Bitcoin

Ljudi žele privatnost podataka ,da li je to baš uvek tako

Potez Trampove administracije da zabrani popularnu video aplikaciju TikTok izazvao je strahove od kineske vlade koja prikuplja lične podatke ljudi koji koriste aplikaciju. Ovi strahovi podvlače sve veću zabrinutost Amerikanaca uopšte u vezi sa digitalnom privatnošću.

Rasprave oko privatnosti mogu izgledati jednostavno: Nešto je privatno ili nije. Međutim, tehnologija koja pruža digitalnu privatnost je sve samo ne jednostavna.

Naše istraživanje privatnosti podataka pokazuje da oklevanje ljudi da dele svoje podatke delimično potiče iz neznanja ko će im imati pristup i kako organizacije koje prikupljaju podatke drže tajnim. Takođe smo otkrili da kada su ljudi svesni tehnologija za zaštitu podataka, možda neće dobiti ono što očekuju.

Zamislite da je vaš lokalni turistički komitet želeo da sazna najpopularnija mesta u vašem području. Jednostavno rešenje bilo bi prikupiti liste svih lokacija koje ste posetili sa svog mobilnog uređaja, kombinirati ih sa sličnim listama za sve ostale u vašem području i računati koliko često je posećena svaka lokacija.

Iako je efikasno, prikupljanje osetljivih podataka na ovaj način može imati strašne posledice. Čak i ako se podacima oduzmu imena, analitičar podataka ili haker možda će ipak moći da identifikuje i vreba pojedince. Diferencijalna privatnost se može koristiti za zaštitu svačijih ličnih podataka dok se iz njih prikupljaju korisne informacije.

Diferencijalna privatnost prikriva informacije pojedinaca nasumičnim menjanjem spiskova mesta koja su posetili, moguće uklanjanjem nekih lokacija i dodavanjem drugih.

Ove uvedene greške praktično onemogućavaju upoređivanje informacija ljudi i korišćenje procesa eliminacije za utvrđivanje nečijeg identiteta. Važno je da su ove nasumične promene dovoljno male da osiguraju da su zbirni statistički podaci – u ovom slučaju najpopularnija mesta – tačni.

U praksi različita privatnost nije savršena. Proces randomizacije mora biti pažljivo kalibriran. Previše slučajnosti će rezime statistike učiniti netačnim. Premalo ljudi ostaviće ljude ranjive na identifikaciju.

Takođe, ako se nasumično izvrši nakon što se prikupe svi nepromenjeni podaci, kao što je to uobičajeno u nekim verzijama diferencijalne privatnosti, hakeri će možda i dalje moći da dođu do originalnih podataka. Kada je 2006. godine razvijena diferencijalna privatnost, ona se uglavnom smatrala teorijski zanimljivim alatom.

2014. godine Google je postao prva kompanija koja je počela javno da koristi različitu privatnost za prikupljanje podataka. Od tada su Microsoft, Google i Američki popisni biro uveli nove sisteme koji koriste različitu privatnost.

Apple ga koristi za napajanje algoritama mašinskog učenja bez potrebe da vidi vaše podatke, a Uber mu se obratio da bi osigurao da njihovi interni analitičari podataka ne mogu zloupotrebiti svoju moć. Diferencijalna privatnost se često pozdravlja kao rešenje za probleme privatnosti na mreži za oglašavanje omogućavajući oglašivačima da saznaju kako ljudi reaguju na njihove oglase bez praćenja pojedinaca.

Ali nije jasno da li ljudi koji razmišljaju da li će deliti svoje podatke imaju jasna očekivanja ili razumeju različitu privatnost.

U julu smo, kao istraživači na Univerzitetu u Bostonu, Georgia Institute of Technologi i Microsoft Research i Mak Planck Institute, anketirali 675 Amerikanaca da bismo procenili da li su ljudi voljni da svojim podacima povere različito privatne sisteme.

Napravili smo opise različite privatnosti na osnovu onih koje koriste kompanije, mediji i akademici. Ove definicije kretale su se od nijansiranih opisa koji su se fokusirali na to šta različita privatnost može da dozvoli preduzeću ili rizike od kojih se štiti, opisi koji su se fokusirali na poverenje u mnoge kompanije koje ga sada koriste i opisi koji su jednostavno rekli da je diferencijalna privatnost „ novi zlatni standard u zaštiti privatnosti podataka “, kako je to opisao Popisni biro.

Amerikanci koje smo anketirali imali su otprilike dvostruko veću verovatnoću da će izvesti da bi bili spremni da podele svoje podatke ako im se, koristeći jednu od ovih definicija, kaže da će njihovi podaci biti zaštićeni različitom privatnošću. Konkretan način na koji je opisana različita privatnost nije uticao na sklonost ljudi da dele.

Čini se da je samo garantovanje privatnosti dovoljno da promeni očekivanja ljudi o tome ko može pristupiti njihovim podacima i da li će biti sigurni u slučaju hakovanja. Zauzvrat, ta očekivanja pokreću spremnost ljudi da dele informacije.

https://woodworkingplansgeek.com/

Povezani Clanci

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button