از اطلاعات جمعیتی ناشناس هنوز می توان برای شناسایی شما استفاده کرد

[ware_item id=33][/ware_item]

مشخصات مردی که چهره اش اطلاعات قابل شناسایی در مورد او دارد.


اگر جزء معدود افرادی هستید که شرایط خدمات را می خواند ، ممکن است یک بند در سیاست های حریم خصوصی شرکت های مختلف دفن شده باشید که می گوید ممکن است داده های شما را به شخص ثالث جمع آوری و بفروشند.

به گفته آنها ، این داده ها ناشناس است ، اما یک مطالعه جدید منتشر شده در آن است ارتباطات طبیعت نشان می دهد که ، بسته به آنچه که به اشتراک می گذارید ، بازهم می توانید با دقت حیرت انگیز دوباره شناسایی کنید. محققان امپریال کالج لندن و دانشگاه لووین در بلژیک یک مدل یادگیری ماشین ایجاد کردند که می تواند افراد را از مجموعه داده های ناشناس حتی از "مجموعه داده های کاملاً ناقص" مجدداً هویت بخشد.

چنین افشاگری ها در حالی صورت می گیرد که افراد بیشتری نسبت به شرکتهایی که داده های خود را به اشخاص ثالث می فروشند ، احتیاط می کنند و داده های ناشناس در حال حاضر ذخیره شده (و به اشتراک گذاشته شده) که بسیاری از شرکت ها و موسسات دانشگاهی جمع آوری و استفاده می کنند ، دارای پیامدهای حریم خصوصی است..

چگونه ناشناس سازی داده ها کار می کند?

مگر اینکه شبکه کاملاً خاموش باشید ، به طور مرتب داده های شخصی زیادی را تهیه می کنید - از خریدهای آنلاین و مسیرهای در حال اجرا تا اطلاعات شخصی بیشتر مانند سوابق بهداشتی شما.

چنین كاری داده های خاك برای تبلیغ كنندگانی كه می خواهند هدفگذاری خود را بهبود بخشند ، گرد و غبار طلا است (بخوانید: Cambridge Analytica) ، و برای محققانی كه به دنبال گرایش در بهداشت عمومی هستند ، و تشخیص چهره را به هوش مصنوعی آموزش می دهند..

برای محافظت از هویت های موجود در پشت داده ها ، "بهترین روش" حذف اطلاعات بدیهی مانند نام ، آدرس ایمیل و شماره تلفن و تأمین اجتماعی بوده است..

[اخبار خصوصی و امنیتی بیشتری می خواهید؟ برای خبرنامه وبلاگ ExpressVPN ثبت نام کنید.]

تکنیک های ناشناس ماندن قدیمی

بسیاری از روشهای رایج ناشناس ماندن از دهه 1990 بدون تغییر باقی مانده اند و در پاسخ به انفجار داده های آنلاین ، از اتخاذ تکنیک های پیچیده تر ناشناس ماندن استفاده نکرده اند..

چندین مورد وجود دارد که مربوط به اوایل سال 2000 است ، از مجموعه داده های ظاهرا ناشناس منتشر شد و بعدا دوباره شناسایی شد..

در سال 2017 ، روزنامه نگاران با موفقیت "سیاستمداران را در مجموعه اطلاعات تاریخ ناشناس 3 میلیون شهروند آلمانی شناسایی کردند و از اطلاعات پزشکی و ترجیحات جنسی آنها پرده برداشتند."

این مطالعه جدید همچنین به کارهای قبلی اشاره دارد که محققان توانستند "شخصی را در مسیرهای تاکسی ناشناس در NYC ، سفرهای مشترک با دوچرخه در لندن ، داده های مترو در ریگا ، و داده های تلفن همراه و کارتهای اعتباری" بطور جداگانه شناسایی کنند. "

برای شناسایی مجدد شما تعداد کمی از داده لازم است

محققان پشت این تحقیق فرم آنلاین ایجاد کرده اند که می توانید شانس شناسایی خود (فقط برای ساکنان ایالات متحده و انگلیس) را از یک شرکت بیمه درمانی فرضی با تنها سه نقطه داده آزمایش کنید: جنسیت ، تاریخ تولد و کدپستی..

به عنوان مثال ، اگر شما یک مرد آمریکایی متولد 12 نوامبر 1990 بودید و در حال حاضر در کد پستی 02139 زندگی می کنید ، 54٪ احتمال دارد کارفرمای یا همسایه شما بتواند شما را شناسایی کند.

از اطلاعات جمعیتی ناشناس هنوز می توان برای شناسایی شما استفاده کرداما این ویژگی وقتی اضافه می کنید که ویژگی های بیشتری اضافه می کنید: اضافه کردن وضعیت زناشویی به تنهایی می تواند شانس شناسایی شما را افزایش دهد 99٪. سایر ویژگی ها شامل تعداد وسایل نقلیه ، طبقه کار (صنعت منتخب) و مالکیت خانه است.

از اطلاعات جمعیتی ناشناس هنوز می توان برای شناسایی شما استفاده کرد

چگونه شرکت ها می توانند داده های ما را ناشناس کنند?

از این مطالعه مشخص است که شیوه های ناشناس ماندن فعلی به اندازه کافی از حریم شخصی افراد محافظت نمی کند و آنها را در معرض شناسایی مجدد توسط هر کسی که به آن داده ها آسیب پذیر است ، آسیب پذیر می کند..

متأسفانه ، چیزهای زیادی وجود ندارد که فرد بتواند در اینجا انجام دهد - این به عهده شرکت ها و موسساتی است که این داده ها را ذخیره ، فروش می کند و از این داده ها استفاده می کند تا نحوه ناشناس بودن داده ها را تغییر دهد. مقررات نظیر GDPR اتحادیه اروپا و قانون حفظ حریم خصوصی مصرف کننده کالیفرنیا ، هر دو را ملزم می کند که افراد در کلیه مجموعه های داده ها ناشناس باشند و شناسایی مجدد آنها غیرممکن است ، اما پاسخگویی شرکت ها ممکن است کاری دشوار باشد.

یکی از راه های جلوگیری از شناسایی مجدد در داده های ناشناس ، اتخاذ حریم خصوصی دیفرانسیل است ، یک مدل ریاضی که قبل از ارسال به سرور مقدار کنترل شده ای از "سر و صدا" تصادفی را به داده ها اضافه می کند ، و داده ها را تقریباً تقریبی تر از دقیق ، اما به اندازه کافی از حریم شخصی فرد محافظت می کند. شرکت هایی مانند اپل و گوگل حریم خصوصی دیفرانسیل را در جمع آوری داده های خود گنجانیده اند.

ما به زودی شاهد حریم خصوصی دیفرانسیل خواهیم بود و به روش بزرگی مورد آزمایش قرار می گیرد: از آن در سرشماری بعدی ایالات متحده استفاده می شود.

مراحلی که می توانید برای محافظت از خود بردارید

بنابراین وقتی یک شرکت از شما اجازه می دهد داده های ناشناس را با اشخاص ثالث به اشتراک بگذارد ، شما باید چه کاری انجام دهید؟ خودتان را ناشناس کنید. هر شرکتی حقیقتاً حق تولد واقعی شما ، کد پستی واقعی شما ، جنسیت یا وضعیت تاهل شما یا حتی لزوماً نام واقعی شما را ندارد. اگر جزئیات برای استفاده شما از یک سرویس خاص ضروری نیست ، برخی ناهماهنگی ها را در اطراف خود بپاشید. (و اگر نامی با غلط مشخص شده در صندوق پستی شما شروع به نمایش می کند ، می دانید دقیقاً کدام شرکت شما را فروخته است.)

با این وجود بهتر است فقط با شرکتهایی کار کنید که کاملاً مقدم بر اطلاعاتی هستند که جمع آوری می کنند ، و هیچ گونه داده ای را که لازم نیست جمع آوری کنند ، و هرگز اطلاعات شخصی شما را با شخص ثالث به اشتراک نگذارند و یا بفروشند ، و حتی ناخوشایند شوید حتی از تشخیص اصلی. اطلاعات به طور جدی کشنده (و حتی در صورت تمایل به شما امکان می دهد از انتخاب کردن امتناع کنید). ما اتفاق می افتد که حداقل یکی را بدانیم.

از اطلاعات جمعیتی ناشناس هنوز می توان برای شناسایی شما استفاده کرد
admin Author
Sorry! The Author has not filled his profile.
Like this post? Please share to your friends:
Leave a Reply

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!:

90 − = 88

map