摘要

一份人際關係紀錄，既包含記錄者本人的資訊，也包含其認識的每一個人的資訊。本文回顧四組研究證據：第一，隱私判斷取決於情境、資料類型和用途，籠統的隱私態度對它的預測力很弱 (Acquisti et al., 2015; Martin & Shilton, 2016)；第二，人們很少留意權限請求或閱讀隱私權政策，而在決策當下清楚呈現的資訊會改變他們的選擇 (Felt et al., 2012; Obar & Oeldorf-Hirsch, 2020; Tsai et al., 2011)；第三，對索取方的信任影響人們是否揭露 (Joinson et al., 2010)，而籠統的網路信任加上個人對網路的興趣，可能壓過所感知的隱私風險 (Dinev & Hart, 2006)；第四，手機裡的資料會暴露在朋友等身邊的人面前，而人們是否鎖定手機與其風險感知密切相關 (Muslukhov et al., 2013; Egelman et al., 2014)。根據這些證據，Mars 提供 6 位隱私密碼、iOS 上的面容 ID / 觸控 ID 或瀏覽器通行金鑰的隱私登入，只匯入你勾選的聯絡人，在 iOS 上逐項授權，以唯讀方式連接 Gmail，並以未登入訪客身分讀取公開網頁。本文同時說明邊界：隱私悖論本身存在爭議，更多控制感可能帶來更多揭露 (Kokolakis, 2017; Brandimarte et al., 2013)；這些證據支持設計方向，並不等同於對 Mars 本身的檢驗。

關鍵詞：隱私登入 · 隱私悖論 · 資訊隱私 · 情境完整性

1. 引言

關係助理只有在人們願意告訴它事情時才有用：見了誰、聊了什麼、朋友正在經歷什麼。這些既是關於使用者本人的資訊，也是關於第三方的資訊。刊登於 Science 的一篇回顧以三個主題整理了隱私行為的實證研究：人們對隱私相關行為的後果以及自己的偏好並不確定；隱私擔憂隨情境而變；這種擔憂具有可塑性，可能被商業和政府利益所操弄 (Acquisti et al., 2015)。電子商務研究則認為，信任幫助消費者克服對風險和不安全的感知，讓他們願意分享個人資訊 (McKnight et al., 2002)。

本文要回答的問題是：在什麼條件下，人們願意把自己的人際關係記錄到一個數位工具裡？這些條件又如何轉化為一款關係助理的具體設計？

研究方法說明：本文是一篇敘述性文獻回顧。我們優先選取經同儕審查、可透過 DOI 存取的研究，優先採用後設分析、系統性回顧、實驗和實地研究，並納入對流行說法提出限制或質疑的研究。文中每一項研究發現都標註了出處；由這些發現推出的推論句為本文所加，並明確註明。文末列出完整參考文獻和原始連結。

2. 隱私取決於情境，而不只是保密

情境完整性關注的是一次資訊流動是否符合其所在情境的隱私期望，而這種期望隨所蒐集的資料類型和使用情境而變 (Martin & Shilton, 2016)。Martin 與 Shilton 以因子情境問卷檢驗了這一點，在行動裝置情境中系統變換真實情境（如醫療、導航、音樂）、資料類型和資料用途。結果顯示，個人籠統的隱私偏好對其在具體情境中的隱私判斷預測意義有限；而結果顯示，蒐集並再利用位置資料、照片和通訊錄等常見做法，並不符合使用者的隱私期望 (Martin & Shilton, 2016)。

隱私擔憂本身也有結構。Malhotra 等人在兩次實地調查中面訪了 742 名家戶受訪者，發現網路使用者的資訊隱私擔憂由蒐集、控制和知情三個面向構成，以這些擔憂為核心的模型能解釋人們在被索取時提供個人資訊意願的很大一部分變異 (Malhotra et al., 2004)。既然擔憂隨情境而變 (Acquisti et al., 2015)，我們由此推論，關鍵不只是一個工具有沒有資料，而是它蒐集哪些資料、從哪裡來、用於什麼。

根據這些證據，Mars 讓每一條資訊流都維持窄口徑。在「連接平台」中，你依需要勾選要匯入的 Google 或 iPhone 聯絡人，不用整本通訊錄全部匯入。你傳來連結或搜尋找到網頁時，Mars 讀到的就是未登入訪客能看到的內容：不帶任何帳號、cookie、密碼或登入狀態，讀完也不保留 (Martin & Shilton, 2016; Malhotra et al., 2004)。

3. 看得見、選得了的權限

權限請求往往在跳出的那一刻就失效了。在一項對 308 名 Android 使用者的網路調查和一項 25 人的實驗室研究中，只有 17% 的參與者在安裝時留意了權限，只有 3% 的調查受訪者答對全部三道理解題；不過也有一部分使用者同時展現了注意和合理的理解 (Felt et al., 2012)。隱私權政策的情況也類似：543 名參與者註冊一個虛構的社群網站時，74% 透過「快速加入」略過了隱私權政策，98% 沒有注意到關於與美國國家安全局和雇主分享資料的條款 (Obar & Oeldorf-Hirsch, 2020)。

在決策處呈現的資訊確實會改變選擇。當購物搜尋引擎清楚、簡潔地顯示隱私資訊時，消費者傾向於向隱私保護較好的商家購買，部分人願意為此多付錢 (Tsai et al., 2011)。在 Android 使用者決定是否下載應用程式時，所感知的權限敏感度會提高隱私擔憂；而對權限用途的說明，只對較少遭遇過隱私侵害的使用者有降低擔憂的作用 (Gu et al., 2017)。

持續的控制同樣重要。一項實地研究中，參與者使用應用程式權限管理工具一週後，再收到顯示應用程式存取其敏感資料頻率的提示，95% 的參與者重新檢視了權限，58% 進一步收緊了部分權限 (Almuhimedi et al., 2015)。但控制也有已知的副作用：Brandimarte 等人檢驗了這樣一個假設，並獲得支持：對私人資訊釋出的感知控制越多，人們越願意揭露敏感資訊，反而可能讓自己更脆弱 (Brandimarte et al., 2013)。

在 iOS 應用程式中，你分別授權聯絡人、行事曆、Apple 健康與健身；Gmail 在「設定 > 連接平台」以唯讀權限連接，你隨時可以在「連接平台」中斷 Gmail 連接。上述研究說明的是安裝時權限的問題 (Felt et al., 2012; Gu et al., 2017) 和事後檢視的價值 (Almuhimedi et al., 2015)；沒有一項檢驗過逐項授權，所以「對每一類資料分別徵求同意」是本文據此提出的推論，而逐項跳出的授權本身也是 iOS 的做法。

4. 信任，以及工具行為的清楚邊界

Joinson 等人先測量參與者的隱私擔憂，六週後再向他們提出一項侵入性的個人資訊請求（n = 759）。特質性的隱私擔憂、對請求方的信任和對這次請求的感知隱私，都能預測參與者是否答應，而感知隱私的作用以信任為中介。在第二項實驗（n = 180）中，情境層面的隱私與信任存在交互作用：高信任可以彌補低隱私，反之亦然 (Joinson et al., 2010)。

Dinev 與 Hart 對 369 名受訪者的調查發現，網路隱私擔憂會抑制電子商務交易，而網路信任與個人對網路的興趣合在一起，可能在揭露決策中壓過隱私風險感知 (Dinev & Hart, 2006)。McKnight 等人則證明信任是多面向的，包括信任傾向、制度信任、信任信念和信任意圖，並可細分為 16 個可測量的子構念 (McKnight et al., 2002)。

因此，Mars 把自己不會做的事說清楚。以唯讀權限連接 Gmail 後，Mars 能在對話中搜尋並閱讀你問到的郵件，但絕不會修改或代發任何郵件；Mars 只起草回覆，由你複製、修改並自己傳送。它不要你的密碼和 cookie，也不會替你操作瀏覽器；遇到登入或安全驗證頁，會直接告訴你沒讀到，而不是去猜內容 (Joinson et al., 2010; Dinev & Hart, 2006)。

5. 身邊的人

手機資料面臨的威脅，不只來自遠方的攻擊者。Muslukhov 等人訪談了 22 人、調查了 724 人，發現使用者普遍擔心朋友等「身邊的人」存取自己手機裡的資料；12% 的受訪者回報曾遭遇未經授權存取的負面經驗，年輕使用者的風險較高。作者據此主張，資料保護和身分驗證的設計應採用把身邊的人納入在內的威脅模型 (Muslukhov et al., 2013)。

Egelman 等人透過 28 次訪談了解人們為什麼使用或不使用密碼等鎖定機制，並輔以兩項線上實驗。安全功能的使用與風險感知高度相關，顯示這是理性的行為；但大多數使用者很可能低估了手機裡的資料在多大程度上滲透到他們線上和線下的身分 (Egelman et al., 2014)。

根據這一點，Mars 有自己的一道鎖。在「設定 > 隱私登入」設定 6 位隱私密碼後，每次開啟 Mars 都要先驗證身分，即使裝置已解鎖或與人共用也一樣；iOS 支援面容 ID 或觸控 ID，網頁版可註冊通行金鑰（Passkey）(Muslukhov et al., 2013; Egelman et al., 2014)。

6. 從證據到設計

上述發現顯示：當資訊流符合情境、選擇在做出的那一刻清楚可見、工具的邊界清楚到足以信任，而資料又不會被身邊的人看到時，人們更願意向一個工具揭露。Mars 的設計逐條對應這些要求；第三張配圖展示唯讀連接 Gmail：

1. 隱私期望取決於資料類型和情境 → 只匯入你勾選的聯絡人在「連接平台」中依需要勾選要匯入的 Google 或 iPhone 聯絡人，不用整本通訊錄全部匯入，讓結果顯示不符合使用者期望的通訊錄蒐集始終由你自己決定 (Martin & Shilton, 2016)。
2. 安裝時的權限很少被細讀 → 逐項授權在 iOS 應用程式中分別授權聯絡人、行事曆、Apple 健康與健身。分開授權能彌補安裝時權限請求的不足，這是本文根據所引研究提出的推論，而不是經過檢驗的結果 (Felt et al., 2012; Gu et al., 2017)。
3. 清楚、具體的邊界會影響選擇 → 唯讀連接 GmailGmail 在「設定 > 連接平台」以唯讀權限連接：Mars 能搜尋並閱讀你問到的郵件，但絕不會修改或代發任何郵件，你也隨時可以中斷連接；在我們看來，清楚寫明的邊界與 Tsai 等人實驗中醒目的隱私資訊作用相似 (Tsai et al., 2011)。
4. 信任可以彌補感知風險 → 不會以你的名義發出任何東西Mars 只起草回覆，由你複製、修改並自己傳送。它以未登入訪客身分讀取公開網頁，不要你的密碼和 cookie；沒讀到時會直接告訴你，而不是去猜內容 (Joinson et al., 2010; Dinev & Hart, 2006; McKnight et al., 2002)。
5. 身邊的人是真實的風險 → 每次開啟都要驗證的隱私登入在「設定 > 隱私登入」設定 6 位隱私密碼後，每次開啟 Mars 都要先驗證身分，即使裝置已解鎖或與人共用也一樣；iOS 支援面容 ID 或觸控 ID，網頁版可註冊通行金鑰 (Muslukhov et al., 2013; Egelman et al., 2014)。

7. 限制與邊界

第一，本文引用的研究檢驗的是人們如何做隱私決策，而不是 Mars 本身。這些證據支持我們的設計方向，但不能說明 Mars 能抵禦某種特定威脅，也不能說明其使用者的揭露因此更安全；這些問題需要另行評估。除產品已公開說明的行為之外，本文不作任何安全承諾。

第二，流行的「隱私悖論」，也就是人們嘴上在乎隱私、行動上卻不然，本身存在爭議。一篇回顧既發現了支持這個落差的研究，也發現了質疑它的研究，並把結果的分歧歸因於研究方法、情境和概念界定的不同 (Kokolakis, 2017)。一項納入 34 個國家 166 項研究（n = 75,269）的後設分析發現，與隱私悖論的前提一致，隱私擔憂無法預測社群網站的使用，但擔憂隱私的使用者較少使用線上服務、較少分享資訊，也較可能採取保護措施；除資訊分享外，這些關係在意圖和行為上相當，而且結果可推廣到不同性別、文化取向和國家法律體系 (Baruh et al., 2017)。一篇系統性回顧則為「隱私計算」提供了有力支持，預期效益是揭露的最佳預測因子之一，同時指出許多研究測量的是意圖而非實際行為 (Gerber et al., 2018)。

第三，控制感不等於可以多揭露。更多的感知控制可能提高人們分享敏感資訊的意願；如果人們的反應足以抵銷保護作用，為保護他們而設計的技術反而可能加劇他們面臨的風險 (Brandimarte et al., 2013)，Mars 這樣的逐項控制也不例外。信任也可能彌補隱私上的不足 (Joinson et al., 2010)。逐項跳出的授權還有一層風險：Felt 等人發現人們在安裝時很少留意權限警告 (Felt et al., 2012)，我們推論一連串逐項授權同樣可能被草草略過。Mars 的選項和邊界旨在讓資料流動清楚可見，而不是鼓勵人們記錄超出本意的內容。

第四，部分研究以特定樣本或情境為對象，例如 Android 使用者 (Felt et al., 2012; Gu et al., 2017)、一個虛構的社群網站 (Obar & Oeldorf-Hirsch, 2020)，或自陳的意圖 (Dinev & Hart, 2006; Malhotra et al., 2004)。關於隱私擔憂的後設分析結果可推廣到不同性別、文化取向和國家法律體系 (Baruh et al., 2017)，但把單項研究推廣到其他平台以及人際關係紀錄時需要謹慎。

8. 結論

當資訊流符合情境、選擇在做出時清楚可見、工具的邊界清楚到足以信任、身邊的人又無法隨手翻看時，人們更願意把關係記下來。Mars 的隱私登入、依需匯入聯絡人、iOS 逐項授權、唯讀連接 Gmail 和以未登入訪客身分讀取網頁，正是依據這些證據設計的。

參考文獻

依 APA 第 7 版格式列出；每筆皆附 DOI 原始連結。

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). 人們為什麼敢把關係記下來：隱私、控制感與信任. MarsDataAI. https://marsdata.ai/zh-TW/research/privacy-control-and-trust