Bardzo łatwo Cię wyśledzić, nawet jeśli Twoje dane zostały zanonimizowane

Twarze zamazane Getty

Ścieżka danych, którą zostawiamy za sobą cały czas się powiększa. Większość z nich nie jest aż tak interesująca – zamówiony posiłek na wynos, ta słuchawka prysznicowa kupiona przez Internet – ale niektóre z nich są głęboko osobiste: diagnozy lekarskie, orientacja seksualna lub ewidencja podatkowa.

Najczęstszym sposobem, w jaki agencje publiczne chronią naszą tożsamość, jest anonimizacja. Wiąże się to z usunięciem elementów, które w oczywisty sposób można zidentyfikować, takich jak nazwiska, numery telefonów, adresy e-mail i tak dalej. Zbiory danych są również zmieniane, aby były mniej precyzyjne, kolumny w arkuszach kalkulacyjnych są usuwane, a do danych wprowadzany jest szum. Polityka prywatności zapewnia nas, że oznacza to, że nie ma ryzyka, że ​​moglibyśmy zostać wytropieni w bazie danych.

Jednak nowe badanie w Komunikacja przyrodnicza sugeruje, że jest to dalekie od przypadku.

Naukowcy z Imperial College London i University of Louvain stworzyli model uczenia maszynowego, który dokładnie szacuje, jak łatwo można ponownie zidentyfikować poszczególne osoby na podstawie zanonimizowanego zbioru danych. Możesz sprawdzić swój własny wynik tutaj , wpisując swój kod pocztowy, płeć i datę urodzenia.

Przeciętnie w Stanach Zjednoczonych, korzystając z tych trzech rekordów, możesz być poprawnie zlokalizowany w anonimowej bazie danych w 81% przypadków. Biorąc pod uwagę 15 atrybutów demograficznych osoby mieszkającej w Massachusetts, istnieje 99,98% szans na znalezienie tej osoby w dowolnej anonimowej bazie danych.

W miarę gromadzenia informacji szanse, że to nie Ty, bardzo szybko maleją, mówi Yves-Alexandre de Montjoye, badacz z Imperial College London i jeden z autorów badania.

Narzędzie powstało poprzez zgromadzenie bazy danych zawierającej 210 różnych zbiorów danych z pięciu źródeł, w tym US Census. Naukowcy wprowadzili te dane do modelu uczenia maszynowego, który nauczył się, które kombinacje są bardziej unikalne, a które mniej, a następnie przypisują prawdopodobieństwo prawidłowej identyfikacji.

To nie pierwsze badanie, które pokazuje, jak łatwo jest namierzyć osoby z anonimowych baz danych. Gazeta z 2007 roku pokazał, że zaledwie kilka ocen filmów w serwisie Netflix może zidentyfikować osobę równie łatwo, jak na przykład numer PESEL. Pokazuje jednak, jak dalece obecne praktyki anonimizacji pozostały w tyle za naszą zdolnością do ich złamania. Fakt, że zbiór danych jest niekompletny, nie chroni prywatności ludzi, mówi de Montjoye.

To nie wszystkie złe wieści. Te same techniki ponownej identyfikacji były używane przez dziennikarzy pracujących w New York Times na początku tego roku, aby ujawnić zeznania podatkowe Donalda Trumpa z lat 1985-1994. Jednak ta sama metoda może zostać wykorzystana przez kogoś, kto chce popełnić oszustwo związane z dokumentami tożsamości lub uzyskać informacje w celu szantażu.

Problem polega na tym, że uważamy, że anonimizacja danych jest bezpieczna. Organizacje i firmy mówią nam, że jest bezpieczny, a to dowodzi, że tak nie jest, mówi de Montjoye.

Dla spokoju ducha firmy powinny używać prywatność różnicowa , złożony model matematyczny, który umożliwia organizacjom udostępnianie zagregowanych danych na temat nawyków użytkowników, jednocześnie chroniąc tożsamość jednostki, przekonuje Charlie Cabot, kierownik badań w firmie zajmującej się inżynierią prywatności Privitara .

Technika przejdzie pierwszy poważny test w przyszłym roku: jest używana do zabezpieczania bazy danych US Census.

ukryć