Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

E-Privacy im E-Commerce: Privacy-Präferenzen vs

Ähnliche Präsentationen


Präsentation zum Thema: "E-Privacy im E-Commerce: Privacy-Präferenzen vs"—  Präsentation transkript:

1 E-Privacy im E-Commerce: Privacy-Präferenzen vs
E-Privacy im E-Commerce: Privacy-Präferenzen vs. tatsächliches Verhalten Bettina Berendt Humboldt-Universität zu Berlin, Institut für Wirtschaftsinformatik Dieser Vortrag basiert primär auf Spiekermann, S., Grossklags, J., & Berendt, B. (2001). E-privacy in 2nd generation E-Commerce: privacy preferences versus actual behavior. In Proceedings of the ACM Conference on Electronic Commerce (EC'01). Tampa, FL, October 2001. Berendt, B., Günther, O., & Spiekermann, S. (in press). Privacy in E-Commerce: Stated preferences vs. actual behavior. To appear in Communications of the ACM. – Habilitationsvortrag, HU Berlin, Wirtschaftswissenschaftliche Fakultät, –

2 Worum geht es? Ein Beispiel …
Grundlage derartiger Dienste: Nutzer geben Daten an e-Unternehmen Wollen sie das? Tun sie das, was sie wollen? Warum? Welche Interessenskonflikte bestehen; welche Lösungen gibt es?

3 Agenda Was geschieht (und was darf geschehen)?
Wollen Nutzer Daten übermitteln? Tun sie das, was sie wollen? Was beeinflusst ihr Verhalten? Warum? Welche Interessenskonflikte bestehen? Welche Lösungen gibt es?

4 Welche Arten von Daten enstehen über Nutzer im E-Commerce?
Herkunft 1: Nutzereingaben “By far, the greatest kind of personal information on the Web today is the information provided by customers when they register at web sites.” (Garfinkel & Spafford, 2002, S. 208) Herkunft 2: sonstiges Verhalten Protokollierung von Webzugriffen in Weblogs IP-Adresse Referrer-URL Plattform: Browser u.a. Cookies Web Bugs Garfinkel, S., with Spafford, G. (2002). Web Security, Privacy & Commerce. 2nd Ed. Sebastopol, CA: O'Reilly.

5 Was ist (E-)Privacy ? E- Informational privacy (1967):
the claim of individuals, groups, or institutions to determine for themselves when, how, and to what extent information about them is communicated to others ... on the Internet Warren, S., & Brandeis, L. (1890). The right to privacy. Harvard Law Review, IV (5), 193ff. Westin, A. (1967). Privacy and Freedom. Boston: Atheneum Press.

6 Datenschutzrechtliche Grundprinzipien: EU-Richtlinie 95/46/EC, BDSG, …
Schutzbereich personenbezogene Daten = alle Einzelangaben über persönliche und sachliche Verhältnisse einer bestimmten oder bestimmbaren natürlichen Person Personenbezogene Daten dürfen nur gesammelt werden mit der informierten Einwilligung bezüglich wer : wer sammelt / verwendet die Daten wozu : zu welchem Zweck was : Art und Menge, die diesem Zweck angemessen ist Daten dürfen dann nur in der so spezifizierten Art verwendet werden. Individuen können ihre Daten einsehen und berichtigen, und die Verwendung untersagen. Ergänzt durch EU-Richtlinie 2002/58/EC über die Verarbeitung personenbezogener Daten und den Schutz der Privatsphäre in der elektronischen Kommunikation (12. Juli 2002; umzusetzen bis ) Spezifische Regelungen u.a. zu Cookies, Spam

7 Privacy-Statements: Ein Beispiel
Informierte Einwilligung Wer + wozu Was

8 Agenda Was geschieht (und was darf geschehen)?
Wollen Nutzer Daten übermitteln? Tun sie das, was sie wollen? Was beeinflusst ihr Verhalten? Warum? Welche Interessenskonflikte bestehen? Welche Lösungen gibt es?

9 Umfrage-Ergebnisse: Hohes Privacy-Bewusstsein, überall
Internetnutzer berichten mehrheitlich: sie befürchten Verletzungen ihrer Privatsphäre im Internet sind in ihrer Bereitschaft, Information preiszugeben, vom Umgang einer Site mit Privacy-Fragen abhängig vermeiden Websites, um ihre Privatsphäre zu schützen geben falsche Daten an bezweifeln die Integrität und Effizienz der Datenschutzmaßnahmen kommerzieller Websites  implizite Annahmen: Nutzer verhalten sich auch dementsprechend dabei berücksichtigen sie die Informationen aus Privacy-Statements Überblick über Umfragestudien: Teltzrow, M., & Kobsa, A. (2003). Impacts of User Privacy Preferences on Personalized Systems – a Comparative Study. In CHI-2003 Workshop "Designing Personalized User Experiences for eCommerce: Theory, Methods, and Research", Fort Lauderdale, FL.

10 Agenda Wollen Nutzer Daten übermitteln? Tun sie das, was sie wollen?
Was geschieht (und was darf geschehen)? Wollen Nutzer Daten übermitteln? Tun sie das, was sie wollen? Was beeinflusst ihr Verhalten? Warum? Die IWA-Studie („Interaction with Agents“) Fragen und Ziele Methode Ergebnisse Interpretation Welche Interessenskonflikte bestehen? Welche Lösungen gibt es? Gesamtdarstellung d. IWA-Studie: Spiekermann, S. (2001). Online information search with electronic agents – drivers, impediments, and privacy issues. Dissertation, Inst. f. Wi-Inform., HUB.

11 Methode – Überblick (1) Teilnehmer Materialien Prozedur
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Methode – Überblick (1) Teilnehmer 206 Personen [171 gültige Fälle] Chance eines 60% Preisnachlass od. finanzielle Entschädigung Materialien Fragebögen Online-Shop mit Breitbandverbindung (Nutzung aus HU-Labor) Prozedur Inf. über Ziel: „die Interaktion mit einer neuen Produkt-Suchmaschine zu testen, die am Institut für Wirtschaftsinformatik für einen industriellen Partner entwickelt wurde“ Präsentation Privacy-Statement; schriftliches Einverständnis z. Weitergabe d. Daten zu Analysezwecken an den Sponsor Fragebogen 1 Online-Shopping, Verkaufsdialog m. Agent, ggf. Kaufentscheidung Fragebogen 2

12 Methode – Überblick (2) Design Unabhängige Variablen:
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Methode – Überblick (2) Design Unabhängige Variablen: Produktart: Suchgut Kompaktkamera vs. Erfahrungsgut Winterjacke – Wahl durch Teilnehmer Privacy-Statement: „weich“ vs. „hart“ – randomisiert Abhängige Variablen: Einstellungen: [Maß auf Basis der Antworten auf Fragebogen 1] Verhalten: [Maße auf Basis der Web-Logs: Zahl + Art der Agenten-Fragen, die beantwortet wurden]

13 Die Fragebögen Multiple-choice- / offene Fragen zu:
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Die Fragebögen Multiple-choice- / offene Fragen zu: FB1: Demographischen Angaben; PC- und Internetnutzung; Erfahrung mit Onlinekauf; produkt- und kaufbezogene Fragen; Budget, FB1: Privacy-Einstellungen – 27% der Fragen (nach Ackerman et al., 1999) Wie stark tangiert Sie eine potentielle Einbuße an Privatsphäre durch die Nutzung des Internets? Reaktion auf versch. Szenarien – „Würden Sie das Formular ausfüllen?“ Wie wohl fühlen Sie sich dabei, die folgenden Informationen auf einer Website anzugeben: Name, Postanschrift, , Telefonnr., Inf. über Computer, Einkommen, Kreditkartennr., Inf. über Hobbies, Gesundheit, Alter FB2: Gesamteinschätzung der Interaktion (wie angenehm?, Qualität der Empfehlungen, wahrgenommener Einfluss auf das Interaktionsverhalten) Ackerman, M.S., Cranor, L.F., and Reagle, J. Privacy in E-commerce: Examining user scenarios and privacy preferences. In Proceedings of the ACM Conference on Electronic Commerce EC’99 (Denver, CL, Nov.). 1999, 1-8.

14 Online-Shop: Begrüßung durch Agent Luci
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Online-Shop: Begrüßung durch Agent Luci

15 IWA/Privacy: Methode Erg. : Einstellungen Erg
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Fragen & Antworten

16 IWA/Privacy: Methode Erg. : Einstellungen Erg
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Empfehlungen

17 Produktbeschreibungen
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Produktbeschreibungen

18 Agenten-Fragen (analog) Jacke Kamera Fragen-Typen
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Agenten-Fragen Fragen zusammen mit echten Verkaufsberatern entwickelt Alle Fragen getestet: Die meisten wurden als nicht legitim und irrelevant für das Verkaufsgespräch eingestuft Bis zu 56 Fragen (ø im normalen Verkaufsgespräch: 3) (analog) Legen Sie Wert auf eine Kamera [mit Zoom]? Produktattribut-Fragen Jacke Kamera Fragen-Typen Zu welchen Anlässen fotografieren Sie meistens / wollen Sie fotografieren? Nutzungsorientierte Fragen Wie wichtig sind Ihnen niedrige Kosten bei der Filmentwicklung? Persönliche Fragen, die die Produktwahl unterstützen Halten Sie sich selbst für fotogen? Persönliche Fragen ohne Zusammenhang mit der Produktwahl Annacker, D., Spiekermann, S., Strobel, M. (2001). E-privacy:A new search cost dimension in online environments. In Proc. of the 14th Bled Conference of Electronic Commerce, June 2001.

19 Einstellungen: Messung und Aggregation
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Einstellungen: Messung und Aggregation Privacy-Einstellungen wurden beschrieben durch 14 Variablen auf der Basis von Fragebogen 1 : 3 Indizes auf der Basis der Szenarien 1 * grundsätzliche Befürchtung bzgl. Privacy 10 * Bereitschaft, spezifische Daten offenzulegen z-Transformation aller Variablen k-means-Clustering  4 Cluster (vgl. Ackerman et al., 1999) Ackerman, M.S., Cranor, L.F., and Reagle, J. Privacy in E-commerce: Examining user scenarios and privacy preferences. In Proceedings of the ACM Conference on Electronic Commerce EC’99 (Denver, CL, Nov.). 1999, 1-8.

20 Einstellungs-Cluster
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Einstellungs-Cluster 24% 26% 20% 30% Im Gesamt-sample Identitäts-Info. Profil-Info. Wollen Nutzer private Daten übermitteln? Die meisten Nutzer haben mittlere bis schwere Bedenken hinsichtlich ihrer E-Privacy!

21 Verhaltens-Erwartungen aufgrund der gefundenen Privacy-Einstellungen
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Verhaltens-Erwartungen aufgrund der gefundenen Privacy-Einstellungen hoch unter bestimmten Umständen gering

22 IWA/Privacy: Methode Erg. : Einstellungen Erg
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Interaktions-Verhalten – das PCIC-Maß: personal consumer information cost PCIC einer Frage (Annacker et al., 2001): „Die Interaktionskosten stehen hier für „die intuitive Bereitschaft“ die Frage der Suchmaschine zu beantworten; also … ob man bereit ist, die verlangte private Information … preiszugeben. ‚Keine’ Informationskosten: überhaupt kein Problem damit, die Frage wahrheitsgemäß zu beantworten ‚Sehr hohe’ Informationskosten: man will diese Information unter keinen Umständen an eine Suchmaschine weitergeben Regression  PCIC lin. abh. von Legitimität und Relevanz (~ -0.5, p<0.01) & von Schwierigkeit (0.14, p<0.01) der Frage. PCIC einer Person = S PCIC aller von ihr beantworteten Fragen  {niedrig, mittel, hoch} Annacker, D., Spiekermann, S., Strobel, M. (2001). E-privacy:A new search cost dimension in online environments. In Proc. of the 14th Bled Conference of Electronic Commerce, June 2001.

23 Operationalisierung der Verhaltens-Erwartungen
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Operationalisierung der Verhaltens-Erwartungen %, die Adresse angeben % mit hohem PCIC

24 Einstellungen vs. Verhalten
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Tun Nutzer das, was sie wollen? Nutzer handeln zwar in relativer, nicht aber in absoluter Übereinstimmung mit ihren Einstellungen! Einstellungen vs. Verhalten 1.00 0.97 0.78 0.64 0.78 (p<0.05) 0.35 0.26 Im Ø 85.8% der Fragen beantwortet! 0.23 (p<0.05)

25 Einfluss des Privacy-Statements
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Einfluss des Privacy-Statements Privacy-Statement  PCIC: n.s. (p>0.9) Privacy-Statement  Adress-Bekanntgabe: n.s. (p>0.5) aber: höher beim „weichen“ Privacy-Statement (EU-Schutz!) in allen Clustern außer den Identitäts-Besorgten im Mittel 5% höher (11% ohne das inkonsistente Cluster) Was beeinflusst das Verhalten von Nutzern? Privacy-Statements scheinen keinen Einfluss auf das Nutzerverhalten zu haben!

26 Gesamtbeurteilung der Agenten-Interaktion
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Gesamtbeurteilung der Agenten-Interaktion Fragebogen 2: Den meisten Teilnehmern gefiel die „weiche Kommunikation“ Selbst jene, die in FB 1 Privacy-Bedenken geäußert hatten und denen die Qualität der Empfehlungen nicht hoch erschien, äußerten, dass sie sich von Luci unterstützt fühlten: Unterstützung dabei, „ein Gefühl für das Produkt zu bekommen“ Die Fragen waren „nicht zu technisch“ und „leicht verständlich“ Sie fühlten sich „persönlich angesprochen“ in ihren Bedürfnissen Debriefing-Gespräche: keine Anzeichen für Wahrnehmung, dass die Ereignisse im Shop etwas mit Privacy zu tun hatten, es eine Diskrepanz zwischen Einstellungen und Verhalten gab. Was wollen Nutzer? (2) Nutzer begrüßen eine reichhaltige, interaktive Umgebung!

27 Warum weicht das Verhalten von den Einstellungen ab?
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Warum weicht das Verhalten von den Einstellungen ab? Verhalten findet immer in einem Kontext statt. In diesem werden Entscheidungen konstruiert.

28 Die Kommunikation mit Luci und die Grice‘schen Konversationsmaximen
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Die Kommunikation mit Luci und die Grice‘schen Konversationsmaximen Umbewertung von Fragen, die nicht legitim nicht relevant schwierig zu beantworten sind Um durch kooperatives Verhalten eine Kommunikation erfolgreich zu machen ... ... befolge die vier Konversationsmaximen: Quantität: so informativ wie möglich (aber nicht mehr) Qualität: wahr und begründet (zumindest subjektiv) Relation: Jeglicher Beitrag sollte relevant zur Konversation sein! die Maxime der Art und Weise Mehrdeutigkeiten und Unklarheiten vermeiden! Nicht abschweifen! Menschen erwarten die Einhaltung dieser Prinzipien, auch in Umfragen, Experimenten  oft Umbewertung von Äußerungen Die Maximen gelten auch in Mensch-Computer-Interaktionen. P. Grice: Logic and conversation. In P. Cole and J.L. Morgan, (eds.): Syntax and Semantics, Vol. 3, Speech Acts, New York, Academic Press, 1975, Schwarz, N. Cognition and Communication: Judgmental Biases, Research Methods, and the Logic of Conversation. Lawrence Erlbaum Associates, Hillsdale, NJ, 1996.

29 Framing Vorstudie und Fragebogen 1: z.B.  VERLUST !
IWA/Privacy: Methode Erg.: Einstellungen Erg.: Verhalten  Interpretation Framing Vorstudie und Fragebogen 1: z.B. „Die Interaktionskosten stehen … für das … Gefühl, ob man bereit ist, die verlangte private Information von sich preiszugeben. ...” „Wie stark tangiert Sie eine potentielle Einbuße an Privatsphäre ..?“  VERLUST ! Briefing und im Online-Shop: z.B. Ich bin Luci - Ihre Einkaufsberaterin - und unterstütze Sie bei Ihrem Shopping-Trip. Ich sortiere die 50 Kameramodelle in unserem Onlineangebot auf Basis Ihrer Produktwünsche und zeige Ihnen die für Sie am Besten geeigneten Produkte an.  GEWINN ! Die Betonung relativer Gewinne oder Verluste hat (bei gleicher Faktenlage) einen deutlichen Einfluss auf Wahlentscheidungen. Vgl. z.B. McNeil, B.J., Pauker, S.G., Sox, H.C., & Tversky, A. (1982). On the elicitation of preferences for alternative therapies. New England Journal of Medicine, 306,

30 Agenda Was geschieht (und was darf geschehen)?
Wollen Nutzer Daten übermitteln? Tun sie das, was sie wollen? Was beeinflusst ihr Verhalten? Warum? Welche Interessenskonflikte bestehen? Welche Lösungen gibt es?

31 Interessenskonflikte
Datenqualität höheres Vertrauen der Nutzer / Kunden Privatsphäre Vermeidung der Konsequenzen fehlerhafter Daten Vermeidung von Sicherheitsproblemen Schutz vor unethischen Praktiken Datensparsamkeit Profitabilität durch Identifizierte Profile cross-selling gezielte Werbung Verbesserter Service, z.B. Personalisierung Datenreichtum in einer interaktiven Umgebung Unternehmen Spiekermann, S., Dickinson, I., Günther, O., & Reynolds, D. (2003). User agents in E-commerce environments: Industry vs. Consumer perspectives on data exchange. In Proc. CAiSE 2003 (pp ) Springer LNCS Verbesserter Service, z.B. Personalisierung Datenreichtum in einer interaktiven Umgebung Individuum für ... Vorteile von ... Privatsphäre Vermeidung der Konsequenzen fehlerhafter Daten Vermeidung von Sicherheitsproblemen Schutz vor unethischen Praktiken Datensparsamkeit Verbesserter Service, z.B. Personalisierung Datenreichtum in einer interaktiven Umgebung

32 Agenda Was geschieht (und was darf geschehen)?
Wollen Nutzer Daten übermitteln? Tun sie das, was sie wollen? Was beeinflusst ihr Verhalten? Warum? Welche Interessenskonflikte bestehen? Welche Lösungen gibt es?

33 Privacy enhancing technologies: P3P
IWA/Privacy: Methode Ergebnisse Interpretation  Schlussfolgerungen Privacy enhancing technologies: P3P P3P (Platform for Privacy Preferences) Standardisierte Kommunikation Nutzer – Site auf XML-Basis, insb.: wer <RECIPIENT>, wozu <PURPOSE>, was (Datenkategorien) Privacy-Policies: maschinenverstehbare Privacy-Statements Privacy-Präferenzen: Einstellungen des Nutzers, formalisiert für seinen Nutzer-Agenten Mismatch  Warnung oder Blockieren Hauptprobleme: Warnung, aber kein Schutz, nachdem die Website betreten wurde Keine Möglichkeit, dienst-spezifische Präferenzen auszudrücken  im Licht unserer 2 Hauptergebnisse: P3P nicht effektiv genug! W3C (2000). The Platform for Privacy Preferences 1.0 (P3P1.0) Specification. and

34 Aspekte einer besseren privacy enhancing technology
IWA/Privacy: Methode Ergebnisse Interpretation  Schlussfolgerungen Aspekte einer besseren privacy enhancing technology Zur Unterstützung der reichhaltigen und dienst-spezifischen Interaktion, die Nutzer wünschen: Monitoring der Dienste; Information über potenzielle Probleme (vgl. P3P); hierbei Nutzung privacy-bezogener Metadaten unabh. Institut. Lernen der Nutzer-Präferenzen durch Beobachtung, dynamische und dienst-spezifische Änderungen der Settings Aufzeichnung aller Interaktionen mit allen Webdiensten  reichhaltige client-seitige Profile  nutzerabhängige, selektive Bereitstellung an Dritte Zur Verlagerung der Kontrolle zu den Nutzern und zu ihrem Schutz gegen Kontexteffekte: Komfortable Benutzungsschnittstellen, privacy-freundliche Defaults Identitätsmanagement, Pseudonymität Dekontextualisierung

35 Techniken zur Dekontextualisierung
IWA/Privacy: Methode Ergebnisse Interpretation  Schlussfolgerungen Techniken zur Dekontextualisierung Den “Fluss der Interaktion” unterbrechen  nur selektiv, basierend auf den gelernten Präferenzen Aber: maschinelles Lernen aus ineffektivem Verhalten reicht nicht! Clustering von Interaktionen, regelmäßiges Review durch den Nutzer Sammlung “guter” Interaktions-Historien, Pooling in Peer-Netzwerk, als Basis für das Lernen individueller Nutzer-Agenten Den “Fluss der Interaktion” unterbrechen  nur selektiv, basierend auf den gelernten Präferenzen Aber: maschinelles Lernen aus ineffektivem Verhalten reicht nicht! Clustering von Interaktionen, regelmäßiges Review durch den Nutzer Sammlung “guter” Interaktions-Historien, Pooling in Peer-Netzwerk, als Basis für das Lernen individueller Nutzer-Agenten

36 PET: Techniken zur Unterstützung privacy-bezogener Metakognition
Was wir auch noch über Sie wissen At 13:43, you requested the do-it-yourself course guide page. Then you moved the mouse over the link info.php?ref=http://vasarely.wiwi.hu-berlin.de/WebMiningSS02/index.php. Then you requested the page info0.php. Then you moved the mouse over the link Then you requested the page Then you moved the mouse over the link Then you moved the mouse over the link Then you moved the mouse over the link Then you requested the page Then you asked for this proof of the observation of your actions, and here it is! All your actions have been logged. Was wir über Sie wissen Hello! You are accessing this page from the computer called vasarely.wiwi.hu-berlin.de This computer has the numerical address and you are using the following browser ("Mozilla" means "Netscape") and operating system: Mozilla/5.0 (compatible; Konqueror/2.2.2; Linux) You came from the Web page (If the previous line is empty, then you typed the URL directly.) Die letzten 20 Zugriffe auf die Lehrmaterialien aus dieser Seminargruppe pd9e9fded.dip.t-dialin.net - - [18/May/2003:13:58: ] "GET / HTTP/1.0" "-" "-" [18/May/2003:14:38: ] "SEARCH / HTTP/1.1" "-" "-" pd9e7a72a.dip.t-dialin.net - - [18/May/2003:17:06: ] "GET /lehre/2003s/wmi/WEKA-slides/ HTTP/1.1" "-" "Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)" pd9e7a72a.dip.t-dialin.net - - [18/May/2003:17:06: ] "GET /icons/blank.gif HTTP/1.1" "http://vasarely.wiwi.hu-berlin.de/lehre/2003s/wmi/WEKA-slides/" "Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)" ...

37 Ausblick: Neue Technologien, neue (und alte!) Fragen
Beispiel Mobilfunk & lokationsbasierte Dienste: Neue Arten von Daten: Standortdaten Neue gesetzliche Regelungen: Notrufdienste (derzeit?) andere Art von Basisarchitektur: kein end-to-end  weniger nutzerseitige Kontrolle Die grundsätzlichen Interessenskonflikte bestehen auch hier! Erwartung: dasselbe gilt für die grundsätzlichen Kontexteffekte Jörg Siede. Der Schutz der Privatsphäre bei der Nutzung standortbezogener Dienste im Mobilfunk. Diplomarbeit, Juli 2003

38 Vielen Dank ! Fragen ? privacy/threat/pr.html


Herunterladen ppt "E-Privacy im E-Commerce: Privacy-Präferenzen vs"

Ähnliche Präsentationen


Google-Anzeigen