本文來自AI新媒體量子位（QbitAI）
推薦引擎總想知道你喜歡看什麼。
就像網購時會彈出可能需要的東西，推薦系統會基于你以往的購物行為推斷使用者需求。你面臨着兩難境地：是否應該在不知是否會洩露隐私的情況下點選，不點選是否會錯過需要的商品？
目前，研究人員開發出一種保護隐私的新算法，能夠實時判斷每次點選透露的資訊量和内容實用性，幫助使用者決策是否進行下一次點選。
看起來蠻實用的嘛。
研究的相關論文在本月東京召開的資訊檢索頂級會議ACM SIGIR上亮相。
這篇題為《The Utility and Privacy Effects of a Click》的論文由瑞士洛桑聯邦理工學院（EPFL）的Richid Guerraoui、Mahsa Taziki和法國資訊自動化研究所（Inria）的Anne-Marie Kermarrec三人共同完成。
“有些連結實用且不會洩露隐私，而有些恰恰相反。我們想準确計算連結的實用性和隐私性，幫助使用者決策，同時也幫助服務商提高使用者體驗。”Taziki說。
與不加區分的廣告攔截器不同，Taziki等人的算法對頁面資訊或廣告無影響。該算法對潛在的可點選處進行評估，包括需要發送的資料量、對隐私的潛在影響以及使用者從點選中獲得的資訊。
根據連結的安全性和内容實用性，算法把預點選資訊分為四類，分别是：
安全區：實用與安全兼備
權衡區：内容實用，需發送部分個人資料
低危區：内容一般，有洩露隐私風險
高危區：内容差，會洩露個人隐私
綜合評估結果以不同的顔色區塊形式呈現，研究人員将其命名為“點選顧問”（click advisor），使用者可依靠它決定取舍，快速判斷是否進傳入連結接。
△ 可點選的連結會被算法分揀為四類
目前，Taziki團隊的這項算法已經獲得專利。她們計劃用這個算法建構一個浏覽器插件，當有網站要大規模擷取使用者隐私資訊時，系統将對使用者發出警告。
“我們希望使用者能夠享受線上推薦的好處，同時對他們的隐私和資料保持最大的控制力。”Taziki總結說。
如果想解鎖算法的訓練過程與資料結果，可以移步論文原文。
論文連結：
http://dl.acm.org/citation.cfm?id=3080783
— 完 —
本文作者：安妮
原文釋出時間：2017-08-19