會議記錄 文件 第112次會議紀錄
作者: 系統管理者 (09-24 20:01, 第112次會議紀錄.docx ,7 KB) 閱讀 發表討論 列印 詳細資料
註解:
頂尖大學數位資訊發展計畫X-mind第112次會議紀錄

時間:2012年8月27日 (一) 12:15~14:00
地點:大勇樓210406室
參與人員:李蔡彥、徐國偉,呂育如,彭富鑫、陳憶寧、紀明德、廖文宏、陳昇瑋、陳恭、鄭宇君、李俊輝、許志毓、卓曉青共13位。
流程概要:

一、主持人紀明德老師開場,講者、與會者介紹。
二、陳昇瑋 (中研院資訊科學研究所副研究員)演講—
  「以人為本的線上遊戲、資訊安全及多媒體創作研究」。
三、QA交流。
四、附件資源。

會議內容:
一、紀老師開場
1、在一次研討的上遇到陳昇瑋老師,聽聞他的研究主題,感受到他對研究的熱情,以及其近年來在線上遊戲、資訊安全及多媒體創作研究等領域上圍繞在使用者經驗、行為及權益的各項跨領域主題,跟XMIND很相近,歡迎陳老師。

二、演講人陳昇瑋講述

(一)資訊安全
1、隱私在我們領域關注的是資安方面,以無名小站為例,那時還不是實名制,會用跟自己不相關的名字,也就是代名,但代名並不等於匿名,在代名一制怎麼研究隱私。
2、採用的方式是,找用過無名小站的人,請他們填寫問券,在代名與匿名間去判斷、查覺他自己的洩漏程度。
3、有些人會不喜歡與自己相關的匿稱,如肥、管家、晚娘……,當使用者移除的時候,就代表不喜歡某些東西的曝光。
4、 使用者會拿掉的包括下列幾項,關係(如叔伯堂表姐等);不雅綽號(如管家);身份(如黑道);學歷(如公私立);……我們從被拿掉的東西來了解使用者哪些東西不想曝光。
5、個資法通過後,隱私如何研究?每個人對隱私的定義不同,像是名字算嗎?地點算嗎?這在將來研究都可能碰到。
6、在「帳號使用」的課題上,歸類出「危險陌生人」,即家人、情人、同學、同事等身邊的人。
7、當不同人使用同一帳號時,瀏覽行為也會不同,透過「機器學習」判斷瀏覽行為。
8、方法:找一對認識的人,一次一定要來兩對。兩兩交換,看行為有何不同,不告訴他們為何要如此,但缺點是無法完全擬真。
9、攔截資訊作分析(SVM),目前做了28對。
10、發現差異:當本人用自己帳號時,常用NEWS FEED,但若別人用,此陌生人會看別的;當本人瀏覽時,速度較慢,陌生人用時,速度較快。目前實驗時間是做半小時,但之後會用5分鐘來測試,縮短時間,更能查覺出是不是「偷看」,偷看的瀏覽行為較快速。
11、在「網路詐騙」一題上,講者認為此主題很難做,重要,但難做,觀察久亦覺難下手,也很少人做。
12、做技術的人,覺得是人的問題;研究社會學的,又覺得是技術層次。
13、(1)個資洩漏點:網購、物流、金流平台。(2)賣家帳號盜用,用釣魚。
14、解決之道:電話中介平台,可避免露出真正的電話號碼。

(二)線上遊戲
1、作比較多外掛方面的研究,早先解決方式是用GM(遊戲管理者)問玩家問題,來判斷是不是外掛,但會發生,一遇GM立即下線的問題。
2、另外有CAPACHA,要求輸入數碼判斷。
3、後來則試著從走動的速度、軌跡來判斷,最後以跳舞機來做實驗。
4、長期跟遊戲公司合作,亞洲的模式是item model,玩不用錢,但買東西要錢。
5、研究看能否發展出玩家已經「快要不想玩」的判斷。

(三)多媒體創作
1、crowdsourcing與data mining結合的研究是逐漸在發展,而且重要的。
2、以這個世代來看,大家都在照相,但誰要看?由此發展出POMICS,亦即「漫畫編輯器」。
3、它的用意是,若只把照片丟上去,沒有說明,基本上看的人不會一張張看;有人會配影音、圖說、INF來吸引人。
4、當照片組成漫畫,此時就可以吸引人,並且說一個故事,而「漫畫編輯器」會判斷裁掉哪些,再組成,這個missing piece組成comics,減掉的部份實是有一定規律的。

三、QA
1、紀老師:促使研究主題跨界的動機?
回應:我覺得我看到了真正的問題。有陣子常去遊戲公司,聽他們的問題,像是難以預測產品會不會賣等,而這是不是有什麼能解決。至於跨界,這也是慢慢學,當然很難什麼都懂,也請各領域,如心理所的助理幫忙,這才知道Facical EMG。在過程中有件事很動要,就是,「你要要做業界做不到的」,在自己的位置上,用我們能做的,這才是無可替代的。

2、鄭老師:國內外遊戲暢銷否的差異?國情的比較?
回應:拿到的資料是臺灣的、人也是臺灣的,我還在第一步而已,先以臺灣國內開始,之後當然有相關資源也會想做您提到的別的國家狀況,甚至比較。

3、陳老師:大學有修很多課嗎?修課有沒有幫助?
回應:大學倒是沒修很多課,但我喜歡跟業界的人聊天,跟他們混在一起,先是home conference不是為了特別目的,常常我也是先拿到東西,就幫他分析,先不要談資源、相對報酬等,一方面這是信任感的建立。

4、廖老師:crowdsoucing大家一開始都是無償勞動,但一旦有資源分配問題時,這該怎麼辦?
回應:一開始就是collect,但接著會有太多雜訊。而從中怎樣過濾才是有用、能用、好用的,同樣的道理,也許也是要找個大家可以接受的方式,集思廣益。

四、附件資源
1. 社群網路中的非自願性姓名洩露
http://www.iis.sinica.edu.tw/~swc/talk/web20_security.html  pp. 31 -- 49

2. 線上遊戲外掛偵測以及忠誠度預測
http://www.iis.sinica.edu.tw/~swc/talk/game_research.html  pp. 17 -- 87

3. Crowdsourcing 以及 Pomics 自動圖文故事製作平台
http://www.iis.sinica.edu.tw/~swc/talk/crowdmining.html