该论文针对触发-动作平台（TAPs）中普遍存在的数据过度收集问题，提出了一种名为 LazyTAP 的新型数据最小化范式。在现有 TAP（如 IFTTT）中，触发服务和查询服务需要将大量用户数据发送给平台，即使平台仅需其中部分属性即可完成操作，这违反了数据最小化原则。LazyTAP 通过“按需拉取”机制，仅在应用执行实际访问某个属性时才从输入服务获取数据，从而将数据收集粒度从整个服务级细化到属性级。该方法的关键创新在于利用惰性求值（laziness）推迟计算和对象代理，在后台透明地加载远程数据，对第三方应用开发者完全无感。实验基于标准应用基准测试，结果显示 LazyTAP 平均比 IFTTT 减少 95% 的不必要数据传输，比此前的最优方案 minTAP 减少 38%，同时性能开销可接受。论文还详细描述了 LazyTAP 的原型实现细节。这项工作为构建更隐私友好的 IoT 自动化平台提供了理论基础和可行方案。