Balancing The Perception of Cheating Detection, Privacy and Fairness: A Mixed-Methods Study of Visual Data Obfuscation in Remote Proctoring

我们的研究探讨了如何通过有选择地模糊视频记录中的信息来保护考生的隐私，同时确保有效和公平的防作弊检测。远程监考技术作为一种防止作弊的措施，常常引起隐私和公平性方面的担忧，这可能会影响考试者的体验和测试结果的有效性。我们采访了9位专家，确定了四个关键视频区域，这些区域可以指示潜在的作弊行为：考生的面部、身体、背景和背景中的其他人。专家们根据隐私重要性和作弊行为频率，为每个区域推荐了特定的模糊方法，从传统的模糊到高级的方法，如深度伪造、3D头像和剪影。然后，我们进行了一个情境实验，让潜在的考生（259人，非专家）评估他们对防作弊检测、视觉隐私和公平性的感知，使用每个专家推荐的视频区域和模糊方法的静态图像的描述和示例。我们的结果表明，模糊方法的有效性因区域而异。针对特定区域采用高级的模糊方法可以提高隐私和公平性的感知，相比传统方法，尽管可能会降低检测作弊的感知信息的充分性。然而，非专家更喜欢传统的模糊方法，对于他们更愿意分享的视频，这突显了高级模糊方法的感知有效性和实际接受度之间的差距。本研究为用户中心隐私领域提供了有益的方向，以解决当前远程监考面临的挑战，并指导未来的研究。

如何在远程监考中保护考生的隐私并确保有效公平的作弊检测？

通过选择性地模糊视频记录中的信息来保护考生的隐私，同时确保有效公平的作弊检测，根据专家建议使用具体的模糊方法来针对不同的视频区域。

论文通过专家访谈和实验研究，探讨了不同的视频区域和模糊方法对于作弊检测、视觉隐私和公平性的影响，提出了针对不同区域使用不同的高级模糊方法的方案，但实验结果显示，普通的模糊方法更受实验参与者的欢迎。

相关研究包括远程监考技术的隐私和公平性问题，以及针对不同视频区域的模糊方法的研究，例如《Selective Obfuscation for Privacy-Preserving Deep Learning》和《Privacy-Preserving Action Recognition Using Selective Obfuscation》。