0 avaliações0% consideraram este documento útil (0 voto)
46 visualizações72 páginas
Descrição:
Trabalho apresentado ao Programa de Pós-graduação em Ciência da Computação do Centro de Informática da Universidade Federal de Pernambuco como requisito parcial para obtenção do grau de Mestre em Ciência da Computação.
Resumo: O crescimento desenfreado da população nos centros urbanos afeta diretamente a provisão de serviços concebidos para suprir às necessidades dos cidadãos. De acordo com relatórios da Organização das Nações Unidas (ONU), a população urbana cresceu de 30%, nos anos 50, para 51% em 2010 - o que foi confirmado pelo Banco Mundial, com uma média de 57% da população mundial vivendo em centros urbanos - e, finalmente em 2050, a estimativa aponta para alarmantes 70%. Frente a essa realidade iminente, discute-se na literatura que grande parte das cidades não contam com serviços básicos (como transporte, energia elétrica, água, saneamento básico, saúde pública, educação, segurança pública, etc.) devidamente preparados para suportar tamanho crescimento, nem mesmo possui a infraestrutura necessária para gerenciar suas consequências.
É neste cenário que se estabelece o conceito de Cidades Inteligentes, nas quais se empregam Tecnologias de Informação e Comunicação (TICs) para solucionar ou minimizar problemas no âmbito urbano, ligados à provisão de serviços, processando dados coletados de entidades imersas neste contexto, a fim de que se entenda a dinâmica de funcionamento da cidade, permitindo compreender os problemas, identificar falhas, propor e implementar soluções e melhorias, adequadas à sua realidade, visando melhorar a qualidade de vida dos cidadãos.
Dentre os dados coletados para o propósito citado, vindo de sensores instalados no ambiente, de dispositivos móveis, da internet, etc., existe uma quantidade significativa de dados pessoais, que podem ser analisados e combinados - divergindo do objetivo inicial - gerando situações que comprometem a privacidade individual. Com as informações geradas a partir deste processo, organizações privadas e públicas podem beneficiar-se, explorando as necessidades dos indivíduos monitorados ao deter mais informação e conhecimento sobre o indivíduo, do que ele próprio. Este panorama reflete a forma como nossos dados são predominantemente tratados atualmente, configurando um paradigma centrado em dados, no qual o indivíduo, seus direitos e preferências são mantidos em segundo plano.
A literatura apresenta diversas soluções para provisão de privacidade, algumas de arquiteturas fechadas, outras abertas, específicas para uma diversidade de contextos inteligentes. Estudadas essas soluções, extraiu-se um conjunto de requisitos de privacidade que cada uma manifestou como importante. Finalmente, estudou-se um subconjunto mínimo desses requisitos que seriam cabíveis a uma Cidade Inteligente que, por sua vez, gerou um framework de privacidade, em um paradigma centrado no indivíduo, no qual se excede o dado por si só e permite-se o fluxo de conhecimento útil sobre a cidade e seus habitantes, em um processo de colaboração mútua, fomentado pelo consenso e decisão informados, possibilitando a manutenção da proteção dos dados pessoais dos cidadãos
Trabalho apresentado ao Programa de Pós-graduação em Ciência da Computação do Centro de Informática da Universidade Federal de Pernambuco como requisito parcial para obtenção do grau de Mestre em Ciência da Computação.
Resumo: O crescimento desenfreado da população nos centros urbanos afeta diretamente a provisão de serviços concebidos para suprir às necessidades dos cidadãos. De acordo com relatórios da Organização das Nações Unidas (ONU), a população urbana cresceu de 30%, nos anos 50, para 51% em 2010 - o que foi confirmado pelo Banco Mundial, com uma média de 57% da população mundial vivendo em centros urbanos - e, finalmente em 2050, a estimativa aponta para alarmantes 70%. Frente a essa realidade iminente, discute-se na literatura que grande parte das cidades não contam com serviços básicos (como transporte, energia elétrica, água, saneamento básico, saúde pública, educação, segurança pública, etc.) devidamente preparados para suportar tamanho crescimento, nem mesmo possui a infraestrutura necessária para gerenciar suas consequências.
É neste cenário que se estabelece o conceito de Cidades Inteligentes, nas quais se empregam Tecnologias de Informação e Comunicação (TICs) para solucionar ou minimizar problemas no âmbito urbano, ligados à provisão de serviços, processando dados coletados de entidades imersas neste contexto, a fim de que se entenda a dinâmica de funcionamento da cidade, permitindo compreender os problemas, identificar falhas, propor e implementar soluções e melhorias, adequadas à sua realidade, visando melhorar a qualidade de vida dos cidadãos.
Dentre os dados coletados para o propósito citado, vindo de sensores instalados no ambiente, de dispositivos móveis, da internet, etc., existe uma quantidade significativa de dados pessoais, que podem ser analisados e combinados - divergindo do objetivo inicial - gerando situações que comprometem a privacidade individual. Com as informações geradas a partir deste processo, organizações privadas e públicas podem beneficiar-se, explorando as necessidades dos indivíduos monitorados ao deter mais informação e conhecimento sobre o indivíduo, do que ele próprio. Este panorama reflete a forma como nossos dados são predominantemente tratados atualmente, configurando um paradigma centrado em dados, no qual o indivíduo, seus direitos e preferências são mantidos em segundo plano.
A literatura apresenta diversas soluções para provisão de privacidade, algumas de arquiteturas fechadas, outras abertas, específicas para uma diversidade de contextos inteligentes. Estudadas essas soluções, extraiu-se um conjunto de requisitos de privacidade que cada uma manifestou como importante. Finalmente, estudou-se um subconjunto mínimo desses requisitos que seriam cabíveis a uma Cidade Inteligente que, por sua vez, gerou um framework de privacidade, em um paradigma centrado no indivíduo, no qual se excede o dado por si só e permite-se o fluxo de conhecimento útil sobre a cidade e seus habitantes, em um processo de colaboração mútua, fomentado pelo consenso e decisão informados, possibilitando a manutenção da proteção dos dados pessoais dos cidadãos
Direitos autorais:
Attribution Non-Commercial ShareAlike (BY-NC-SA)
Formatos disponíveis
Baixe no formato PPTX, PDF, TXT ou leia online no Scribd
Trabalho apresentado ao Programa de Pós-graduação em Ciência da Computação do Centro de Informática da Universidade Federal de Pernambuco como requisito parcial para obtenção do grau de Mestre em Ciência da Computação.
Resumo: O crescimento desenfreado da população nos centros urbanos afeta diretamente a provisão de serviços concebidos para suprir às necessidades dos cidadãos. De acordo com relatórios da Organização das Nações Unidas (ONU), a população urbana cresceu de 30%, nos anos 50, para 51% em 2010 - o que foi confirmado pelo Banco Mundial, com uma média de 57% da população mundial vivendo em centros urbanos - e, finalmente em 2050, a estimativa aponta para alarmantes 70%. Frente a essa realidade iminente, discute-se na literatura que grande parte das cidades não contam com serviços básicos (como transporte, energia elétrica, água, saneamento básico, saúde pública, educação, segurança pública, etc.) devidamente preparados para suportar tamanho crescimento, nem mesmo possui a infraestrutura necessária para gerenciar suas consequências.
É neste cenário que se estabelece o conceito de Cidades Inteligentes, nas quais se empregam Tecnologias de Informação e Comunicação (TICs) para solucionar ou minimizar problemas no âmbito urbano, ligados à provisão de serviços, processando dados coletados de entidades imersas neste contexto, a fim de que se entenda a dinâmica de funcionamento da cidade, permitindo compreender os problemas, identificar falhas, propor e implementar soluções e melhorias, adequadas à sua realidade, visando melhorar a qualidade de vida dos cidadãos.
Dentre os dados coletados para o propósito citado, vindo de sensores instalados no ambiente, de dispositivos móveis, da internet, etc., existe uma quantidade significativa de dados pessoais, que podem ser analisados e combinados - divergindo do objetivo inicial - gerando situações que comprometem a privacidade individual. Com as informações geradas a partir deste processo, organizações privadas e públicas podem beneficiar-se, explorando as necessidades dos indivíduos monitorados ao deter mais informação e conhecimento sobre o indivíduo, do que ele próprio. Este panorama reflete a forma como nossos dados são predominantemente tratados atualmente, configurando um paradigma centrado em dados, no qual o indivíduo, seus direitos e preferências são mantidos em segundo plano.
A literatura apresenta diversas soluções para provisão de privacidade, algumas de arquiteturas fechadas, outras abertas, específicas para uma diversidade de contextos inteligentes. Estudadas essas soluções, extraiu-se um conjunto de requisitos de privacidade que cada uma manifestou como importante. Finalmente, estudou-se um subconjunto mínimo desses requisitos que seriam cabíveis a uma Cidade Inteligente que, por sua vez, gerou um framework de privacidade, em um paradigma centrado no indivíduo, no qual se excede o dado por si só e permite-se o fluxo de conhecimento útil sobre a cidade e seus habitantes, em um processo de colaboração mútua, fomentado pelo consenso e decisão informados, possibilitando a manutenção da proteção dos dados pessoais dos cidadãos
Direitos autorais:
Attribution Non-Commercial ShareAlike (BY-NC-SA)
Formatos disponíveis
Baixe no formato PPTX, PDF, TXT ou leia online no Scribd
para Cidade Inteligentes Baseado em Pessoas como Sensores Aluno: Welington Manoel da Silva wms4@cin.ufpe.br Centro de Informtica (Cin) Ps-Graduao em Cincia da Computao Universidade Federal de Pernambuco (UFPE) Defesa de Dissertao de Mestrado, 2014
CIn.ufpe.br
Roteiro
Motivao Caracterizao do problema Objetivos Fundamentao Cidades inteligentes Pessoas como sensores Privacidade Reviso sistemtica Proposta ndices de apoio Mdulos do Go!SIP Fluxo de Exemplo Avaliao Concluso Trabalhos Futuros CIn.ufpe.br
Introduo Motivao Populao mundial deslocando-se para reas urbanas 30% (1950), 54% (2014), 66% (2050) [ONU, 2014] Impacto nos servios urbanos Cidades despreparadas para suportar este crescimento e suas consequncias CIn.ufpe.br
Introduo Motivao Cidades Inteligentes (CIs), ou Smart Cities Aspecto Tcnico Tecnologias de Informao e Comunicao (TICs) Otimizao no uso de recursos e resultados
Aspecto Humano Acesso a servios Engajamento
Criao de um ambiente de inovao
CIn.ufpe.br
Introduo Motivao Coleta de dados Compreender os problemas Identificar falhas Propor melhorias e novas solues
Sensores fsicos e sensores vivos
Dados coletados de forma: Ativa Passiva Subproduto de alguma atividade M2M CIn.ufpe.br
Introduo Motivao Envolvimento de dados pessoais Anlise e combinao de dados Exposio sem conhecimento / consentimento
O agravante: Big Data
Dados em grande escala Aumento na capacidade de armazenamento e processamento Utilizao dessa capacidade para atuar na massa de dados Efeito Incremental CIn.ufpe.br
Introduo Caracterizao do Problema Como os dados pessoais envolvidos nos processos de gesto de Cidades Inteligentes podem ser tratados, de modo que se garanta ao indivduo o respeito s suas preferncias, permitindo o fluxo de conhecimento til sobre a cidade e seus habitantes, num processo de colaborao mtua, fomentado pelo consenso e deciso informados, possibilitando a manuteno da privacidade de dados pessoais? CIn.ufpe.br
Introduo Objetivos Gerais
Investigar mecanismos de proviso de privacidade em
contextos inteligentes Distinguir paradigmas de implementao de privacidade de dados Centrado em dados Centrado em servios Centrados no usurio
Elencar um conjunto de requisitos adequados ao paradigma
centrado no usurio CIn.ufpe.br
Introduo Objetivos
Especfico Propor um framework para proviso de privacidade em Cidades Inteligentes, que contemple o conjunto de requisitos levantados, dentro do paradigma centrado no usurio, priorizando seus direitos e preferncias, permitindo-o tirar maior proveito do trade-of entre proposio de valor e exposio de dados pessoais, para os servios consumidos.
CIn.ufpe.br
Fundamentao Cidades Inteligentes
Reviso de implementaes de CIs
Trabalho conjunto Resultou na publicao: SILVA, W. M.; ALVARO, A.; TOMAS, G. H. R. P.; AFONSO, R. A.; DIAS, K. L.; GARCIA, V. C.. Smart Cities Software Architectures: A Survey. In: the 28 th Annual ACM Symposium, 2013, Coimbra. Proceedings of the 28th Annual ACM Symposium on Applied Computing - SAC 13. New York: ACM Press, 2013. p. 1722 Agrupar requisitos que os trabalhos propostos buscavam atender Privacidade apresentou-se como um dos requisitos menos atendidos
CIn.ufpe.br
Fundamentao Pessoas como Sensores (em CIs) Pessoas so importantes em CI Processos, sistemas e servios giram em torno delas Faz-se necessrio melhor planejamento e priorizao nas cidades, focando-se nas necessidades das pessoas
Estmulo ao envolvimento
Democratizao da conectividade Aumento no uso de smartphones e internet mvel Acesso e gerao de contedo Sensores vivos (vs. Sensores fsicos) CIn.ufpe.br
Fundamentao Pessoas como Sensores (em CIs) Problemas Efeito incremental [Tene and Polonetsky, 2012] Desequilbrio de informao entre provedores vs. consumidores de servios Pesquisa da FutureSight, 2012
CIn.ufpe.br
Fundamentao Pessoas como Sensores (em CIs)
Manifestaram preocupao com sua
privacidade Estariam dispostos a continuar a utilizao, com riscos Estariam dispostos a continuar a utilizao, sentindo-se seguros
CIn.ufpe.br
Fundamentao Pessoas como Sensores (em CIs)
Concordam com os termos de
privacidade sem l-los No o fazem porque os termos so muito extensos CIn.ufpe.br
Fundamentao Pessoas como Sensores (em CIs) Problemas (continuao) Pesquisa da FutureSite, 2012 58% culparia a operadora de telefonia em caso de invaso de privacidade 52% acreditavam cegamente que as operadoras mantinham seus dados em segurana
Big Data
Transparncia Minimizao de dados Limitao de propsito Portabilidade de dados CIn.ufpe.br
Fundamentao Privacidade (de dados) Indivduo possui controle sobre quem, quando, como, por que, onde e por quanto tempo seus dados sero utilizados em algum servio Evoluo de propsito nico para propsito desconhecido [Forum, 2013] CIn.ufpe.br
Fundamentao Privacidade (de dados) De conjunto de prticas para mecanismos legais
Transparncia Envolvimento do indivduo Propsito Dados relevantes e necessrios para o cumprimento do propsito Uso exclusivo para cumprimento do propsito Dados corretos, relevantes, adequados e completos Segurana de informao Responsabilidade [OECD, 2002; NIST, 2007] CIn.ufpe.br
Fundamentao Reviso Sistemtica
Levantar mecanismos de privacidade
aplicado a ambientes inteligentes Elencar requisitos
CIn.ufpe.br
Reviso Sistemtica Questes de Pesquisa Quais as abordagens de gesto de privacidade j foram propostos (academia/indstria) dentro do contexto de Smart X? De que forma as arquiteturas para CIs j existentes implementam gesto de privacidade de dados dos cidados? CIn.ufpe.br
Reviso Sistemtica Questes de Pesquisa String de busca (((smart OR (smart AND (city OR cities))) AND (privacy OR (privacy AND (framework OR architecture))))) Variaes sintticas tiveram de ser atendidas, mantendo-se o valor lsemntico da string de busca
Bibliotecas digitais consultadas:
IEEE Xplore ACM Digital Library CiteSeerX Science Direct SpringerLink Scopus Repositrio de Patentes WIPO
World Intellectual Property Organization
CIn.ufpe.br
Reviso Sistemtica Filtro/Questo
Q1
Q2
Relevantes
2174
304
Excluso por Ttulo
328
37
Excluso por Duplicao
238
34
Excluso por Resumo
77
19
Adequao ao Contexto
65
19
Accessados
45
18 CIn.ufpe.br
Reviso Sistemtica Organizao por Domnios
Smart Grid Smart Building and Home Smart Environment Smart Space Smart Health Smart City Outros CIn.ufpe.br
Reviso Sistemtica Requisito
SG
SB
SE
SS
SH
SC
Responsabilidade
OD 1
Degradao de dados Confiana sem interao prvia Interao mnima com o usurio Disfarce de dados
Comunicao segura
1 1
4 1
Anonimizao
Histrico de interao
Mltiplas identidades Correspondncia de interesses Controles adaptveis
1 2
Sensibilidade de dados
Controle de acesso
Aplicao de polticas
3 1
4 1
5 8
9 1
CIn.ufpe.br
Reviso Sistemtica Resultados preliminares Escassez de propostas de gesto de privacidade para CIs, reafirmando a oportunidade Falta de envolvimento do usurio nas abordagens e uso de solues predominantemente tcnicas Qual a percepo do usurio a respeito? No se pode dizer CIn.ufpe.br
Reviso Sistemtica Definio dos Paradigmas Objeto alvo na implementao de privacidade Paradigma Centrado nos Dados (PCD) Ateno ao dado, sua natureza, estado, manipulao, contexto e respectivas regras/polticas
Paradigma Centrado no Usurio (PCU)
Participao do usurio e suas preferncias
Paradigma Centrado no Servio (PCS)
Independe do usurio ou do dado e refere-se natureza, execuo e infraestrutura do servio CIn.ufpe.br
Reviso Sistemtica Requisito Responsabilidade Degradao de dados Confiana sem interao prvia Interao mnima com o usurio Disfarce de dados
PCD PCU PCS
X X X X X
Comunicao segura Anonimizao
X X
Histrico de interao Mltiplas identidades
Correspondncia de interesses Controles adaptveis Sensibilidade de dados
X X
Controle de acesso
Aplicao de polticas
Minimizao de dados
CIn.ufpe.br
Reviso Sistemtica Resultados PCD
PCU
PCS
SG
Paradigm a Predomin ante PCD
SB
5.5
6.5
PCS
SE
2.5
5.5
PCS
SS
3.5
10.5
PCS
SH
1.5
1.5
PCS
SC
0.5
1.5
PCS
Requisito
A preocupao com dados e servios supera
a preocupao com o usurio na maioria dos domnios As propostas atuais de privacidade em CI so predominantemente voltadas para servios CIn.ufpe.br
A Proposta Consideraes Iniciais
Go!SIP Go! Smart Identification Privacy
CIn.ufpe.br
A Proposta Aplicao de Polticas (PCD) Requisitos
Confiana sem interao prvia (PCS)
Controle/Feedback do usurio (PCU) Correspondncia de interesses (PCU) Degradao de dados (PCD) Especificao de preferncias (PCU)/PCS) Histrico de interao (PCU/PCS) Interao mnima com o usurio (PCU) Minimizao de dados (PCD) Mltiplas identidades (PCD) Responsabilidade (PCU) Sensibilidade de dados (PCD) Tipo/Propsito da informao (PCD)/PCS)
CIn.ufpe.br
A Proposta
CIn.ufpe.br
ndices de Apoio Clculo de Exposio
Busca quantificar o impacto da
sensibilidade dos dados na perda de privacidade de um indivduo [Salehie et al, 2012; Sankar et al., 2013; Boyer et al.,2006; Moncrieff et al., 2008, Oyomno et al., 2011] Atributo como unidade fundamental Permite maior cautela no momento de deciso de exposio Maior a sensibilidade, maior a exigncia
CIn.ufpe.br
ndices de Apoio Clculo de Exposio ndice de Proteo Individual O usurio classifica o atributo de acordo com a importncia que lhe atribui Classificao Secreto (IPI = 100) Fechado (IPI = 50) Pblicos (IPI = 0)
CIn.ufpe.br
ndices de Apoio Clculo de Exposio Clculo de Preciso do Atributo Taxa de degradao [Van Heerde et al., 2006] Preciso decai em funo do tempo de coleta/armazenamento Exemplos Nome (d = 0%) Idade (d = 8,33%), ms
Preciso dada por
CIn.ufpe.br
ndices de Apoio Clculo de Exposio
ndice de Exposio Identidade um conjunto de atributos I = {a0, a1, ..., an-1}
Inclui o IPI de cada atributo e sua preciso
CIn.ufpe.br
ndices de Apoio Clculo de Similaridade Estabelecer uma reputao inicial para provedores de servio desconhecidos Leva em conta o ndice de Exposio para cada Nvel de Proposio de Valor
CIn.ufpe.br
ndices de Apoio Clculo de Similaridade
Calcula-se os vetores ExV(SPt) para cada
um dos nvel de proposio de valor do provedor e respectivo servio em questo
CIn.ufpe.br
ndices de Apoio Clculo de Similaridade Calcula-se a distncia euclidiana entre os vetores de nveis de proposio de valor A menor distncia indica a maior semelhana
CIn.ufpe.br
Mdulos do Go!SIP Gerenciador de Provedores de Servio Provedores de servio apresentam/fornecem seus servios Nome Servios que prov
Servio Nome Dados de entrada e dados de sada Nvel de Proposio de Valor Representa o trade-of entre exposio x utilidade
Requisito Tipo/Propsito da informao
CIn.ufpe.br
Mdulos do Go!SIP Gerenciador de Identidades Gerencia atributos Gera identidades para utilizao de servios Identidade Subconjunto de atributos de um determinado indivduo Adequada a algum contexto
Requisito Degradao de dados, Minimizao de dados, Mltiplas identidades, e Sensibilidade de Dados CIn.ufpe.br
Mdulos do Go!SIP Gerenciador de Regras Legais Assegura proviso de servio em conformidade com regulamentaes cabveis Ex.: Marco Civil
Regulamentaes podem ser:
Corporativas Governamentais Nacionais e internacionais CIn.ufpe.br
Mdulos do Go!SIP Gerenciador de Similaridade Determina a similaridade entre provedores de servio Baseia-se nos provedores conhecidos Similaridade baseada em contexto de utilizao, dados de entrada e sada semanticamente semelhantes Interao com provedores desconhecidos Requisito Confiana sem interao prvia CIn.ufpe.br
Mdulos do Go!SIP Gerenciador Preferncias Preferncias de do usurio sobre exposio O que, quando, por quanto tempo, por quem, para qu Mtodos Respostas genricas, como permitir sempre, negar sempre, perguntar Baseado em atributo, tipo de atributo, ndice de Exposio
Controle e convenincia Requisito Especificao de preferncias, interao mnima com o CIn.ufpe.br usurio
Mdulos do Go!SIP Gerenciador de Controle e Feedback do Usurio
Manifestao do usurio sobre sua
satisfao no uso do servio O feedback ser registrado e relacionado ao ndice de Exposio e experincia individual Controle sobre dados expostos Visualizar, alterar, esquecer
Requisito Controle/Feedback do usurio CIn.ufpe.br
Mdulos do Go!SIP Gerenciador deas Transaes Gerencia todas transaes envolvidas antes, durante e depois da proviso do servio Gerao de histrico Histrico Responsabilidade
Registra o contexto de cada transao
Servio, tipo de dados, tipo de entidade, ndice de Exposio, mtodo de coleta de dados, propsito de uso dos dados e status da transao
Requisito Histrico de Interao, Responsabilidade
CIn.ufpe.br
Mdulos do Go!SIP Matcher Busca estabelecer acordo entre provedor e consumidor do servio Processo de negociao Minimizar exposio e maximizar proposio de valor Requisito Correspondncia de interesses, Aplicao de polticas CIn.ufpe.br
Mdulos do Go!SIP Mecanismos de Minerao de Dados Derivao de dados pessoas atravs de anlise de dados (histricos e/ou tempo real) Assegura submisso s mesmas regras de exposio dos dados primitivos
CIn.ufpe.br
Fluxo de Exemplo
CIn.ufpe.br
Avaliao Consideraes iniciais
Desafio Uso de questionrio Impacto no mundo real Propostas estudadas no apresentam sua implementao Comparar com o qu? CIn.ufpe.br
Avaliao Consideraes iniciais Estudo de Caso Verdade relativa, dependente da perspectiva Participante contribui com sua viso individual Fcil de implementar, difcil de interpretar e generalizar [Kitchenham et al., 1995] CIn.ufpe.br
Avaliao Escopo Framework extenso Tempo Convergncia no apoio ao indivduo ndice de Proteo Individual ndice de Exposio
CIn.ufpe.br
Avaliao Metodologia Adaptao do modela apresentado em [Baxter & Jack, 2008] Captar a percepo do indivduo em relao aos ndices propostos e verificar se possui impacto nas decises de exposio
CIn.ufpe.br
Avaliao Metodologia
As pessoas so mais propensas a
expor dados quando apoiadas por parmetros quantitativos ?
CIn.ufpe.br
Avaliao Metodologia Proposio de cenrios do mundo real Situaes nas quais fosse necessrio o uso de dados pessoais Ambientao em uma cidade Como transitar entre as situaes sem dispersar o interesse a ateno?
CIn.ufpe.br
Avaliao Metodologia
Storytelling Gamebook
CIn.ufpe.br
Avaliao Desenvolvimento Criao da histria
Proposta de situao pelos pesquisadores envolvidos
Construo do enredo Validao com Game Designer Etapas de reviso
Avaliar a ludicidade da histria criada
Adequao aos interesses da pesquisa Causa-efeito Finais condizentes com a histria
Outro desafio: ramificaes
CIn.ufpe.br
Avaliao Desenvolvimento Perfil de Participao Pessoas habituadas ao mundo de TI Habituadas aos servios representados
Alunos de ps graduao do CIn-UFPE
Alunos de graduao da UFSCar campus Sorocaba Colaboradores do Centro de Estudos e Sistemas Avanados do Recife CIn.ufpe.br
Avaliao Desenvolvimento Aplicao web Adaptao do ndice de Proteo Individual Baseada na discusso com um Eng. de Usabilidade 1 a 100, ao invs de Privado, Fechado e Pblico
41 pessoas participaram 21 com acesso ao score e s mtricas
Heatmap
CIn.ufpe.br
Avaliao Resultados Nmero de participantes abaixo do esperado Baixa taxa de concluso 63,4% chegaram a algum dos 7 finais Desse percentual, 53,8% finalizaram no Passo 2b Nmero de desistncias durante a histria (ver tabela) Passo Abertura Passo 0 Passo 2c Passo 3 Passo 6 Passo 10b
# Desistncias 1 3 4 3 1 3
CIn.ufpe.br
Avaliao Resultados Impacto quantitativo 15 aquisio de servios 4 delas feitas por participantes que tinha acesso ao score e s mtricas As 4 aquisies foram do servio de localizao Servios Gugou Maps Smart Meter Health Monitor Health Assist
# Aquisies
Perfil Utilizado Dados de Localizao Dados de Consumo
Dados Mdicos
Dados Mdicos
CIn.ufpe.br
Avaliao Resultados Impacto quantitativo 17 participantes ajustaram seu IPI Acesso s
Adquiriram mtricas servios
Adquiriram servios
CIn.ufpe.br
Avaliao Resultados - Impacto quantitativo Valores de ndice de Proteo Individual atribudos Indicam importncia dos participantes para o perfil Comparao [Eurobarometer, 2012] e [IIC, 2012]
Com score e mtricas
Sem score e mtricas
CIn.ufpe.br
Avaliao Resultados - Impacto quantitativo Participantes com acesso ao score e s mtricas utilizaram apenas o servio de localizao, com seu perfil Dados de Localizao com ndice de Exposio mdio de 90 (altssimo) Quanto aos participantes sem acesso s Perfil mtricas Dados IE Mdio
Financeiros Dados de Localizao Dados Pessoais
100,00 91,66 91,00
CIn.ufpe.br
Avaliao Resultados Nem todos os caminhos foram visitados Os servios Fakebook e Twistter no foram utilizados por nenhum participante, principalmente porque os cenrios em que seriam teis no foram explorados Pela taxa de desistncia Curiosidade Postura defensiva em relao a contexto desconhecidos Incluir esses elementos em uma nova rodada, ou mesmo desenvolver a mudana de opo, para entender melhor CIn.ufpe.br estes perfis de pessoas
Avaliao Resultados Os resultados apresentados indicam que, potencialmente, a informao quantitativa influenciou no processo de deciso de exposio Como a quantidade de participantes foi insatisfatria, uma nova rodada com mais cenrios, envolvendo os demais conceitos da proposta, com um nmero representativo de pessoas, por tempo suficiente para exceder a curiosidade, recomendvel CIn.ufpe.br
Avaliao Resultados Necessidade de se trabalhar a confiabilidade das mtricas, envolvendo a relao com o provedor de servio e as consequncias a longo prazo O uso de servios e contextos conhecidos no favoreceu a identificao do conceito de utilidade, reforando a necessidade de sua explorao em uma outro experimento Ausncia do timestamp nas escolhas CIn.ufpe.br
Avaliao Resultados Contudo, acredita-se que os resultados permitem vislumbrar o potencial da proposta Prximos passos
A resposta final da questo, considerando
o Estudo de Caso desenvolvido e as falhas destacadas que, quando apoiadas por parmetros quantitativos, as pessoas so menos propensas a expor seus dados. CIn.ufpe.br
Escassez de abordagens que tratem
privacidade do ponto de vista do usurio. Em CI, nem na academia ou na indstria, foram encontradas solues com este vis A visibilidade do efeito longo prazo de privacidade muitas vezes negligenciado. Fazse necessrio um meio de dar ao usurio direito de escolha informada, suportado por informaes concretas sobre o contexto de exposio, equilibrando o trade-of exposio vs. Proposio de valor O diferencial do trabalho apresentado consiste em compor um conjunto de mdulos que sustentem o processo de exposio de dados pessoais, permitindo ao usurio uma deciso informada O Estudo de Caso realizado permitiu vislumbrar o CIn.ufpe.br potencial da proposta, mas sugere uma nova
Concluso
Trabalhos Futuros Evoluir o Estudo de Caso Implementao e detalhamento de menor abstrao dos mdulos Incluso do Go!SIP na arquitetura de CI baseada em Internet da Coisas, proposta em um projeto de Mestrado paralelo este Aplicao em ambiente real Mecanismo de convenincia e controle cognitivos CIn.ufpe.br
![3 - Conceitos Básicos de SO Hardware e Software Concorrência [Modo de Compatibilidade]](https://imgv2-2-f.scribdassets.com/img/document/238137134/149x198/bcfb006d9a/1409359895?v=1)
