大數據環境下APP用戶隱私計算影響因素研究

摘要：[目的/意義]大數據環境下.APP已經成為工作、生活、娛樂甚至是賺錢的重要工具，與此同時，APP也成為用戶隱私泄露的重災區。用戶一方面擔心隱私的泄露，另外一方面由于APP所帶來的益處，卻愿意主動提供隱私數據供商家利用，這就是所謂的“隱私悖論”現象。[方法/過程]隱私計算是研究隱私悖論的重要方法之一，通過對APP用戶隱私計算影響因素的調查，分析影響用戶自愿提供隱私數據的核心因素，并分析悖論存在的原因。[結果/結論] APP用戶隱私的保護需要不斷加強法律、制度的建設和開發商與運營商的監管，而不斷提高用戶隱私保護的意識也是不可忽視的重要內容。

關鍵詞：APP用戶：隱私計算：影響因素

DOl： 10.3969/j .issn .1008 -0821 .2019 .12 .015

[中圖分類號] G203 [文獻標識碼]A [文章編號]1008-0821（ 2019） 12-0131-07

隨著大數據時代的來臨，各種APP層出不窮，APP已經成為人們生活、工作、學習、健康、娛樂甚至是賺錢的重要工具。根據工信部的最新統計顯示，可以檢測到的我國市場上應用的手機APP達到415萬款[1]。雖然用戶享受著APP所帶來的各種便利，但是APP也成為泄露用戶隱私的重災區。根據中國消費者協會發布的《APP個人信息泄露情況調查報告》顯示，超過80%的被調查者稱由于使用APP，個人信息泄露，而遭到短信或者推銷電話的騷擾等[2]。

關于網絡用戶個人隱私數據泄露的問題，有學者認為用戶并非沒有感知到存在的風險，而是由于使用中所產生的益處，促使用戶愿意讓渡個人的隱私數據去獲取所產生的益處，這個過程被稱之為隱私計算。隱私計算理論來源于1977年Laufer等發表的《隱私作為一種概念和社會問題：一個多維度發展的理論》[3]一文中所提出的行為計算演化而來，后來Culnan等在2003年發表的論文《消費者隱私：經濟與法律的平衡》將隱私計算的研究采用了成本一收益的分析方法作為用戶是否自愿提供個人數據的依據。隨著社交網絡和電子商務的發展，隱私計算理論逐漸被越來越多的學者作為分析網絡用戶的重要方法[4]。隱私計算也是隱私悖論的一種解釋，即雖然很多人都在關注或者呼吁要加強隱私的保護，但是為了獲得某些服務，卻愿意主動的提供個人數據為商家所利用。

1 研究背景

個人隱私的保護除了給人們帶來經濟安全之外，還將其作為人權，受到法律的保護。隨著大數據時代的來臨，人類行為的數據化，個人隱私數據將其作為商品，越來越受到人們的認同。雖然，個人隱私受到侵犯的案例比比皆是，但是在使用很多社交媒體、物聯網、電子商務中，人們仍在自愿的將個人的隱私數據提供給商家，從產品中獲益。如前文所言，如果隱私數據是一種商品，那么個人提供與保留隱私數據的決定往往通過權衡提供的成本和收益來作為合理的選擇。因此，提供個人數據的決定應沿線性變化。風險的概率和嚴重性的變化將會導致個人提供隱私數據處于相應的變化[5]。即隱私計算是一個理性的過程，它包括權衡感知的風險和當前提供個人隱私數據的感知收益。當感知的收益大于感知的風險時，用戶就有可能會自愿提供隱私數據。然而，當發現更多的是風險而不是利益時，用戶就會不愿意提供個人數據[6]。

當然，也有學者給出了另外的解釋，認為用戶之所以愿意提供隱私數據給商家使用，是非理性的過程，這種非理性來源于：1）用戶并沒有感知到可能存在的風險;2）用戶由于認知的偏差，主觀上認為數據的泄露不可能發生或者發生的可能性很小。學者Baek Y M在基于大規模在線數據調查的研究中也證實了這一點，用戶通常認為自身遇到在線隱私侵犯的可能性要低于其他個人（比較對象），使得個人感知的隱私風險較小[7]。

目前，學者們關于隱私計算的研究主要涉及物聯網用戶、網絡消費者、電子商務用戶、移動服務用戶等領域，對于APP用戶隱私計算行為的研究還很少。本文一方面試圖從APP用戶對隱私數據認知的角度出發，分析用戶是否理性的自愿提供隱私數據給APP;另外一方面從隱私意識、隱私數據的敏感度、感知信任度、感知系統的優點和感知人群的角度分析用戶隱私計算的影響因素。

2 APP用戶隱私計算影響因素的理論模型構建

依據隱私計算的內涵，影響用戶自愿提供數據的變量有兩個，即感知風險和感知收益。本文從以上兩個方面分析構成用戶使用APP過程中隱私計算的影響因素。

2.1 感知風險

風險是由于不確定性引起的、潛在的負面結果和另外一方由于不必要的行為可能引發的損失[8]。APP用戶隱私泄露的風險通常有3種：1）用戶隱私數據未經用戶同意出售給第三方;2）用戶數據被APP開放商濫用;3）用戶數據被黑客竊取。因此，本文假設：

假設1（H1）：當用戶使用APP時，感知到的風險越大，提供個人數據的意愿將會越低。

2.1.1 隱私意識

按照隱私計算的理論，由于隱私計算是一個非常理性的過程。因此，學者們普遍認為用戶對隱私和隱私數據有著清晰的認知，對于隱私所產生的風險和收益可以進行權衡與計算決定是否提供個人數據給APP。因此很多研究中，隱私的意識并沒有作為隱私計算的變量。本文認為，隱私意識是衡量隱私計算的重要自變量。實際上，一方面，由于文化和制度的不同，公民對于什么是隱私數據本身的認知也有一定的偏差。例如，歐盟的一些國家將照片視為隱私數據，因為通過照片可以識別公民的民族，但是歐盟的數據保護工作小組并沒有將照片歸為隱私數據[9];另外一方面，就個體而言，每個人的隱私寬度也不同，例如，有些人認為電話號碼是隱私數據，而另外一些人則認為不是。因此，由于個人對隱私的界定不同，對于提供個人數據的寬度就會有所差異。即用戶在使用APP提供個人數據時，有可能并非出于風險與收益的權衡而提供個人數據，而是其隱私的界限不同，導致產生提供個人數據的差異。反之，如果用戶對隱私數據有很強的意識，那么就會有很強的感知風險的能力，則提供個人數據方面就會比較謹慎。因此，本文假設：

假設1.1（ H1.1）：APP用戶隱私的意識越強，感知風險的意識就越強，反之則相反。

2.1.2 隱私數據的敏感度

敏感度是指用戶在使用APP中，對于提供數據類型以及APP本身個人數據保護的規范性與風險感知的關聯度，包括兩個方面：1）用戶對要求提供什么類型的數據會產生隱私風險的敏感度[10]。2） APP是否提供了個人數據保護的協議或者指引也是影響用戶使用APP產生敏感度的重要因素之一。因此，本文假設：

假設1.2（H1.2）：用戶對提供數據的敏感度越強，則對風險的感知能力越強，反之則相反。

2.1.3 感知信任

信任是用戶使用物聯網、電子商務、社交媒體的重要因素。這種信任來自用戶認為APP系統或者APP運營商對于安全或者個人數據保護減少風險和不確定性的能力。在使用APP中，這種信任分為兩個方面：一是對系統的信任;二是對APP運營商即該組織機構的信任[11]。當用戶對APP信任度越高，則對其風險的感知能力就會越弱。因此，本文假設：

假設1.3（H1.3）：用戶對APP的不信任度越高，則對風險的感知能力越強，反之則相反。

2.2 感知收益

隱私收益是指在使用APP中，通過提供個人的數據來獲取良好的收益。依據隱私計算的理論，感知收益是用戶使用APP的基本推動力。在使用APP中感知收益有很多方面，既可以體現在實際的工作、學習的需要，也可以體現在娛樂和健康以及獲取金錢的收益層面。因此，本研究提出假設：

假設2（H2）：當用戶使用APP時，感知到的收益越多，提供個人數據的意愿將會越強烈。

2.2.1 感知系統的優點

關于系統的優點，很多學者只是從個性化或者兼容性[10]的方面進行研究，隨著技術的發展，對于APP的優點可以同時從多個角度進行考量：1）個性化。個性化決定了基于以前收集的數據來提供滿足用戶的產品和服務。因為APP的個性化服務往往可以提供準確而及時的產品，一方面用戶渴求這種服務，同時也會因此產生了隱私方面的顧慮。2）兼容性。系統兼容性是指為一種APP系統開發的軟件或硬件可適用于另一種或其它多種APP系統的能力。兼容性也是影響用戶感知獲益的一個方面。3）交互性。主要指APP人機交互的界面和服務的互動和反應能力。因此，本文假設：

假設2.1（ H2.1）：APP系統的優點越突出，用戶獲得收益的感知就會越強烈，反之則相反。

2.2.2 感知使用人群

人是群居性動物，通常具有從眾心理。當人們在采納新的工具時，一方面，希望得到其他人的認同，并會積極推薦使用。同時也在受其他人的影響，當觀察和發現周圍的很多人都在使用新的工具進行交流或者獲益時，也會嘗試使用新的工具，融人群體中去。感知使用人群是指用戶所使用的APP感知有多少其他人群在使用。因此，本文假設：

假設2.2 （H2.2）：APP使用的人越多，用戶獲得收益的感知就會越強烈，反之則相反。

2.3 理論模型

從隱私計算的角度分析用戶使用APP的影響因素，本文從隱私意識、隱私數據敏感度、感知信任、感知使用人群、感知系統優點5個方面構建感知風險和感知收益對于用戶愿意提供隱私數據的模型（見圖1）。

3 數據收集與數據分析

3.1 數據收集

調查主要通過國內主流的數據調查平臺問卷星展開電子問卷調查，同時也發放了部分的紙質問卷進行調查，共收回問卷250份，去除無效問卷，實際有效問卷243份。APP被調查用戶的年齡分為4個階段：1）年齡從18 - 30歲的用戶占了絕大多數，達到79%;2）30-40歲的用戶占到15%;3）40-50歲的用戶占到3%;4）50歲以上的用戶占到3%。由此可見，使用APP的年輕用戶較多，中老年用戶相對比較少（見圖2）。其中參加問卷調查女性的比例為54%，男性比例為46%。在校大學生占到65%，在職人員占到34%，退休人員為1%。

另外，用戶使用APP的類型也呈現多樣化，如圖3所示，使用APP類型最多的要屬于學習和工作、娛樂型的APP，分別約占30%和29%。其次是交友和健康類型的APP，分別約占到21%和14%。用戶使用最少類型的APP是以獲利為目的的APP，約占6%。

3.2 數據分析

效度是分析研究項是否合理、有意義的重要指標，效度檢測主要使用因子分析法進行分析，其中KMO值是判斷因子是否有效的重要方面，通過計算分析，表1分析項的KMO均在0.6以上，說明分析指標具有效度。而信度分析是研究定量數據可靠性的重要指標，從表1數據可知，設計指標的Cronbach'sα均在0.6以上，說明研究數據的信度質量可靠（見表1）。

3.2.1 隱私風險

1）隱私意識。依據我國2019年制定并實施的《個人信息安全規范》以及結合歐盟《通用數據保護法》關于個人敏感數據的規定，就隱私數據的認知和范圍進行了調查，從統計數據來看，APP用戶對于隱私數據有清晰的認知。就使用APP提供數據而言，大多數的用戶首先考慮的因素是是否有用，而對于其是否安全并未放在首位（見圖4）。而且，通過APP是否安全對于用戶愿意提供數據進行線性回歸分析來看，模型R平方值為0.031，說明二者之間并沒有直接的關系。

另外，如果APP有用，大多數用戶愿意提供姓名、電話號碼、QQ賬號、微信賬號、電子郵件等隱私數據，當然有些用戶依據有用程度，也愿意提供身份證號、銀行賬號等方面高度敏感和隱私的數據（見圖5）。

2）隱私數據敏感度。通常來講，在使用APP中，如果用戶對提供的隱私數據比較敏感，敏感度越強則風險意識就會越強，那么提供信息的愿望就會比較低。通過皮爾森相關性分析（見表2），除了身份證號和銀行賬號與A、B、C3種風險呈現直接相關因素之外，其他因素都存在一個以上的不相關因素，例如，健康信息與A、B、C3種風險的相關系數是0. 024、0.095和0.124，位置信息相關系數值分別是-0. 072、-0. 024、0.038，二者相關系數全部均接近于0，并且P值全部均大于0. 05，與隱私風險的關聯比較小。征信信息與風險A和風險B之間并不會呈現出顯著性，相關系數值接近于0，財務信息與風險A相關系數值也接近于0，二者相關性不顯著（見表2）。

3）感知信任。通過回歸分析，感知不信任，例如對APP系統和組織機構的不信任對感知風險產生影響顯著。因此，用戶在使用APP時，感知不信任就會減少對APP的使用。

3.2.2 隱私收益

1）感知使用群。對感知使用人群的因素進行線性回歸分析，對模型進行F檢驗時發現模型通過F檢驗（F=8. 337，P<0.05），依據回歸系數值進行分析，A、C、D回歸系數值為0.139（t=5. 267，P=0.000<0. 01）、0.056（t=2.367，P=0.019<0.05）、0.039（t=2.143，P=0.033<0. 05），對感知收益都產生顯著的正向影響關系，B回歸系數值為-0. 039（t=-1. 796，P=0.074>0.05），B對感知收益雖然影響不顯著，但也產生影響關系，從整體來講，感知人群對于APP感知收益具有顯著的影響（見表3）。

2）感知系統優點。感知系統的兼容性、服務的個性化、交互性對于感知有用性也產生顯著的影響關系。感知系統的優點和感知收益相關系數值為0.134，并且P值小于0.05，因此二者相關性呈現顯著性（見表4）。

從感知風險和感知收益的因素來分析，除了隱私意識與感知風險并沒有顯著的影響，其它因素都與感知風險、感知收益呈現顯著的相關性，同時風險因素與用戶提供數據的意愿呈負相關性，與感知收益呈現正相關性（見表4）。

4 結論

隨著社會的發展.APP的使用類型越來越多，為用戶提供了生活、工作、學習、娛樂等方面的便利。但是伴隨而來的用戶隱私風險也在不斷高漲。與大家關注隱私相反，很多時候，人們在特定的環境中，往往會愿意提供個人的隱私數據，而且超過了原有對隱私保護的目的[11]。通過調查顯示.APP用戶確實存在隱私悖論的現象。一方面用戶不堪隱私被侵犯的困擾，同時也在不斷提供個人的隱私數據給商家使用，這種悖論體現在以下方面：

1）用戶對APP有用性的考慮往往大于對隱私風險的顧慮。即用戶選擇使用APP時，是否愿意提供隱私數據以及提供哪些隱私數據是由APP的有用性有多大來決定的。APP對于用戶的有用性越強，則用戶提供數據的范圍越大。同時，調查顯示，用戶對于隱私數據有著清晰的認知，因此，使用APP提供數據屬于理性而非理性的過程。用戶的選擇從成本收益的角度來講，符合風險越高收益越大的原理。

2）依據影響因素的調查顯示，身份賬號和銀行賬號的提供是用戶風險感知的臨界點。其次是財務信息和位置信息，而健康信息、征信信息對于很多用戶來說并沒有作為重要的風險因素。這也反映了用戶由于文化和制度以及個體認知的不同，導致隱私數據及隱私數據風險因素認知的差異。依據歐盟的《通用數據保護法》的規定，健康信息以及征信信息是重要的關乎隱私的敏感數據，這些數據的泄露不僅關系用戶的財務安全，也關乎用戶的隱私權和名譽權，卻沒有得到APP用戶足夠的重視。

3）用戶雖然感知到APP存在隱私數據的風險，但是對于APP隱私保護的說明和指引并不十分重視。在調查中，74%的用戶表示對于隱私說明不會認真閱讀就已經簽署了協議。另外，68%的APP隱私保護說明使用霸王條款，如果不同意APP的隱私數據讓渡協議，就不能使用APP。這就產生了另外一種悖論的可能性，一方面，用戶為了使用APP，雖強調隱私顧慮卻忽略隱私條款的認真閱讀;而另外一方面，APP的隱私保護說明具有強制性，導致用戶對于讓渡使用的隱私數據未必知情或者雖然知情卻未必同意的悖論之中。

4）通過調查顯示，參照群體效應對于用戶使用APP起著重要的作用。參照群體是指個體在形成其消費或購買決策時，用來作為比較與參照的個人或群體。它不僅指與個體有相關接觸的親人、朋友等人或群體，也包括與個體并無直接接觸的但對個體產生影響的個人或群體[12]。參照群體之所以對用戶產生顯著影響，一方面參照群體的示范效應，成為促使用戶采納APP的重要因素之一，同時也在另外層面上弱化了用戶感知風險的能力。

由此可見，APP個人隱私數據的保護，一方面需要不斷健全相關的法律和規范，加強APP開發商和運營商的監管，制定和規范個人數據利用和保護的措施，同時作為擁有隱私數據的主體一用戶需要提高風險防范意識，了解和維護個人的合法權益，防止隱私數據被濫用和竊取。

參考文獻

[1]權威數據：手機APP -共有多少個？[ EB/OL].http：//baijia-hao. haidu. com/s？ id= 1605684980987956244&wfr= spider&for= pC-

[2]中消協發布《APP個人信息泄露情況調查報告》[EB/OL].http：//www. cqn. com. cn/pp/content/2018 - 08/29/content一621379l.htm.

[3] Laufer R S，Wolfe M.Privacy As A Concept And A Social lssue：A Multidimensional Developmental Theory[J].Journal of SocialIssues，

1977， 33（3）：22-42. https：//goo.gl/qvCuY5https：//doi.org/10.1111/j.1540-4560. 1977.tb01880.x.

[4] Culnan M J，Bies R J.Consumer PrivacY： Balancing Economicand Justice Considerations[J] Journal of Social Issues， 2003，59（2）：323 - 342.

https：//goo. gl/ja9w60hitps：//doi. org/10.1111/1540-4560.00067

[5] Mark J K，Samuel C T，Joanne H，et al.Information Disclosureon Mobile Devices： Re -examining Privacy Calculus with Actual User Behavior [J] . Int. J. Human-Computer Studies ， 2013， 71 ：1163-1173.

[6] Svenja B. Privacy Paradox： Factors Influencing Disclosure of Per-sonal Information [ D]. Masterthesis. 2016： 1-93.

[7] Baek Y M. Solving the Privacy Paradox： A Counter-argumem Ex-perimental Approach [J] . Computers in Human Behavior， 2014，38 ： 33-42.

[8] Svenja B. Privacy Paradox： Factors Influencing Disclosure of Per-sonal Information Among German and Dutch SNS Users [ D] . Mas-terthesis， 2016： 1-93.

[9] Lipton J D. Digital Multi - Media and the Limits of PrivacyLaw. Case [ J ]. Western Reserve Joumal Intemational Law， 2009， 42 ： 551.

[10] Dongyeon K. Willingness to Provide Personal Information： Per-spective of Privacy Calculus in loT services [ J] . Computers in Hu-man Behavior， 2019， 92： 273-281.

[11] Cristian M， Agnes D. Disclosing Personal Information Via HotelApps： A Privacy Calculus Perspective [ J]. Intemational Journalof Hospitality Management ，2015 ， 47 ：120- 130.

[12] 龔振，李菡.中國奢侈品消費的參照群體效研究 [ J] .商業時代， 2015， （11） ： 20-21.

收稿日期：2019-06-05

基金項目：河北省社會科學基金“我國智慧政務算法決策風險評估機制研究”（項目編號：HB19TQ002）。

作者簡介：迪莉婭（1974-），女，教授，研究方向：大數據、電子政務。