Jūs ir ļoti viegli izsekot, pat ja jūsu dati ir anonimizēti

Sejas izplūda Getty

Datu taka, ko atstājam aiz sevis, visu laiku pieaug. Lielākā daļa no tiem nav tik interesanti — jūsu pasūtītā maltīte līdzi ņemšanai, tiešsaistē nopirktā dušas galva, taču daži no tiem ir ļoti personiski: jūsu medicīniskās diagnozes, jūsu seksuālā orientācija vai nodokļu uzskaite.

Visizplatītākais veids, kā valsts aģentūras aizsargā mūsu identitāti, ir anonimizācija. Tas ietver acīmredzami identificējamu lietu, piemēram, vārdu, tālruņu numuru, e-pasta adrešu un tā tālāk, noņemšanu. Datu kopas arī tiek mainītas, lai tās nebūtu tik precīzas, izklājlapu kolonnas tiek noņemtas un datiem tiek radīts troksnis. Privātuma politikas mūs pārliecina, ka tas nozīmē, ka nepastāv risks, ka mūs varētu izsekot datu bāzē.

Tomēr jauns pētījums Dabas sakari liecina, ka tas nebūt nav tā.

Pētnieki no Londonas Imperiālās koledžas un Luvēnas universitātes ir izveidojuši mašīnmācības modeli, kas precīzi novērtē, cik viegli ir atkārtoti identificēt personas no anonimizētas datu kopas. Jūs varat pārbaudīt savu rezultātu šeit , ievadot savu pasta indeksu, dzimumu un dzimšanas datumu.

Vidēji ASV, izmantojot šos trīs ierakstus, jūs varētu pareizi atrasties anonimizētā datubāzē 81% gadījumu. Ņemot vērā Masačūsetsā dzīvojošas personas 15 demogrāfiskos atribūtus, pastāv 99,98% iespējamība, ka jūs varētu atrast šo personu jebkurā anonimizētā datubāzē.

Tā kā informācija uzkrājas, iespēja, ka tas nav jūs, ļoti ātri samazinās, saka Īvs Aleksandrs de Montžojs, Londonas Imperiālās koledžas pētnieks un viens no pētījuma autoriem.

Rīks tika izveidots, apkopojot datubāzi ar 210 dažādām datu kopām no pieciem avotiem, tostarp ASV tautas skaitīšanas. Pētnieki ievadīja šos datus mašīnmācības modelī, kas uzzināja, kuras kombinācijas ir gandrīz unikālas un kuras ir mazāk unikālas, un pēc tam piešķir pareizas identifikācijas varbūtību.

Šis nav pirmais pētījums, kas parāda, cik viegli ir izsekot personas no anonimizētām datu bāzēm. Papīrs 2007. gadā parādīja, ka tikai daži filmu vērtējumi pakalpojumā Netflix var identificēt personu tikpat viegli kā, piemēram, sociālās apdrošināšanas numurs. Tomēr tas parāda, cik tālu pašreizējā anonimizācijas prakse ir atpalikusi no mūsu spējas tos pārkāpt. Fakts, ka datu kopa ir nepilnīga, neaizsargā cilvēku privātumu, saka de Monthoye.

Tās nav visas sliktas ziņas. Šīs pašas atkārtotas identifikācijas metodes izmantoja žurnālisti, kas strādāja uzņēmumā Ņujorkas Laiks šī gada sākumā, lai atklātu Donalda Trampa nodokļu deklarācijas no 1985. līdz 1994. gadam. Tomēr to pašu metodi varētu izmantot kāds, kurš vēlas veikt krāpšanos ar personu apliecinošu dokumentu vai iegūt informāciju šantāžas nolūkos.

Problēma ir tāda, ka mēs domājam, ka dati ir droši, ja dati ir anonimizēti. Organizācijas un uzņēmumi mums saka, ka tas ir droši, un tas pierāda, ka tā nav, saka de Monthoye.

Lai nodrošinātu sirdsmieru, uzņēmumiem vajadzētu izmantot atšķirīgu privātumu , sarežģīts matemātisks modelis, kas ļauj organizācijām koplietot apkopotus datus par lietotāju paradumiem, vienlaikus aizsargājot indivīda identitāti, apgalvo Čārlijs Kabots, privātuma inženieru firmas pētniecības vadītājs. Privitar .

Šī tehnika tiks pirmoreiz pārbaudīta nākamgad: tā tiek izmantota, lai nodrošinātu ASV tautas skaitīšanas datubāzi.

paslēpties