1 / 38

E-Privacy im E-Commerce: Privacy-Präferenzen vs. tatsächliches Verhalten

E-Privacy im E-Commerce: Privacy-Präferenzen vs. tatsächliches Verhalten. Bettina Berendt Humboldt-Universität zu Berlin, Institut für Wirtschaftsinformatik. Dieser Vortrag basiert primär auf

marci
Télécharger la présentation

E-Privacy im E-Commerce: Privacy-Präferenzen vs. tatsächliches Verhalten

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. E-Privacy im E-Commerce: Privacy-Präferenzen vs. tatsächliches Verhalten Bettina Berendt Humboldt-Universität zu Berlin, Institut für Wirtschaftsinformatik • Dieser Vortrag basiert primär auf • Spiekermann, S., Grossklags, J., & Berendt, B. (2001). E-privacy in 2nd generation E-Commerce: privacy preferences versus actual behavior. In Proceedings of the ACM Conference on Electronic Commerce (EC'01). Tampa, FL, 14-17 October 2001. • Berendt, B., Günther, O., & Spiekermann, S. (in press). Privacy in E-Commerce: Stated preferences vs. actual behavior. To appear in Communications of the ACM. – Habilitationsvortrag, HU Berlin, Wirtschaftswissenschaftliche Fakultät, 22.10.2003 –

  2. Worum geht es? Ein Beispiel … Grundlage derartiger Dienste: Nutzer geben Daten an e-Unternehmen • Wollen sie das? • Tun sie das, was sie wollen? • Warum? • Welche Interessenskonflikte bestehen; welche Lösungen gibt es?

  3. Agenda Was geschieht (und was darf geschehen)? Wollen Nutzer Daten übermitteln? Tun sie das, was sie wollen? Was beeinflusst ihr Verhalten? Warum? Welche Interessenskonflikte bestehen? Welche Lösungen gibt es?

  4. Welche Arten von Daten enstehen über Nutzer im E-Commerce? • Herkunft 1: Nutzereingaben “By far, the greatest kind of personal information on the Web today is the information provided by customers when they register at web sites.” (Garfinkel & Spafford, 2002, S. 208) • Herkunft 2: sonstiges Verhalten • Protokollierung von Webzugriffen in Weblogs • IP-Adresse • Referrer-URL • Plattform: Browser u.a. • Cookies • Web Bugs Garfinkel, S., with Spafford, G. (2002). Web Security, Privacy & Commerce. 2nd Ed. Sebastopol, CA: O'Reilly.

  5. Was ist (E-)Privacy? Informational privacy (1967): the claim of individuals, groups, or institutions to determine for themselves when, how, and to what extent information about them is communicated to others E- ... on the Internet Warren, S., & Brandeis, L. (1890). The right to privacy. Harvard Law Review, IV (5), 193ff. Westin, A. (1967). Privacy and Freedom. Boston: Atheneum Press.

  6. Datenschutzrechtliche Grundprinzipien: EU-Richtlinie 95/46/EC, BDSG, … • Schutzbereich personenbezogene Daten = alle Einzelangaben über persönliche und sachliche Verhältnisse einer bestimmten oder bestimmbaren natürlichen Person • Personenbezogene Daten dürfen nur gesammelt werden mit der informierten Einwilligung bezüglich • wer : wer sammelt / verwendet die Daten • wozu : zu welchem Zweck • was : Art und Menge, die diesem Zweck angemessen ist • Daten dürfen dann nur in der so spezifizierten Art verwendet werden. • Individuen können ihre Daten einsehen und berichtigen, und die Verwendung untersagen. • Ergänzt durch EU-Richtlinie 2002/58/EC über die Verarbeitung personenbezogener Daten und den Schutz der Privatsphäre in der elektronischen Kommunikation (12. Juli 2002; umzusetzen bis 31.10.2003) • Spezifische Regelungen u.a. zu Cookies, Spam

  7. Privacy-Statements: Ein Beispiel Informierte Einwilligung Wer + wozu Was

  8. Agenda Was geschieht (und was darf geschehen)? Wollen Nutzer Daten übermitteln? Tun sie das, was sie wollen? Was beeinflusst ihr Verhalten? Warum? Welche Interessenskonflikte bestehen? Welche Lösungen gibt es?

  9. Umfrage-Ergebnisse: Hohes Privacy-Bewusstsein, überall Internetnutzer berichten mehrheitlich: sie • befürchten Verletzungen ihrer Privatsphäre im Internet • sind in ihrer Bereitschaft, Information preiszugeben, vom Umgang einer Site mit Privacy-Fragen abhängig • vermeiden Websites, um ihre Privatsphäre zu schützen • geben falsche Daten an • bezweifeln die Integrität und Effizienz der Datenschutzmaßnahmen kommerzieller Websites  implizite Annahmen: • Nutzer verhalten sich auch dementsprechend • dabei berücksichtigen sie die Informationen aus Privacy-Statements Überblick über Umfragestudien: Teltzrow, M., & Kobsa, A. (2003). Impacts of User Privacy Preferences on Personalized Systems – a Comparative Study. In CHI-2003 Workshop "Designing Personalized User Experiences for eCommerce: Theory, Methods, and Research", Fort Lauderdale, FL.

  10. Agenda • Was geschieht (und was darf geschehen)? • Wollen Nutzer Daten übermitteln? • Tun sie das, was sie wollen? • Was beeinflusst ihr Verhalten? • Warum? • Die IWA-Studie („Interaction with Agents“) • Fragen und Ziele • Methode • Ergebnisse • Interpretation • Welche Interessenskonflikte bestehen? • Welche Lösungen gibt es? Gesamtdarstellung d. IWA-Studie: Spiekermann, S. (2001). Online information search with electronic agents – drivers, impediments, and privacy issues. Dissertation, Inst. f. Wi-Inform., HUB. http://edoc.hu-berlin.de/dissertationen/spiekermann-sarah-2001-11-22)

  11. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Methode – Überblick (1) Teilnehmer • 206 Personen [171 gültige Fälle] • Chance eines 60% Preisnachlass od. finanzielle Entschädigung Materialien • Fragebögen • Online-Shop mit Breitbandverbindung (Nutzung aus HU-Labor) Prozedur • Inf. über Ziel: „die Interaktion mit einer neuen Produkt-Suchmaschine zu testen, die am Institut für Wirtschaftsinformatik für einen industriellen Partner entwickelt wurde“ • Präsentation Privacy-Statement; schriftliches Einverständnis z. Weitergabe d. Daten zu Analysezwecken an den Sponsor • Fragebogen 1 • Online-Shopping, Verkaufsdialog m. Agent, ggf. Kaufentscheidung • Fragebogen 2

  12. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Methode – Überblick (2) Design • Unabhängige Variablen: • Produktart: Suchgut Kompaktkamera vs. Erfahrungsgut Winterjacke – Wahl durch Teilnehmer • Privacy-Statement: „weich“ vs. „hart“ – randomisiert • Abhängige Variablen: • Einstellungen: [Maß auf Basis der Antworten auf Fragebogen 1] • Verhalten: [Maße auf Basis der Web-Logs: Zahl + Art der Agenten-Fragen, die beantwortet wurden]

  13. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Die Fragebögen Multiple-choice- / offene Fragen zu: • FB1: Demographischen Angaben; PC- und Internetnutzung; Erfahrung mit Onlinekauf; produkt- und kaufbezogene Fragen; Budget, • FB1: Privacy-Einstellungen – 27% der Fragen (nach Ackerman et al., 1999) • Wie stark tangiert Sie eine potentielle Einbuße an Privatsphäre durch die Nutzung des Internets? • Reaktion auf versch. Szenarien – „Würden Sie das Formular ausfüllen?“ • Wie wohl fühlen Sie sich dabei, die folgenden Informationen auf einer Website anzugeben: Name, Postanschrift, email, Telefonnr., Inf. über Computer, Einkommen, Kreditkartennr., Inf. über Hobbies, Gesundheit, Alter • FB2: Gesamteinschätzung der Interaktion (wie angenehm?, Qualität der Empfehlungen, wahrgenommener Einfluss auf das Interaktionsverhalten) Ackerman, M.S., Cranor, L.F., and Reagle, J. Privacy in E-commerce: Examining user scenarios and privacy preferences. In Proceedings of the ACM Conference on Electronic Commerce EC’99 (Denver, CL, Nov.). 1999, 1-8.

  14. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Online-Shop:Begrüßung durch Agent Luci

  15. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Fragen & Antworten

  16. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Empfehlungen

  17. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Produktbeschreibungen

  18. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Fragen-Typen Kamera Jacke Produktattribut-Fragen Legen Sie Wert auf eine Kamera [mit Zoom]? (analog) Nutzungsorientierte Fragen Zu welchen Anlässen fotografieren Sie meistens / wollen Sie fotografieren? Persönliche Fragen, die die Produktwahl unterstützen Wie wichtig sind Ihnen niedrige Kosten bei der Filmentwicklung? Persönliche Fragen ohne Zusammenhang mit der Produktwahl Halten Sie sich selbst für fotogen? Agenten-Fragen • Fragen zusammen mit echten Verkaufsberatern entwickelt • Alle Fragen getestet: Die meisten wurden als nicht legitim und irrelevant für das Verkaufsgespräch eingestuft • Bis zu 56 Fragen (ø im normalen Verkaufsgespräch: 3) Annacker, D., Spiekermann, S., Strobel, M. (2001). E-privacy:A new search cost dimension in online environments. In Proc. of the 14th Bled Conference of Electronic Commerce, June 2001.

  19. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Einstellungen: Messung und Aggregation • Privacy-Einstellungen wurden beschrieben durch 14 Variablen auf der Basis von Fragebogen 1 : • 3 Indizes auf der Basis der Szenarien • 1 * grundsätzliche Befürchtung bzgl. Privacy • 10 * Bereitschaft, spezifische Daten offenzulegen • z-Transformation aller Variablen • k-means-Clustering  4 Cluster (vgl. Ackerman et al., 1999) Ackerman, M.S., Cranor, L.F., and Reagle, J. Privacy in E-commerce: Examining user scenarios and privacy preferences. In Proceedings of the ACM Conference on Electronic Commerce EC’99 (Denver, CL, Nov.). 1999, 1-8.

  20. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation 30% 20% 26% 24% Im Gesamt-sample Einstellungs-Cluster Identitäts-Info. Profil-Info. • Wollen Nutzer private Daten übermitteln? • Die meisten Nutzer haben mittlere bis schwere Bedenken hinsichtlich ihrer E-Privacy!

  21. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation hoch unter bestimmten Umständen gering Verhaltens-Erwartungen aufgrund der gefundenen Privacy-Einstellungen

  22. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Interaktions-Verhalten – das PCIC-Maß: personal consumer information cost PCIC einer Frage (Annacker et al., 2001): • „Die Interaktionskosten stehen hier für „die intuitive Bereitschaft“ die Frage der Suchmaschine zu beantworten; also … ob man bereit ist, die verlangte private Information … preiszugeben. • ‚Keine’ Informationskosten: überhaupt kein Problem damit, die Frage wahrheitsgemäß zu beantworten • ‚Sehr hohe’ Informationskosten: man will diese Information unter keinen Umständen an eine Suchmaschine weitergeben • Regression  PCIC lin. abh. von Legitimität und Relevanz (~ -0.5, p<0.01) & von Schwierigkeit (0.14, p<0.01) der Frage. PCIC einer Person = S PCIC aller von ihr beantworteten Fragen  {niedrig, mittel, hoch} Annacker, D., Spiekermann, S., Strobel, M. (2001). E-privacy:A new search cost dimension in online environments. In Proc. of the 14th Bled Conference of Electronic Commerce, June 2001.

  23. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation %, die Adresse angeben % mit hohem PCIC Operationalisierung der Verhaltens-Erwartungen

  24. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Tun Nutzer das, was sie wollen? • Nutzer handeln zwar in relativer, nicht aber in absoluter Übereinstimmung mit ihren Einstellungen! Einstellungen vs. Verhalten 1.00 0.97 0.78 0.78 0.64 (p<0.05) 0.35 0.26 Im Ø 85.8% der Fragen beantwortet! 0.23 (p<0.05)

  25. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Einfluss des Privacy-Statements Privacy-Statement  PCIC: n.s. (p>0.9) Privacy-Statement  Adress-Bekanntgabe: n.s. (p>0.5) aber: • höher beim „weichen“ Privacy-Statement (EU-Schutz!) in allen Clustern außer den Identitäts-Besorgten • im Mittel 5% höher (11% ohne das inkonsistente Cluster) • Was beeinflusst das Verhalten von Nutzern? • Privacy-Statements scheinen keinen Einfluss auf das Nutzerverhalten zu haben!

  26. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Gesamtbeurteilung der Agenten-Interaktion Fragebogen 2: • Den meisten Teilnehmern gefiel die „weiche Kommunikation“ • Selbst jene, die in FB 1 Privacy-Bedenken geäußert hatten und denen die Qualität der Empfehlungen nicht hoch erschien, äußerten, dass sie sich von Luci unterstützt fühlten: • Unterstützung dabei, „ein Gefühl für das Produkt zu bekommen“ • Die Fragen waren „nicht zu technisch“ und „leicht verständlich“ • Sie fühlten sich „persönlich angesprochen“ in ihren Bedürfnissen Debriefing-Gespräche: keine Anzeichen für Wahrnehmung, dass • die Ereignisse im Shop etwas mit Privacy zu tun hatten, • es eine Diskrepanz zwischen Einstellungen und Verhalten gab. • Was wollen Nutzer? (2) • Nutzer begrüßen eine reichhaltige, interaktive Umgebung!

  27. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Warum weicht das Verhalten von den Einstellungen ab? Verhalten findet immer in einem Kontext statt. In diesem werden Entscheidungen konstruiert.

  28. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Die Kommunikation mit Luci und die Grice‘schen Konversationsmaximen • Umbewertung von Fragen, die • nicht legitim • nicht relevant • schwierig zu beantworten sind Um durch kooperatives Verhalten eine Kommunikation erfolgreich zu machen ... ... befolge die vier Konversationsmaximen: • Quantität: so informativ wie möglich (aber nicht mehr) • Qualität: wahr und begründet (zumindest subjektiv) • Relation: Jeglicher Beitrag sollte relevant zur Konversation sein! • die Maxime der Art und Weise • Mehrdeutigkeiten und Unklarheiten vermeiden! Nicht abschweifen! Menschen erwarten die Einhaltung dieser Prinzipien, auch in Umfragen, Experimenten  oft Umbewertung von Äußerungen Die Maximen gelten auch in Mensch-Computer-Interaktionen. P. Grice: Logic and conversation. In P. Cole and J.L. Morgan, (eds.): Syntax and Semantics, Vol. 3, Speech Acts, New York, Academic Press, 1975, 41-58. Schwarz, N. Cognition and Communication: Judgmental Biases, Research Methods, and the Logic of Conversation. Lawrence Erlbaum Associates, Hillsdale, NJ, 1996.

  29. IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Framing Vorstudie und Fragebogen 1: z.B. • „Die Interaktionskosten stehen … für das … Gefühl, ob man bereit ist, die verlangteprivate Information von sich preiszugeben. ...” • „Wie stark tangiert Sie eine potentielle Einbuße an Privatsphäre ..?“  VERLUST ! Briefing und im Online-Shop: z.B. • Ich bin Luci - Ihre Einkaufsberaterin - und unterstütze Sie bei Ihrem Shopping-Trip. Ich sortiere die 50 Kameramodelle in unserem Onlineangebot auf Basis Ihrer Produktwünsche und zeige Ihnen die für Sie am Besten geeigneten Produkte an.  GEWINN ! Die Betonung relativer Gewinne oder Verluste hat (bei gleicher Faktenlage) einen deutlichen Einfluss auf Wahlentscheidungen. Vgl. z.B. McNeil, B.J., Pauker, S.G., Sox, H.C., & Tversky, A. (1982). On the elicitation of preferences for alternative therapies. New England Journal of Medicine, 306, 1259-1262.

  30. Agenda Was geschieht (und was darf geschehen)? Wollen Nutzer Daten übermitteln? Tun sie das, was sie wollen? Was beeinflusst ihr Verhalten? Warum? Welche Interessenskonflikte bestehen? Welche Lösungen gibt es?

  31. für ... Vorteile von ... Individuum Unternehmen Datenreichtum in einer interaktiven Umgebung Datenreichtum in einer interaktiven Umgebung Datenreichtum in einer interaktiven Umgebung Verbesserter Service, z.B. Personalisierung Verbesserter Service, z.B. Personalisierung Verbesserter Service, z.B. Personalisierung Profitabilität durch • Identifizierte Profile • cross-selling • gezielte Werbung Datensparsamkeit Datensparsamkeit • Privatsphäre • Vermeidung der Konsequenzen fehlerhafter Daten • Vermeidung von Sicherheitsproblemen • Schutz vor unethischen Praktiken • Privatsphäre • Vermeidung der Konsequenzen fehlerhafter Daten • Vermeidung von Sicherheitsproblemen • Schutz vor unethischen Praktiken • Datenqualität • höheres Vertrauen der Nutzer / Kunden Spiekermann, S., Dickinson, I., Günther, O., & Reynolds, D. (2003). User agents in E-commerce environments: Industry vs. Consumer perspectives on data exchange. In Proc. CAiSE 2003 (pp. 696-710) Springer LNCS Interessenskonflikte

  32. Agenda Was geschieht (und was darf geschehen)? Wollen Nutzer Daten übermitteln? Tun sie das, was sie wollen? Was beeinflusst ihr Verhalten? Warum? Welche Interessenskonflikte bestehen? Welche Lösungen gibt es?

  33. IWA/Privacy: Methode Ergebnisse Interpretation  Schlussfolgerungen Privacy enhancing technologies: P3P P3P (Platform for Privacy Preferences) • Standardisierte Kommunikation Nutzer – Site auf XML-Basis, insb.: wer <RECIPIENT>, wozu <PURPOSE>, was (Datenkategorien) • Privacy-Policies: maschinenverstehbare Privacy-Statements • Privacy-Präferenzen: Einstellungen des Nutzers, formalisiert für seinen Nutzer-Agenten • Mismatch  Warnung oder Blockieren Hauptprobleme: • Warnung, aber kein Schutz, nachdem die Website betreten wurde • Keine Möglichkeit, dienst-spezifische Präferenzen auszudrücken  im Licht unserer 2 Hauptergebnisse: P3P nicht effektiv genug! W3C (2000). The Platform for Privacy Preferences 1.0 (P3P1.0) Specification. http://www.w3.org/TR/2000/CR-P3P-20001215 and http://www.w3.org/TR/P3P.

  34. IWA/Privacy: Methode Ergebnisse Interpretation  Schlussfolgerungen Aspekte einer besseren privacy enhancing technology • Zur Unterstützung der reichhaltigen und dienst-spezifischen Interaktion, die Nutzer wünschen: • Monitoring der Dienste; Information über potenzielle Probleme (vgl. P3P); hierbei Nutzung privacy-bezogener Metadaten unabh. Institut. • Lernen der Nutzer-Präferenzen durch Beobachtung, dynamische und dienst-spezifische Änderungen der Settings • Aufzeichnung aller Interaktionen mit allen Webdiensten  reichhaltige client-seitige Profile  nutzerabhängige, selektive Bereitstellung an Dritte • Zur Verlagerung der Kontrolle zu den Nutzern und zu ihrem Schutz gegen Kontexteffekte: • Komfortable Benutzungsschnittstellen, privacy-freundliche Defaults • Identitätsmanagement, Pseudonymität • Dekontextualisierung

  35. IWA/Privacy: Methode Ergebnisse Interpretation  Schlussfolgerungen Techniken zur Dekontextualisierung • Den “Fluss der Interaktion” unterbrechen  nur selektiv, basierend auf den gelernten Präferenzen • Aber: maschinelles Lernen aus ineffektivem Verhalten reicht nicht! • Clustering von Interaktionen, regelmäßiges Review durch den Nutzer • Sammlung “guter” Interaktions-Historien, Pooling in Peer-Netzwerk, als Basis für das Lernen individueller Nutzer-Agenten • Den “Fluss der Interaktion” unterbrechen  nur selektiv, basierend auf den gelernten Präferenzen • Aber: maschinelles Lernen aus ineffektivem Verhalten reicht nicht! • Clustering von Interaktionen, regelmäßiges Review durch den Nutzer • Sammlung “guter” Interaktions-Historien, Pooling in Peer-Netzwerk, als Basis für das Lernen individueller Nutzer-Agenten

  36. PET: Techniken zur Unterstützung privacy-bezogener Metakognition Was wir auch noch über Sie wissen At 13:43, you requested the do-it-yourself course guide page. Then you moved the mouse over the link info.php?ref=http://vasarely.wiwi.hu-berlin.de/WebMiningSS02/index.php. Then you requested the page info0.php. Then you moved the mouse over the link info.php?ref=http://vasarely.wiwi.hu-berlin.de/WebMiningSS02/index.php. Then you moved the mouse over the link http://www.marketingterms.com/dictionary/cookie/. Then you requested the page http://www.junkbusters.com/ht/en/cookies.html. Then you moved the mouse over the link http://www.marketingterms.com/dictionary/cookie/. Then you moved the mouse over the link http://www.useit.com/alertbox/20010121.html. Then you moved the mouse over the link http://netlexikon.akademie.de/query. Then you moved the mouse over the link http://www.wiwi.hu-berlin.de/~guenther/DB/db_ss01.html. Then you moved the mouse over the link http://www.useit.com/alertbox/20010121.html. Then you requested the page http://www.useit.com/alertbox/20010121.html. Then you asked for this proof of the observation of your actions,and here it is! All your actions have been logged. Was wir über Sie wissen Hello! You are accessing this page from the computer called vasarely.wiwi.hu-berlin.de This computer has the numerical address 141.20.103.48 and you are using the following browser ("Mozilla" means "Netscape") and operating system: Mozilla/5.0 (compatible; Konqueror/2.2.2; Linux) You came from the Web page http://vasarely.wiwi.hu-berlin.de/WebMiningSS02/index.php (If the previous line is empty, then you typed the URL directly.) Die letzten 20 Zugriffe auf die Lehrmaterialien aus dieser Seminargruppe pd9e9fded.dip.t-dialin.net - - [18/May/2003:13:58:26 +0200] "GET / HTTP/1.0" 200 582 "-" "-"212.157.245.66 - - [18/May/2003:14:38:35 +0200] "SEARCH / HTTP/1.1" 501 349 "-" "-"pd9e7a72a.dip.t-dialin.net - - [18/May/2003:17:06:45 +0200] "GET /lehre/2003s/wmi/WEKA-slides/ HTTP/1.1" 200 1721 "-" "Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)"pd9e7a72a.dip.t-dialin.net - - [18/May/2003:17:06:45 +0200] "GET /icons/blank.gif HTTP/1.1" 200 148 "http://vasarely.wiwi.hu-berlin.de/lehre/2003s/wmi/WEKA-slides/" "Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)"...

  37. Ausblick: Neue Technologien, neue (und alte!) Fragen Beispiel Mobilfunk & lokationsbasierte Dienste: • Neue Arten von Daten: Standortdaten • Neue gesetzliche Regelungen: Notrufdienste • (derzeit?) andere Art von Basisarchitektur: kein end-to-end  weniger nutzerseitige Kontrolle • Die grundsätzlichen Interessenskonflikte bestehen auch hier! • Erwartung: dasselbe gilt für die grundsätzlichen Kontexteffekte Jörg Siede. Der Schutz der Privatsphäre bei der Nutzung standortbezogener Dienste im Mobilfunk. Diplomarbeit, Juli 2003

  38. Vielen Dank ! … Fragen ? http://www.epic.org/- privacy/threat/pr.html

More Related