文件名称：预测性隐私：迈向数据分析的应用伦理-研究论文
文件大小：304KB
文件格式：PDF
更新时间：2024-06-29 20:28:19
Ethics; Philosophy of Information;
机器学习中的数据分析和数据驱动方法现在是许多工业领域中最受欢迎的计算技术之一。 一个主要应用是预测分析，它用于基于大量行为和使用数据来预测与目标群体或个人相关的敏感属性、未来行为或成本、风险和效用函数。 本文强调了预测分析的严重道德和数据保护影响，如果它被用于预测有关单个个人的敏感信息或根据许多无关个人提供的数据区别对待个人。 为了解决应用伦理学中的这些问题，首先，本文引入了“预测隐私”的概念，以制定一项道德原则，保护个人和群体免受基于机器学习和大数据分析的差别待遇。 其次，它分析了预测系统的典型数据处理周期，以提供对道德影响的逐步讨论，定位发生预测性隐私侵犯的事件。 第三，本文阐明了预测分析在挑战道德原则（如人类尊严和（*））个人隐私概念的方式方面的新特性。 当预测系统将提供关于训练数据捐赠者群体的知识的统计推断转化为个人预测时，就会出现这些新挑战，从而跨越我所谓的“预测差距”。 最后，本文总结了预测分析时代的数据保护是一个集体问题，因为我们面临着使用其他人提供的有关他们自己的数据（甚至可能是匿名的）侵犯个人（或团体）隐私的情况。