因素上：智能設備之間數據交互感知。研究發現，感知數據交互越多，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，當數據交互更多的時候，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，并減少數據交互對后續的影響。

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備之間的數據采集、數據交互與主觀隱私感知具有因果關系。第二，智能設備之間數據交互感知不僅涉及個人的隱私保護，也涉及人們如何看待、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據交互，無論是否與個人隱私有關，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，數據交互的風險會阻礙用戶全面和深入地使用智能設備，原因在于，更復雜的數據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，即智能設備之間的數據交互如何影響主觀隱私感知，這些發現提示我們后續如何進行智能設備的使用以及如何更好地開放數據和使用隱私。

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備和服務（不涉及個人信息輸入的廚房設備、沒有網絡交互的智能電風扇等），當他們認為這些設備出現更加復雜的數據交互的時候，他們愿意以資源互換來獲得這些設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據，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備充分使用。緊接著，當出現復雜的數據交互時，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絡連接設備（如智能直播設備或智能門窗），這會阻礙他們對新智能設備購買、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設備或產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備數據交互對公共安全行為的影響。事實上，輔助數據為這一觀點提供了初步支持。研究發現當感知到數據交互更復雜的時候，測試者往往不太愿意開放更多的房屋空間給各類智能設備（比如安全設備）去采集數據和交互數據。未來的工作可能會探索其他智能設備之間的數據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），這可能會減少設備數據交互的有害影響。

最后，未來的研究還可以檢驗設備數據的多樣性和多組合性，比如智能網絡套件。用戶不僅關注智能設備的數據交互，還關心不同網絡套件之間的數據采集和交互，當多個智能設備集體出現這種情況的時候，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. 數據權、數據主權的確立與大數據保護的基本原則［J］. 蘇州大學學報（哲學社會科學版）， 2015， 36（1）：64-70.

［12］ 史衛民. 大數據時代個人信息保護的現實困境與路徑選擇［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. 數據智能化規訓：可穿戴設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據治理變革［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.融入區塊鏈技術的醫療數據存儲機制［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. 數據共享與隱私保護：一種技術方案的哲學論證［J］. 自然辯證法研究，2018， 34（5）：111-116.