با اولین جریمه های بزرگ برای نقض مقررات حفاظت از داده های عمومی اتحادیه اروپا (GDPR) برای ما ، و دولت انگلستان در مورد بازنگری دستورالعمل های GDPR ، محققان نشان داده اند که چگونه حتی می توان داده های ناشناس را می توان به افرادی که از یادگیری ماشین استفاده می کنند ، بازگرداند.
محققان می گویند مقاله آنها ، که امروز در ارتباطات Nature منتشر شده است ، نشان می دهد که اجازه استفاده از داده ها — برای مثال الگوریتم های هوش مصنوعی ، برای مثال - در حالی که حفظ حریم خصوصی افراد حفظ می شود ، نیاز به چیزی بیشتر از اضافه کردن سر و صدا ، نمونه گیری از مجموعه داده ها و سایر تکنیک های شناسایی ندارد. .
آنها همچنین یک ابزار نمایشی منتشر کرده اند که به افراد امکان می دهد درک کنند که چقدر احتمال ردیابی وجود دارد ، حتی اگر مجموعه اطلاعاتی که در آن قرار دارند ناشناس باشد و فقط بخش کوچکی از آن به اشتراک گذاشته شود.
آنها می گویند که یافته های آنها باید یک فراخوان بیداری برای سیاست گذاران در مورد لزوم تشدید قوانین برای آنچه که واقعاً داده های ناشناس است باشد .
شرکت ها و دولت ها هر دو به طور مرتب از داده های شخصی ما جمع آوری و استفاده می کنند . داده های ما و نحوه استفاده از آن تحت قوانین مربوطه مانند GDPR یا قانون حفظ حریم خصوصی مصرف کننده کالیفرنیا (CCPA) محافظت می شود.
داده ها نمونه برداری شده و ناشناس است ، که شامل سلب داده های شناسایی خصوصیات مانند نام ها و آدرس های ایمیل می شود ، بنابراین افراد به طور تئوری نمی توانند شناسایی شوند. پس از این فرآیند ، داده ها دیگر مشمول مقررات مربوط به محافظت از اطلاعات نیستند ، بنابراین می توان آنها را آزادانه به اشخاص ثالث مانند شرکت های تبلیغاتی و کارگزاران داده فروخت.
تحقیقات جدید نشان می دهد که یک بار داده ، با وجود تکنیک های ناشناس سازی ، می تواند با استفاده از یادگیری ماشین برای شناسایی مجدد افراد ، مهندسی معکوس شود.
این می تواند اطلاعات حساس را در مورد افراد مشخص شده در معرض دید افراد قرار دهد و به خریداران اجازه دهد پروفایل های شخصی به طور فزاینده ای از افراد ایجاد کنند.
این تحقیقات برای اولین بار نشان می دهد که چگونه این کار به راحتی و با دقت می تواند انجام شود - حتی با مجموعه داده های ناقص.
در این تحقیق ، 99.98 درصد آمریکایی ها به درستی در هر مجموعه داده "ناشناس" موجود با استفاده از 15 ویژگی ، از جمله سن ، جنس و وضعیت تأهل ، دوباره شناسایی شدند.
دکتر لوك روچر ، نویسنده اول از UCLouvain گفت: "در حالی كه ممكن است افراد زیادی كه در سی سالگی ، مرد و زندگی در شهر نیویورك زندگی می كنند ، زندگی كنند ، اما تعداد كمی از آنها نیز در 5 ژانویه متولد شده اند ، مشغول رانندگی در ورزش قرمز هستند. با دو کودک (هر دو دختر) و یک سگ زندگی کنید. "
برای اثبات این امر ، محققان یک مدل یادگیری ماشین تهیه کرده اند تا احتمال اینکه خصوصیات یک فرد به اندازه کافی دقیق باشد را برای ارزیابی فقط یک نفر در یک میلیارد میلیارد نفر ارزیابی کنند.
آنها همچنین یک ابزار آنلاین ایجاد کرده اند که داده را ذخیره نمی کند و فقط برای اهداف نمایش است ، تا به مردم کمک کند ببینند کدام ویژگی ها آنها را در مجموعه داده ها منحصر به فرد می کند.
این ابزار ابتدا از شما می خواهد که در قسمت اول کد (جنسیت) و تاریخ تولد آنها (UK) یا ZIP (US) ، جنسیت و تاریخ تولد آنها را قرار دهید ، قبل از اینکه به آنها احتمال دهید مشخصات آنها دوباره در هر مجموعه اطلاعاتی ناشناس شناخته شود ، قرار دهید .
سپس قبل از محاسبه مجدد از وضعیت تاهل شما ، تعداد وسایل نقلیه ، وضعیت مالکیت خانه و وضعیت اشتغال می پرسد. با افزودن مشخصات بیشتر ، احتمال صحت یک مسابقه به طرز چشمگیری افزایش می یابد.
بیشتر بخوانید: فناوری استخراج پمپ وکیوم خلاء حلقه آب
دکتر ایو اسکندر دی مونوشی ، نویسنده ارشد ، از دپارتمان محاسبات و مؤسسه داده اطلاعات امپریال ، گفت: "این اطلاعات کاملاً استانداردی است که شرکتها می توانند از آنها بخواهند. داده های مربوط به هر کس که بلافاصله ناشناس شود. تحقیقات ما نشان می دهد که افراد به راحتی و با چه دقت می توانند ردیابی شوند.
وی افزود: شرکت ها و دولت ها با بیان اینکه مجموعه داده های فروشی آنها همیشه ناقص هستند ، خطر شناسایی مجدد را پایین آورده اند.
"یافته های ما با این موضوع مغایرت دارد و نشان می دهد که یک مهاجم می تواند به راحتی و با دقت تخمین بزند که سابقه ای که آنها پیدا کردند متعلق به شخصی است که در جستجوی آن بودند."
شناسایی مجدد داده های ناشناس این است که چگونه روزنامه نگاران در ماه مه سال 2019 میلادی مالیات های دونالد ترامپ را در معرض بازده مالیاتی قرار دادند.
دکتر جولیان هندریکس از نویسندگان UCLouvain گفت: "ما اغلب اطمینان می دهیم که ناشناس ماندن اطلاعات شخصی ما را ایمن نگه می دارد. مقاله ما نشان می دهد که شناسایی هویت به هیچ وجه به اندازه کافی برای محافظت از اطلاعات شخصی افراد نیست."
محققان می گویند سیاست گذاران باید اقدامات بیشتری برای محافظت از افراد در برابر چنین حملاتی انجام دهند ، این امر می تواند پیامدهای جدی برای مشاغل و همچنین زندگی شخصی و مالی داشته باشد.
نظرات شما عزیزان:
