基于隐私计算的物联网服务采纳意愿研究

肖洋

摘 要：文章从隐私泄露的视角研究了用户对物联网服务的采纳意愿及其影响因素，基于隐私计算理论，构建了用户对物联网服务采纳意愿的研究模型，利用结构方程模型和问卷调查法，分析了用户的信息敏感度、信任、网络外部性和采纳意愿等相关变量，解释了感知风险和感知收益对用户采纳物联网服务意愿的影响机制，为物联网服务商制定隐私保护政策提供了依据。

中图分类号：G250文献标识码：A文章编号：1003-1588（2021）09-0094-09

关键词：物联网服务;隐私计算;采纳意愿

1 问题提出

2005年，国际电信联盟发布的《ITU互联网报告2005：物联网》报告首次提出了物联网的概念[1]。物联网简单地说就是物物相连的网络，它的核心内涵在于感知、控制、传输和智能，通过技术手段实现物与物、人与物、人与人之间的协同关系，从而在互联网、移动通信网、传感网的基础上形成一个更大更复杂的网络系统。随着物联网产业的发展，世界各国积极实施基于物联网的发展规划，甚至把物联网纳入战略性产业振兴计划，如美国的“智慧地球”，欧盟的“物联网行动”，日本的“IJPN”等，目前我国已把物联网产业作为重点培育的战略性新兴产业之一[2]。

通信技术的快速发展为物联网应用带来无限可能。例如，智慧交通能够帮助用户合理规划出行路线，降低拥堵频率;智慧医疗能够让医生及时掌握患者的健康状况，提高诊疗效率;智慧家居能够给用户提供舒适的生活环境，且节约能源。物联网的个性化服务是在采集分析用户数据的基础上实现的，容易产生用户隐私泄露等问题。例如，2019年7月，智能家居公司欧瑞博发生了数据泄露事件，超过20亿条IoT日志被泄露，包括用户名、e-mail、密码等个人敏感数据[3]。物联网的核心技术之一是无线射频识别技术（RFID），用户通过RFID标签可了解物体信息，通过物体与物体的连接，实现信息交换，但是，服务商通过RFID标签采集用户信息，存在个人隐私泄露的可能。无论是物联网服务商的隐私泄露事件，还是物联网技术客观存在的隐私泄露可能性，都会引发用户的担忧，从而影响用户对物联网服务的采纳意愿（Willingness to Adopt）。

学术界针对物联网的研究逐渐增多，但大多集中在物联网技术实现层面，关于用户对物联网服务采纳意愿的研究较少。用户采纳物联网服务的过程是物联网服务商业化的过程，影响用户采纳物联网服务意愿的因素较多，因此笔者从隐私关注角度分析了用户的采纳意愿。

2 理论基础

2.1 隐私计算理论

隐私计算理论由R.S.Laufer和M.Wolfe[4]于1977年首次提出，并逐渐发展成为分析用户隐私问题的有效框架。该理论基于经济学中的成本收益计算思想，用户披露隐私的目的是获取收益，但同时也存在隐私泄露的风险，此时用户需要计算披露隐私的风险和收益。只有用户的感知收益高于感知风险时，他们才可能愿意披露隐私。在隐私计算框架中，感知风险（Perceived Risk）是指用户使用物联网服务可能产生的隐私泄露风险，如：银行账户泄露可能造成的金钱损失，医疗健康信息泄露可能造成的名誉损失等。感知收益（Perceived Benefits）是指用户披露个人隐私可能获得的利益，如：用户通过移动终端设备上传其位置信息能够获取更加精确的导航服务。隐私计算的理论研究已经相对成熟，已被广泛应用于电子商务[5]、社交网络[6-7]、移动服务[8-9]、智慧图书馆建设[10]等领域。

物联网技术的快速发展，使万物互联成为现实。物联网服务依赖设备与网络的连接，且需要通过设备收集用户的个人信息，因此用户面临隐私泄露的风险。笔者主要对用户采纳物联网服务的意愿进行研究，但并非真实的使用行为。因此，用户对物联网服务的风险和收益感知属于用户的主观感受，适用于隐私计算理论。根据隐私计算理论，用户对物联网服务的采纳意愿是其基于对物联网服务的感知风险和感知收益权衡而做出的决策。

2.2 网络外部性

J.Rohlfs[11]在研究用户对通信服务的采纳意愿时发现，用户更倾向于选择用户基数大的电话产品，由此发现网络外部性效应。M.L.Katz和C.Shapiro[12]于1985年正式提出網络外部性的概念，一种产品或一项服务的所有用户构成一个用户网络，网络中单个用户从一种产品或一项服务所获得的效用，与该产品或服务的用户总量正相关，也与其互补的产品或服务的用户总量正相关。前者称为直接网络外部性，如：电话网络的用户总量越大，单个用户可联系的用户就越多，收获的效用就越大。后者称为间接网络外部性，如银行卡的价值与接受该卡的商户数量正相关。

3 研究假设与模型构建

用户面对物联网服务时，需要权衡感知风险和感知收益，以决定是否采纳该项服务。因此，笔者基于隐私计算理论，从感知风险和感知收益两个方面分析了用户对物联网服务的采纳意愿。

3.1 感知风险

用户使用某一项物联网服务的前提是，同意向物联网服务商披露个人隐私数据。因此，感知风险主要有以下三种：隐私数据被滥用、隐私数据被出售给第三方、隐私数据被非法窃取使用。相关研究表明[13-15]，用户的感知风险越高，其披露隐私信息的意愿就越低，用户的隐私披露意愿直接影响用户对该物联网服务的采纳意愿。因此，笔者做出如下假设：假设H1：感知风险负向影响用户对物联网服务的采纳意愿。在物联网服务中，影响用户感知风险的因素有两个：一是物联网服务商采集的用户个人信息的敏感度。二是用户对物联网服务的信任程度。

3.1.1 信息敏感度（Information Sensitivity）。信息敏感度指在特定情境下，用户对某种类型信息所感知的隐私忧虑水平或某些信息泄露时导致隐私权丧失的可能性。用户的信息敏感度受信息类型及应用情境的影响，在同一情境中不同类型信息的敏感度可能不同，同一类型信息在不同情境中的敏感度也可能存在差异。在电子商务领域，商户要求用户提供的个人信息越敏感，用户的感知风险就越大，就越不愿意与该商户进行交易[16]。在物联网领域，不同的物联网服务需要用户提供不同的信息类型，不同类型信息的敏感度也不一样，信息敏感度越高，用户的感知风险就越高。因此，笔者做出如下假设：假设H2：信息敏感度正向影响用户对物联网服务的感知风险。

3.1.2 信任（Trust）。信任包括主体和客体，主体是用户，客体是与主体产生关联的对象，不同情境中的信任客体不同。在社交活動中，信任指用户相信他人，因而愿意与之交往，且在需要时将其作为可信赖对象。在网络环境中，E.Turban[17]等人认为信任是网络用户对服务商在网络环境中不暴露信任主体弱点的期望。在电子商务中，P.A.Norberg[18]等人认为信任能够帮助消费者克服对网络购物过程中个人敏感信息被采集的担忧。在高新技术产品应用领域，M.Siegrist[19]研究发现，信任的缺失能提升用户感知风险的能力，并以转基因技术为例进行实证分析，证明了信任负面影响用户的感知风险。用户在使用物联网服务过程中会被采集个人信息，客观上存在隐私泄露的可能，由此产生感知风险。因此，信任是用户采纳物联网服务的基础。因此，笔者做出如下假设：假设H3：信任负向影响用户对物联网服务的感知风险。

3.2 感知收益

基于隐私计算理论，用户是否使用物联网服务，需要进行风险与收益的权衡。只有感知收益大于感知风险时，用户才愿意使用该项服务。因此，笔者做出如下假设：假设H4：感知收益正向影响用户对物联网服务的采纳意愿。

梅特卡夫定律指出[20]，网络的价值是其用户数量的平方函数。物联网是用户间信息交流的网络，用户数量越多，物联网的价值就越高。因此，笔者通过网络外部性衡量用户对物联网服务的感知收益，网络外部性分为直接网络外部性和间接网络外部性。

3.2.1 直接网络外部性。直接网络外部性指一种产品或服务的价值随用户数量的增加而上升。作为一个整体产品，物联网服务依赖物联网设备与互联网之间的信息交换，进而构成物联网系统。物联网服务直接网络外部性的衡量指标有两个：一是物联网服务商数量（Number of IoT Services）。数量越多，用户选择性就越大，感知收益就越大。二是感知用户数量（Perceived Member）。研究表明，感知用户数量越多，就越能够吸引新用户加入[21]。随着某一物联网服务用户数量的增加，越来越多的用户发现使用该物联网服务能够获得额外价值，当该物联网服务的用户数量达到临界容量时，其就能占领市场。因此，笔者做出如下假设：假设H5：物联网服务商数量正向影响用户对物联网服务的感知收益。假设H6：感知用户数量正向影响用户对物联网服务的感知收益。

3.2.2 间接网络外部性。间接网络外部性是指一种产品的用户数量增加，能引起与该产品兼容或互补的产品数量的增加，进而使该产品的价格下降。例如，当某类物联网设备的用户数量增加时，供应商就会开发更多该类物联网设备支持的相关软件，用户能够选择质量高、价格低的设备，进而获得额外收益。间接网络外部性通过感知兼容性（Perceived Compatibility）和感知互补性衡量（Perceived Complementarity）。因此，笔者做出以下假设：假设H7：感知兼容性正向影响用户对物联网服务的感知收益。假设H8：感知互补性正向影响用户对物联网服务的感知收益。

3.3 研究模型

基于上述分析，笔者构建了研究模型，如图1所示。

4 研究设计

本研究采用问卷调查方法，分析了用户对物联网服务采纳意愿的影响因素。问卷内容分两个部分：一是人口统计学因素，以及物联网服务类型等。二是采纳意愿的影响因素。该部分参考前人研究成果，并根据物联网服务情境进行了相应改编。在正式调查前，笔者采用纸质问卷调查的方式进行了预调查，并基于预调查对象的反馈结果进行了必要的修改，形成了正式的测量量表。所有变量均采用李克特七点量表进行测量，题项及来源如表1所示。

5 数据统计与分析

5.1 数据收集与统计

笔者借助“问卷星”平台，采用“滚雪球”的方式进行了问卷调查，问卷发放周期为2021年3月31日至4月13日，共回收问卷295份。笔者剔除规律性作答、答题时长过短等无效问卷，获得有效问卷252份。样本的人口统计学特征如表2所示。

5.2 信度与效度检验

针对信度反映测量结果的一致性、稳定性和可靠性，笔者采用内部一致性系数（Cronbachs α）和组合信度（CR）进行检验，检验结果如表3所示。

效度反映测量结果的真实性和准确性，包括内容效度和结构效度。本研究的所有测量题项参考前人研究成果，测量结果的内容效度能够得到保证。结构效度包括聚合效度和区分效度，聚合效度的检验（因子载荷、AVE两个指标）结果见上页表3，区分效度的检验结果见表4。

从表3可以看出，观测变量的因子载荷均大于0.5的阈值，潜变量的AVE均大于0.5的阈值，符合聚合效度的检验标准。从表4可以看出，潜变量的AVE的平方根均大于该潜变量与其他潜变量之间的相关系数，符合区分效度的检验标准。

5.3 路径分析与假设检验

笔者采用AMOS26.0对模型进行路径检验。模型拟合度检验的部分拟合指数如表5所示。各拟合指数均优于推荐值，表明模型整体适配度良好。

假设检验结果如表6所示，物联网服务采纳意愿影响因素的路径示意图如下页图2所示。

从以上图表可以得出以下结论：一是感知收益正向影响用户对物联网服务的采纳意愿，感知风险负向影响用户对物联网服务的采纳意愿，即H1和H4成立。用户使用物联网服务能够提升自身的工作（学习）能力、质量、生活品质及获取有用的信息，这些感知收益会增强用户对物联网服务的采纳意愿。但是，物联网服务商需要采集用户的个人信息，客观存在用户隐私泄露风险，这种感知风险会降低用户对物联网服务的采纳意愿。用户的最终决策取决于对物联网服务感知风险与感知收益的权衡。二是信息敏感度正向影响感知风险，信任负向影响感知风险，即H2和H3成立。一方面，信息敏感度正向影响感知风险，与李海丹、G.R.Miline等人[30]的研究结论一致，信息敏感度是用户担心物联网服务商将个人隐私信息泄露给第三方或不合理使用，担心自身利益受到损害，意味着当用户使用物联网服务时，被采集的个人隐私信息越敏感，感知风险就越大;另一方面，信任负向影响感知风险，如果用户与物联网服务商建立了信任关系，就相信物联网服务商会合理使用个人数据，保护个人隐私。用户对物联网服务商的信任程度越高，所感知到的风险就越低，因此，物联网服务商往往会采取一系列保护措施，提升用户信任度。三是物联网服务商数量对感知收益的影响不显著，感知用户数量正向影响感知收益，即H5不成立、H6成立。一方面，物联网服务商数量对感知收益的影响不显著，可能是因为目前我国的物联网服务行业还处于发展阶段，物联网技术还不成熟，许多物联网服务还未普及，因此用户对物联网服务商数量感知不明显;另一方面，感知用户数量正向影响感知收益，用户数量越多，物联网的价值就越高，因此，感知用户数量越多，用户对物联网服务的感知收益就越明显。四是感知兼容性和感知互补性正向影响感知收益，即H7和H8成立。感知兼容性是指用户所采纳的物联网服务是否与其工作（学习）相兼容，是否能够契合用户的工作方式。如果用户认为物联网服务与其工作、学习是兼容的，就表明用户可从其使用的物联网服务中获取一定的利益;感知互补性同理如此。

6 结语

综上所述，用户的最终决策取决于对物联网服务感知风险与感知收益的权衡。因此，服務商在运营物联网的过程中，应提高自身的服务水平，强化用户采纳物联网服务可能产生的潜在收益，提升用户的工作效率和生活品质;向用户阐明个人数据采集、处理过程和隐私保护技术以降低用户的感知风险，从而增强用户对物联网服务的采纳意愿，推动自身的快速发展。本研究的调查对象大部分来自河南省，且以大学生居多，故本研究存在一定的局限性。因此，笔者在后续的研究中不仅要扩大用户样本的地域覆盖范围，分析地域经济、文化等宏观因素的影响，还要扩大用户样本的社会覆盖范围，分析人口统计学特征等个体因素的影响。

参考文献：

[1] International Telecommunication Union.ITU internet reports 2005：the internet of things[EB/OL].[2021-07-15].http：//www.un.org/chinse/events/wsis/9rev1.pdf.

[2] 工业和信息化部.物联网“十二五”发展规划[EB/OL].[2021-07-15].http：//www.gov.cn/zwgk/2012-02/14/content_2065999.htm.

[3] 思维世纪.盘点近年国内外信息泄露安全事件[EB/OL].[2021-07-15].http：//www.siweicn.com/newsinfo/44688.html.

[4] Laufer R S，Wolfe M.Privacy as a Concept and a Social Issue：A Multidimensional Developmental Theory[J].Journal of Social Issues，1977（3）：23-42.

[5] Sharma S，Crossler R E.Disclosing too much？Situational factors affecting information disclosure in social commerce environment[J].Electronic Commerce Research and Applications，2014（5）：305-319.

[6] 李海丹，洪紫怡，朱侯.隐私计算与公平理论视角下用户隐私披露行为机制研究[J].图书情报知识，2016（6）：114-124.

[7] Krasnova H，Veltri N F，Günther O.Self-disclosure and Privacy Calculus on Social Networking Sites：The Role of Culture[J].Business & Information Systems Engineering，2012（3）：127-135.

[8] 相甍甍，王晰巍，王楠阿雪，等.移动支付中消费者个人隐私信息披露影响因素研究[J].情报理论与实践，2017（9）：8-13.

[9] 迪莉娅.大数据环境下APP用户隐私计算影响因素研究[J].现代情报，2019（12）：131-137.

[10] 谢珍，杨九龙.智慧图书馆视域下的用户隐私披露意愿[J].图书馆论坛，2020（9）：69-78.

[11] Rohlfs J.A Theory of Interdependent Demand for a Communications Service[J].The Bell Journal of Economics and Management Science，1974（1）：16-37.

[12]Katz M L，Shapiro C.Network Externalities，Competition，and Compatibility[J].The American Economic Review，1985（3）：424-440.

[13] Chen R.Living a private life in public social networks：An exploration of member self-disclosure[J].Decision Support Systems，2013（3）：661-668.

[14] 兰晓霞.移动社交网络信息披露意愿的实证研究：基于隐私计算与信任的视角[J].现代情报，2017（4）：82-86.

[15] 郭海玲，马红雨，许泽辉.社会化媒体用户信息披露意愿影响模型构建与实证：以微信用户为例[J].图书情报工作，2019（15）：111-119.

[16] Castaneda J A，Montoro F J.The effect of Internet general privacy concern on customer behavior[J].Electron Commerce Research，2007（7）：117-141.

[17] Turban E，King D，Mckay J，etal.Electronic Commerce：A Managerial Perspective[J].Computer Networks，2012（6）：667-668.

[18]Norberg P A.Managed Profiles：The Value of Personal Information in Commercial Exchange[D].Rhode Island：University of Rhode Island，2003.

[19]Siegrist M.The Influence of Trust and Perceptions of Risks and Benefits on the Acceptance of Gene Technology[J].Risk Analysis，2000（2）：195-204.

[20]百度百科.梅特卡夫定律[EB/OL].[2021-07-15].https：//baike.baidu.com/item/%E6%A2%85%E7%89%B9%E5%8D%A1%E5%A4%AB%E5%AE%9A%E5%BE%8B/559840？fr=aladdin.

[21] 邓朝华，鲁耀斌，张金隆.基于TAM和网络外部性的移动服务使用行为研究[J].管理学报，2007（2）：216-221.

[22] Hsu C L，Lin C C.An empirical examination of consumer adoption of Internet of Things services：Network externalities and concern for information privacy perspectives[J].Computers in Human Behavior，2016（9）：516-527.

[23] Sun Y Q，Wang N，Shen X L，etal.Location information disclosure in location-based social network services：Privacy calculus，benefit structure，and gender differences[J].Computers in Human Behavior，2015（11）：278-292.

[24]Dinev T，Hart P.An Extended Privacy Calculus Model for E-Commerce Transactions[J].Information Systems Research，2006（1）：61-80.

[25]Kowatsch T，Maass W.Critical Privacy Factors of Internet of Things Services：An Empirical Investigation with Domain Experts[C]//the 7th mediterranean conference on information systems.Berlin：springer press，2012.

[26]Bansal G，Zahedi F，Gefen D.The impact of personal dispositions on information sensitivity，privacy concern and trust in disclosing health information online[J].Decision Support Systems，2010（2）：138-150.

[27]McKnight D H，Lankton N，Tripp J.Social Networking Information Disclosure and Continuance Intention：a Disconnect[C]//the 44th Hawaii international conference on system sciences.New York：IEEE press，2011.

[28]Phelps J，Nowak G，Ferrell E.Privacy Concerns and Consumer Willingness to Provide Personal Information[J].Journal of Public Policy & Marketing，2013（1）：27-41.

[29]Chiu C M，Cheng H L，Huang H Y，etal.Exploring individuals subjective well-being and loyalty towards social network sites from the perspective of network externalities：The Facebook case[J].International Journal of Information Management，2013（3）：539-552.

[30]Milne G R，Gordon M E.Direct Mail Privacy-Efficiency Trade-offs Within an Implied Social Contract Framework[J].Journal of Public Policy & Marketing，1993（2）：206-215.

（編校：孙新梅）