摘要

一份人际关系记录，既包含记录者本人的信息，也包含其认识的每一个人的信息。本文综述四组研究证据：第一，隐私判断取决于情境、数据类型和用途，笼统的隐私态度对它的预测力很弱 (Acquisti et al., 2015; Martin & Shilton, 2016)；第二，人们很少留意权限请求或阅读隐私政策，而在决策时刻清楚呈现的信息会改变他们的选择 (Felt et al., 2012; Obar & Oeldorf-Hirsch, 2020; Tsai et al., 2011)；第三，对索取方的信任影响人们是否披露，并可能压过感知到的隐私风险 (Joinson et al., 2010; Dinev & Hart, 2006)；第四，手机里的数据会暴露在朋友等身边人面前，而人们是否锁屏与其风险感知密切相关 (Muslukhov et al., 2013; Egelman et al., 2014)。基于这些证据，Mars 提供 6 位隐私密码、iOS 上的面容 ID / 触控 ID 或浏览器通行密钥的隐私登录，只导入你勾选的联系人，在 iOS 上逐项授权，以只读方式连接 Gmail，并以未登录访客身份读取公开网页。本文同时说明边界：隐私悖论本身存在争议，更多控制感可能带来更多披露 (Kokolakis, 2017; Brandimarte et al., 2013)；这些证据支持设计方向，并不等同于对 Mars 本身的检验。

关键词：信息隐私 · 情境完整性 · 隐私悖论 · 控制悖论 · 应用权限 · 信任与自我披露 · 手机锁屏 · 隐私登录 · 个人 CRM

1. 引言

关系助手只有在人们愿意告诉它事情时才有用：见了谁、聊了什么、朋友正在经历什么。这些既是关于用户本人的信息，也是关于第三方的信息。发表于 Science 的一篇综述用三个主题梳理了隐私行为的实证研究：人们对隐私相关行为的后果以及自己的偏好并不确定；隐私担忧随情境而变；这种担忧具有可塑性，可能被商业和政府利益所操纵 (Acquisti et al., 2015)。电子商务研究则认为，信任帮助消费者克服对风险和不安全的感知，让他们愿意分享个人信息 (McKnight et al., 2002)。

本文要回答的问题是：在什么条件下，人们愿意把自己的人际关系记录到一个数字工具里？这些条件又如何转化为一款关系助手的具体设计？

研究方法说明：本文是一篇叙述性文献综述。我们优先选取经同行评审、可通过 DOI 访问的研究，优先采用元分析、系统综述、实验和实地研究，并纳入对流行说法提出限制或质疑的研究。文中每一处事实陈述都标注了出处，文末列出完整参考文献和原始链接。

2. 隐私取决于情境，而不只是保密

情境完整性关注的是一次信息流动是否符合其所在情境的隐私期望，而这种期望随所收集的数据类型和使用情境而变 (Martin & Shilton, 2016)。Martin 与 Shilton 用析因情境问卷检验了这一点，在移动设备场景中系统变换真实情境（如医疗、导航、音乐）、数据类型和数据用途。结果显示，个人笼统的隐私偏好对其在具体情境中的隐私判断预测意义有限；而收集并再利用位置数据、照片和通讯录等常见做法，并不符合用户的隐私期望 (Martin & Shilton, 2016)。

隐私担忧本身也有结构。Malhotra 等人在两次实地调查中面访了 742 名家庭受访者，发现网络用户的信息隐私担忧由收集、控制和知情三个维度构成，以这些担忧为核心的模型能解释人们在被索取时提供个人信息意愿的很大一部分方差 (Malhotra et al., 2004)。既然担忧随情境而变 (Acquisti et al., 2015)，关键就不只是一个工具有没有数据，而是它收集哪些数据、从哪里来、用于什么。

基于这些证据，Mars 让每一条信息流都保持窄口径。在「连接平台」中，你按需勾选要导入的 Google 或 iPhone 联系人，不用整本通讯录全量导入。你发来链接或搜索找到网页时，Mars 读到的就是未登录访客能看到的内容：不带任何账号、cookie、密码或登录状态，读完也不保留 (Martin & Shilton, 2016; Malhotra et al., 2004)。

3. 看得见、选得了的权限

权限请求往往在弹出的那一刻就失效了。在一项对 308 名 Android 用户的网络调查和一项 25 人的实验室研究中，只有 17% 的参与者在安装时留意了权限，只有 3% 的调查受访者答对全部三道理解题；不过也有一部分用户同时表现出了注意和合理的理解 (Felt et al., 2012)。隐私政策的情况也类似：543 名参与者注册一个虚构的社交网站时，74% 通过「快速加入」跳过了隐私政策，98% 没有注意到关于与美国国家安全局和雇主共享数据的条款 (Obar & Oeldorf-Hirsch, 2020)。

在决策处呈现的信息确实会改变选择。当购物搜索引擎清楚、简洁地展示隐私信息时，消费者倾向于从隐私保护更好的商家购买，部分人愿意为此多付钱 (Tsai et al., 2011)。在 Android 用户决定是否下载应用时，感知到的权限敏感度会提高隐私担忧；而对权限用途的说明，只对较少遭遇过隐私侵害的用户有降低担忧的作用 (Gu et al., 2017)。

持续的控制同样重要。一项实地研究中，参与者使用应用权限管理器一周后，再收到显示应用访问其敏感数据频率的提示，95% 的参与者重新审视了权限，58% 进一步收紧了部分权限 (Almuhimedi et al., 2015)。但控制也有已知的副作用：Brandimarte 等人检验了这样一个假设，并得到支持：对私人信息发布的感知控制越多，人们越愿意披露敏感信息，反而可能让自己更脆弱 (Brandimarte et al., 2013)。

因此，Mars 对每一类数据分别征求同意。在 iOS 应用中，你分别授权通讯录、日历、Apple 健康与健身；Gmail 在「设置 > 连接平台」以只读权限连接，你随时可以在「连接平台」断开 (Felt et al., 2012; Gu et al., 2017; Almuhimedi et al., 2015)。

4. 信任，以及工具行为的清晰边界

Joinson 等人先测量参与者的隐私担忧，六周后再向他们提出一项侵入性的个人信息请求（n = 759）。特质性的隐私担忧、对请求方的信任和对这次请求的感知隐私，都能预测参与者是否答应，而感知隐私的作用以信任为中介。在第二项实验（n = 180）中，情境层面的隐私与信任存在交互：高信任可以弥补低隐私，反之亦然 (Joinson et al., 2010)。

Dinev 与 Hart 对 369 名受访者的调查发现，网络隐私担忧会抑制电子商务交易，而网络信任与个人对网络的兴趣合在一起，可能在披露决策中压过隐私风险感知 (Dinev & Hart, 2006)。McKnight 等人则证明信任是多维的，包括信任倾向、制度信任、信任信念和信任意图，并可细分为 16 个可测量的子构念 (McKnight et al., 2002)。

因此，Mars 把自己不会做的事说清楚。以只读权限连接 Gmail 后，Mars 能在对话中检索并阅读你问到的邮件，但绝不会修改或代发任何邮件；Mars 只起草回复，由你复制、修改并自己发送。它不要你的密码和 cookie，也不会替你操作浏览器；遇到登录或安全验证页，会直接告诉你没读到，而不是去猜内容 (Joinson et al., 2010; Dinev & Hart, 2006)。

5. 身边的人

手机数据面临的威胁，不只来自远方的攻击者。Muslukhov 等人访谈了 22 人、调查了 724 人，发现用户普遍担心朋友等「身边人」访问自己手机里的数据；12% 的受访者报告过遭遇未经授权访问的负面经历，年轻用户的风险更高。作者据此提出，数据保护和身份验证的设计应采用把身边人纳入在内的威胁模型 (Muslukhov et al., 2013)。

Egelman 等人通过 28 次访谈了解人们为什么使用或不使用密码等锁屏机制，并辅以两项在线实验。安全功能的使用与风险感知高度相关，说明这是理性的行为；但大多数用户很可能低估了手机里的数据在多大程度上渗透到他们线上和线下的身份 (Egelman et al., 2014)。

基于此，Mars 有自己的一道锁。在「设置 > 隐私登录」设置 6 位隐私密码后，每次打开 Mars 都要先验证身份，即使设备已解锁或与人共用也一样；iOS 支持面容 ID 或触控 ID，网页端可注册通行密钥（Passkey）(Muslukhov et al., 2013; Egelman et al., 2014)。

6. 从证据到设计

上述发现提示：当信息流符合情境、选择在做出的那一刻清晰可见、工具的边界清楚到足以信任，而数据又不会被身边人看到时，人们更愿意向一个工具披露。Mars 的设计逐条对应这些要求：

1. 隐私期望取决于数据类型和情境 → 只导入你勾选的联系人在「连接平台」中按需勾选要导入的 Google 或 iPhone 联系人，不用整本通讯录全量导入，让被用户认为不符合期望的通讯录收集始终由你自己决定 (Martin & Shilton, 2016; Malhotra et al., 2004)。
2. 安装时的权限很少被细读 → 逐项授权在 iOS 应用中分别授权通讯录、日历、Apple 健康与健身，而不是一次性索取全部权限 (Felt et al., 2012; Obar & Oeldorf-Hirsch, 2020; Gu et al., 2017)。
3. 清楚、具体的边界会影响选择 → 只读连接 GmailGmail 在「设置 > 连接平台」以只读权限连接：Mars 能检索并阅读你问到的邮件，但绝不会修改或代发任何邮件，你也随时可以断开 (Tsai et al., 2011; Almuhimedi et al., 2015)。
4. 信任可以弥补感知风险 → 不会以你的名义发出任何东西Mars 只起草回复，由你复制、修改并自己发送。它以未登录访客身份读取公开网页，不要你的密码和 cookie；没读到时会直接告诉你，而不是去猜内容 (Joinson et al., 2010; Dinev & Hart, 2006; McKnight et al., 2002)。
5. 身边人是真实的风险 → 每次打开都要验证的隐私登录在「设置 > 隐私登录」设置 6 位隐私密码后，每次打开 Mars 都要先验证身份，即使设备已解锁或与人共用也一样；iOS 支持面容 ID 或触控 ID，网页端可注册通行密钥 (Muslukhov et al., 2013; Egelman et al., 2014)。

7. 局限与边界

第一，本文引用的研究检验的是人们如何做隐私决策，而不是 Mars 本身。这些证据支持我们的设计方向，但不能说明 Mars 能抵御某种特定威胁，也不能说明其用户的披露因此更安全；这些问题需要另行评估。除产品已公开说明的行为之外，本文不作任何安全承诺。

第二，流行的「隐私悖论」，即人们嘴上在乎隐私、行动上却不然，本身存在争议。一篇综述既发现了支持这一落差的研究，也发现了质疑它的研究，并把结果的分歧归因于研究方法、情境和概念界定的不同 (Kokolakis, 2017)。一项纳入 34 个国家 166 项研究（n = 75,269）的元分析发现，隐私担忧不能预测社交网站的使用，但担忧隐私的用户更少使用在线服务、更少分享信息，也更可能采取保护措施 (Baruh et al., 2017)。一篇系统综述则为「隐私计算」提供了有力支持，预期收益是披露的最佳预测因素之一，同时指出许多研究测量的是意图而非实际行为 (Gerber et al., 2018)。

第三，控制感不等于可以多披露。更多的感知控制可能提高人们分享敏感信息的意愿 (Brandimarte et al., 2013)，信任也可能弥补隐私上的不足 (Joinson et al., 2010)。Mars 的选项和边界旨在让数据流动清晰可见，而不是鼓励人们记录超出本意的内容。

第四，部分研究基于特定样本或情境，例如 Android 用户 (Felt et al., 2012; Gu et al., 2017)、一个虚构的社交网站 (Obar & Oeldorf-Hirsch, 2020)，或自我报告的意图 (Dinev & Hart, 2006; Malhotra et al., 2004)。推广到其他文化、其他平台以及人际关系记录时需要谨慎。

8. 结论

当信息流符合情境、选择在做出时清晰可见、工具的边界清楚到足以信任、身边人又无法随手翻看时，人们更愿意把关系记下来。Mars 的隐私登录、按需导入联系人、iOS 逐项授权、只读连接 Gmail 和以未登录访客身份读取网页，正是依据这些证据设计的。

参考文献

按 APA 第 7 版格式列出；每条均附 DOI 原始链接。

1. Acquisti, A., Brandimarte, L., & Loewenstein, G. (2015). Privacy and human behavior in the age of information. Science, 347(6221), 509–514. https://doi.org/10.1126/science.aaa1465
2. Almuhimedi, H., Schaub, F., Sadeh, N., Adjerid, I., Acquisti, A., Gluck, J., Cranor, L. F., & Agarwal, Y. (2015). Your location has been shared 5,398 times! A field study on mobile app privacy nudging. Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems (CHI ’15), 787–796. https://doi.org/10.1145/2702123.2702210
3. Baruh, L., Secinti, E., & Cemalcilar, Z. (2017). Online privacy concerns and privacy management: A meta-analytical review. Journal of Communication, 67(1), 26–53. https://doi.org/10.1111/jcom.12276
4. Brandimarte, L., Acquisti, A., & Loewenstein, G. (2013). Misplaced confidences: Privacy and the control paradox. Social Psychological and Personality Science, 4(3), 340–347. https://doi.org/10.1177/1948550612455931
5. Dinev, T., & Hart, P. (2006). An extended privacy calculus model for e-commerce transactions. Information Systems Research, 17(1), 61–80. https://doi.org/10.1287/isre.1060.0080
6. Egelman, S., Jain, S., Portnoff, R. S., Liao, K., Consolvo, S., & Wagner, D. (2014). Are you ready to lock?. Proceedings of the 2014 ACM SIGSAC Conference on Computer and Communications Security (CCS ’14), 750–761. https://doi.org/10.1145/2660267.2660273
7. Felt, A. P., Ha, E., Egelman, S., Haney, A., Chin, E., & Wagner, D. (2012). Android permissions: User attention, comprehension, and behavior. Proceedings of the Eighth Symposium on Usable Privacy and Security (SOUPS ’12), 1–14. https://doi.org/10.1145/2335356.2335360
8. Gerber, N., Gerber, P., & Volkamer, M. (2018). Explaining the privacy paradox: A systematic review of literature investigating privacy attitude and behavior. Computers & Security, 77, 226–261. https://doi.org/10.1016/j.cose.2018.04.002
9. Gu, J., Xu, Y. (C.), Xu, H., Zhang, C., & Ling, H. (2017). Privacy concerns for mobile app download: An elaboration likelihood model perspective. Decision Support Systems, 94, 19–28. https://doi.org/10.1016/j.dss.2016.10.002
10. Joinson, A. N., Reips, U.-D., Buchanan, T., & Paine Schofield, C. B. (2010). Privacy, trust, and self-disclosure online. Human–Computer Interaction, 25(1), 1–24. https://doi.org/10.1080/07370020903586662
11. Kokolakis, S. (2017). Privacy attitudes and privacy behaviour: A review of current research on the privacy paradox phenomenon. Computers & Security, 64, 122–134. https://doi.org/10.1016/j.cose.2015.07.002
12. Malhotra, N. K., Kim, S. S., & Agarwal, J. (2004). Internet users’ information privacy concerns (IUIPC): The construct, the scale, and a causal model. Information Systems Research, 15(4), 336–355. https://doi.org/10.1287/isre.1040.0032
13. Martin, K., & Shilton, K. (2016). Putting mobile application privacy in context: An empirical study of user privacy expectations for mobile devices. The Information Society, 32(3), 200–216. https://doi.org/10.1080/01972243.2016.1153012
14. McKnight, D. H., Choudhury, V., & Kacmar, C. (2002). Developing and validating trust measures for e-commerce: An integrative typology. Information Systems Research, 13(3), 334–359. https://doi.org/10.1287/isre.13.3.334.81
15. Muslukhov, I., Boshmaf, Y., Kuo, C., Lester, J., & Beznosov, K. (2013). Know your enemy: The risk of unauthorized access in smartphones by insiders. Proceedings of the 15th International Conference on Human-Computer Interaction with Mobile Devices and Services (MobileHCI ’13), 271–280. https://doi.org/10.1145/2493190.2493223
16. Obar, J. A., & Oeldorf-Hirsch, A. (2020). The biggest lie on the Internet: Ignoring the privacy policies and terms of service policies of social networking services. Information, Communication & Society, 23(1), 128–147. https://doi.org/10.1080/1369118X.2018.1486870
17. Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The effect of online privacy information on purchasing behavior: An experimental study. Information Systems Research, 22(2), 254–268. https://doi.org/10.1287/isre.1090.0260

引用本文

Mars Research. (2026). 人们为什么敢把关系记下来：隐私、控制感与信任. MarsDataAI. https://marsdata.ai/zh-CN/research/privacy-control-and-trust