Paano Makakaapekto ang Pagkakaiba ng Pagkapribado sa Iyong Data?

Paano Makakaapekto ang Pagkakaiba ng Pagkapribado sa Iyong Data? Marco Verch / Flickr, CC BY

Ang mga kompanya ng teknolohiya ay maaaring gumamit ng kaugalian na pagkapribado upang mangolekta at magbahagi ng pinagsama-samang data tungkol sa mga gawi ng gumagamit, habang pinapanatili ang indibidwal na privacy.

Hindi lihim na ang mga malalaking kumpanya ng tech tulad ng Facebook, Google, Apple at Amazon ay lalong lumalabag sa aming mga personal at sosyal na pakikipag-ugnayan upang mangolekta ng napakaraming data sa amin araw-araw. Kasabay nito, ang mga paglabag sa privacy sa cyberspace ay regular na gumawa ng front page news.

Kaya paano dapat protektado ang privacy sa isang mundo kung saan ang data ay natipon at ibinahagi sa pagtaas ng bilis at katalinuhan?

Ang kaugalian ng pagiging pribado ay isang bagong modelo ng cyber security na ang mga tagapagtaguyod ng claim ay maaaring maprotektahan ang personal na data na mas mabuti kaysa sa mga tradisyonal na pamamaraan.

Ang matematika na ito ay batay sa ay binuo 10 taon na ang nakaraan, at ang paraan ay pinagtibay ng Apple at Google sa mga nakaraang taon.

Ano ang pagkakaiba sa privacy?

Ginagawang posible ng kaugalian ng kaugalian ang mga kompanya ng tech na mangolekta at magbahagi ng pinagsama-samang impormasyon tungkol sa mga gawi ng gumagamit, habang pinapanatili ang privacy ng mga indibidwal na gumagamit.

Halimbawa, sabihin mong nais mong ipakita ang pinakasikat na mga ruta na ginagawa ng mga tao sa paglalakad sa isang parke. Sinusubaybayan mo ang mga ruta ng mga taong 100 na regular na lumakad sa parke, at kung lumalakad sila sa landas o sa damo.


Kunin ang Pinakabagong Mula sa InnerSelf


Ngunit sa halip na ibahagi ang mga partikular na tao sa bawat ruta, ibinabahagi mo ang pinagsama-samang data na nakolekta sa paglipas ng panahon. Ang mga tao na tinitingnan ang iyong mga resulta ay maaaring malaman na ang 60 mula sa mga taong 100 ay ginusto na kumuha ng isang maikling-cut sa pamamagitan ng damo, ngunit hindi 60 mga tao.

Bakit kailangan natin ito?

Marami sa mga pamahalaan ng mundo ang may mahigpit na mga patakaran tungkol sa kung paano kinokolekta at ibinabahagi ng mga kompanya ng tech ang data ng gumagamit. Ang mga kumpanya na hindi sumusunod sa mga panuntunan ay maaaring harapin ang mga malalaking multa. A Ang Belgian court kamakailan ay nag-utos ng Facebook upang ihinto ang pagkolekta ng data sa mga gawi sa pagba-browse ng mga gumagamit sa mga panlabas na website, o nakaharap ang mga multa ng € 250,000 sa isang araw.

Para sa maraming mga kumpanya, lalo na ang mga multinasyunal na tumatakbo sa iba't ibang mga saklaw, ito ay nag-iiwan sa kanila sa isang maselan na posisyon pagdating sa pagkolekta at paggamit ng data ng kostumer.

Sa isang banda, ang mga kumpanyang ito ay nangangailangan ng data ng mga gumagamit upang maaari silang magbigay ng mataas na kalidad na mga serbisyo na nakikinabang sa mga gumagamit, tulad ng mga personalized na rekomendasyon. Sa kabilang banda, maaari silang harapin ng mga singil kung mangolekta sila ng napakaraming data ng gumagamit, o kung susubukan nilang ilipat ang data mula sa isang hurisdiksyon patungo sa isa pa.

Ang mga tradisyunal na mga tool sa pagpapanatili ng privacy tulad ng cryptography ay hindi maaaring malutas ang problema na ito dahil pinipigilan nito ang mga teknolohiyang kumpanya mula sa pag-access ng data sa lahat. At ang pagkawala ng lagda ay binabawasan ang halaga ng data - ang isang algorithm ay hindi maaaring maghatid sa iyo ng personalized na mga rekomendasyon kung hindi nito alam kung ano ang iyong mga gawi.

Paano ito gumagana?

Ipagpatuloy natin ang halimbawa ng paglalakad ng mga ruta sa pamamagitan ng isang parke. Kung alam mo ang mga pagkakakilanlan ng mga kasama sa pag-aaral, ngunit hindi mo alam kung sino ang kinuha kung aling ruta pagkatapos ay maaari mong ipalagay na ang privacy ay protektado. Ngunit maaaring hindi iyon ang kaso.

Sabihin sa isang tao na tinitingnan ang iyong data na nais mong alamin kung gusto ni Bob na lumakad sa damuhan o sa landas. Nakuha nila ang impormasyon sa background tungkol sa iba pang mga tao sa 99 sa pag-aaral, na nagsasabi sa kanila na gusto ng mga taong 40 na lumakad sa landas at gusto ng 59 na lumakad sa damo. Samakatuwid, maaari nilang pagbatayan na si Bob, sino ang 100th tao sa database, ay ang 60th na nagnanais na lumakad sa damo.

Ang ganitong uri ng pag-atake ay isang tinatawag na isang pagkakaiba-iba na atake, at ito ay lubos na mahirap upang ipagtanggol laban sa bilang hindi mo maaaring kontrolin kung magkano ang kaalaman sa background ng isang tao ay maaaring makuha. Nilalayon ng pagkakaiba sa privacy na ipagtanggol laban sa ganitong uri ng pag-atake.

Ang isang tao na nagpuputol sa iyong paglalakad ay maaaring hindi masyadong malubhang tunog, ngunit kung pinapalitan mo ang mga ruta ng paglalakad na may mga resulta ng pagsubok sa HIV, maaari mong makita na may potensyal na para sa isang seryosong pagsalakay sa privacy.

Tinitiyak ng modelo ng pagkakaiba sa privacy na kahit na mayroong isang kumpletong impormasyon tungkol sa 99 ng mga taong 100 sa isang hanay ng data, hindi pa rin nila maaaring mahulugan ang impormasyon tungkol sa huling tao.

Ang pangunahing mekanismo upang makamit iyon ay upang magdagdag ng random na ingay sa pinagsama-samang data. Sa halimbawa ng landas, maaari mong sabihin ang bilang ng mga tao na mas gustong tumawid sa damo ay 59 o 61, kaysa sa eksaktong bilang ng 60. Ang hindi tumpak na numero ay maaaring mapanatili ang pagkapribado ni Bob, ngunit magkakaroon ito ng napakaliit na epekto sa pattern: sa paligid ng 60% ng mga tao na ginusto na kumuha ng isang maikling-cut.

Ang ingay ay maingat na dinisenyo. Kapag nagtatrabaho ang Apple ng kaugalian sa privacy sa iOS 10, idinagdag nito ang ingay sa mga indibidwal na input ng user. Ang ibig sabihin nito ay maaari itong subaybayan, halimbawa, ang pinaka madalas na ginagamit na mga emojis, ngunit ang paggamit ng emoji ng sinumang indibidwal na gumagamit ay lihim.

Cynthia Dwork, the imbentor ng pagkakaiba sa privacy, ay nagpanukala ng mga kahanga-hangang mathematical proofs sa kung magkano ang ingay ay sapat upang makamit ang pangangailangan ng kaugalian na privacy.

Ano ang mga praktikal na application nito?

Maaaring mailapat ang kaugalian ng pagiging pribado sa lahat ng bagay mula sa mga rekomendasyon sa mga serbisyong batay sa lokasyon at mga social network. Apple gumagamit ng kaugalian sa privacy upang makalikom ng mga hindi kilalang pananaw sa paggamit mula sa mga device tulad ng mga iPhone, iPad at Mac. Ang pamamaraan ay user-friendly, at legal sa malinaw.

Pinapayagan din ng kaugalian ng kaugalian na ang isang kumpanya tulad ng Amazon ma-access ang iyong personalized na mga kagustuhan sa pamimili habang itinatago ang sensitibong impormasyon tungkol sa iyong makasaysayang listahan ng pagbili. Magagamit ito ng Facebook upang mangolekta ng data sa pag-uugali para sa naka-target na advertising, nang hindi lumalabag sa mga patakaran sa privacy ng isang bansa.

Paano ito magamit sa hinaharap?

Ang iba't ibang mga bansa ay may iba't ibang mga patakaran sa pagkapribado, at ang mga sensitibong dokumento ay dapat na manu-manong manu-mano bago lumipat mula sa isang bansa patungo sa isa pa. Ito ay oras-ubos at mahal.

Kamakailan lamang, isang koponan mula sa Deakin University bumuo ng kaugalian na teknolohiya sa privacy upang i-automate ang mga proseso ng privacy sa mga komunidad ng pagbabahagi ng cloud sa iba't ibang bansa.

Ang pag-uusapIpinanukala nila ang paggamit ng mga formula sa matematika upang i-modelo ang mga batas sa pagkapribado ng bawat bansa na maaaring isalin sa "middleware" (software) upang matiyak na ang data ay sumusunod. Ang paggamit ng kaugalian sa pagkapribado sa ganitong paraan ay maaaring maprotektahan ang pagkapribado ng mga gumagamit at malutas ang isang sakit sa pagbabahagi ng data para sa mga kompanya ng tech.

Tungkol sa Ang May-akda

Tianqing Zhu, Lektor sa Cyber ​​Security, Faculty of Science, Engineering & Built Environment, Deakin University

Ang artikulong ito ay orihinal na na-publish sa Ang pag-uusap. Basahin ang ang orihinal na artikulo.

Mga Kaugnay Books

{amazonWS: searchindex = Books; keywords = personal privacy; maxresults = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

sundin ang InnerSelf sa

facebook-icontwitter-iconrss-icon

Kumuha ng Pinakabagong Sa pamamagitan ng Email

{Emailcloak = off}