Jus labai lengva susekti, net kai jūsų duomenys buvo anonimizuoti

Veidai neryškūs Getty

Duomenų pėdsakai, kuriuos paliekame už savęs, nuolat auga. Dauguma jų nėra tokie įdomūs – jūsų užsisakytas maistas išsinešimui, dušo galvutė, kurią nusipirkote internetu, tačiau kai kurios iš jų yra labai asmeniškos: jūsų medicininės diagnozės, seksualinė orientacija ar mokesčių įrašai.

Dažniausias būdas viešosioms agentūroms apsaugoti mūsų tapatybę yra anonimiškumas. Tai apima akivaizdžiai atpažįstamų dalykų, pvz., vardų, telefonų numerių, el. pašto adresų ir pan., pašalinimą. Duomenų rinkiniai taip pat keičiami, kad būtų ne tokie tikslūs, skaičiuoklių stulpeliai pašalinami, o duomenys sukelia triukšmą. Privatumo politika mus patikina, kad tai reiškia, kad nėra jokios rizikos, kad galime būti susekti duomenų bazėje.

Tačiau naujas tyrimas Gamtos komunikacijos rodo, kad taip toli gražu.

Tyrėjai iš Londono imperatoriškojo koledžo ir Liuveno universiteto sukūrė mašininio mokymosi modelį, kuris tiksliai įvertina, kaip lengva iš naujo identifikuoti asmenis iš anoniminio duomenų rinkinio. Galite patikrinti savo rezultatą čia , įvesdami pašto kodą, lytį ir gimimo datą.

Vidutiniškai JAV naudojant šiuos tris įrašus anoniminėje duomenų bazėje 81 % laiko būtų galima teisingai rasti. Atsižvelgiant į 15 Masačusetse gyvenančio asmens demografinių požymių, yra 99,98 % tikimybė, kad tą asmenį rasite bet kurioje anoniminėje duomenų bazėje.

Kadangi informacija kaupiasi, tikimybė, kad tai ne jūs, labai greitai mažėja, sako Yves-Alexandre de Montjoye, Londono imperatoriškojo koledžo mokslininkas ir vienas iš tyrimo autorių.

Priemonė buvo sukurta surenkant 210 skirtingų duomenų rinkinių iš penkių šaltinių, įskaitant JAV surašymą, duomenų bazę. Tyrėjai įtraukė šiuos duomenis į mašininio mokymosi modelį, kuris sužinojo, kurie deriniai yra labiau unikalūs, o kurie mažiau, ir tada priskiria teisingo identifikavimo tikimybę.

Tai ne pirmasis tyrimas, parodantis, kaip lengva susekti asmenis iš anoniminių duomenų bazių. Popierius dar 2007 m parodė, kad vos keli filmų įvertinimai „Netflix“ gali identifikuoti asmenį taip pat lengvai, kaip, pavyzdžiui, socialinio draudimo numeris. Tačiau tai rodo, kiek dabartinė anonimiškumo praktika atsilieka nuo mūsų sugebėjimo jas sulaužyti. Tai, kad duomenų rinkinys yra neišsamus, neapsaugo žmonių privatumo, sako de Montjoye.

Tai ne visos blogos naujienos. Tuos pačius pakartotinio atpažinimo būdus naudojo ir žurnalistai, dirbantys Niujorko laikas šių metų pradžioje atskleisti Donaldo Trumpo 1985–1994 m. mokesčių deklaracijas. Tačiau tą patį metodą gali naudoti asmenys, norintys sukčiauti asmens tapatybės dokumentais arba gauti informacijos šantažo tikslais.

Problema ta, kad manome, kad kai duomenys yra anonimiški, jie yra saugūs. Organizacijos ir įmonės mums sako, kad tai saugu, o tai įrodo, kad taip nėra, sako de Montjoye.

Kad būtų ramiau, įmonės turėtų naudoti diferencijuotas privatumas , sudėtingas matematinis modelis, leidžiantis organizacijoms dalytis suvestiniais duomenimis apie vartotojų įpročius ir kartu apsaugoti asmens tapatybę, teigia Charlie Cabot, privatumo inžinerijos įmonės tyrimų vadovas. Privitar .

Ši technika bus pirmą kartą išbandyta kitais metais: ji naudojama siekiant apsaugoti JAV surašymo duomenų bazę.

paslėpti