Demaskowanie użytkowników sieci społecznościowych

Jednym ze sposobów zarabiania pieniędzy przez sieci społecznościowe jest udostępnianie informacji o użytkownikach reklamodawcom i innym osobom zainteresowanym zrozumieniem zachowań konsumentów i wykorzystaniem trendów online.

Sieci społecznościowe zazwyczaj obiecują usunąć informacje umożliwiające identyfikację osoby przed udostępnieniem tych danych, aby chronić prywatność użytkowników. Jednak naukowcy z University of Texas w Austin odkryli, że w połączeniu z łatwo dostępnymi danymi z innych źródeł internetowych, te anonimowe dane mogą nadal ujawniać poufne informacje o użytkownikach.

W testach obejmujących witrynę do udostępniania zdjęć Flickr i usługę mikroblogowania Twitter badacze z Teksasu byli w stanie zidentyfikować jedną trzecią użytkowników z kontami w obu witrynach, po prostu wyszukując rozpoznawalne wzorce w anonimowych danych sieciowych. Zarówno Twitter, jak i Flickr wyświetlają informacje o użytkownikach publicznie, więc badacze zanonimizowali większość danych w celu przetestowania swoich algorytmów.

Badacze chcieli sprawdzić, czy mogą wyodrębnić poufne informacje o osobach, korzystając tylko z połączeń między użytkownikami, nawet jeśli usunięto prawie wszystkie nazwiska, adresy i inne formy danych osobowych. Odkryli, że mogą, pod warunkiem, że będą w stanie porównać te wzorce z tymi z innego wykresu sieci społecznościowej, gdzie niektóre informacje o użytkowniku były dostępne.

Mówi się, że dane z sieci społecznościowych – w szczególności wzorce przyjaźni między użytkownikami – mogą być cenne dla reklamodawców Witalij Szmatikow , profesor informatyki na University of Texas w Austin, który był zaangażowany w badania. Większość sieci społecznościowych planuje zarabiać pieniądze, udostępniając te informacje, podczas gdy reklamodawcy mają nadzieję, że wykorzystają je na przykład do znalezienia szczególnie wpływowego użytkownika i skierowania do niego reklam, aby dotrzeć do swojej sieci znajomych. Ale Shmatikov mówi, że te informacje sprawiają, że sieci są również podatne na ataki. Kiedy udostępniasz te dane, musisz zachować strukturę sieci społecznościowej, mówi. Jeśli nie, to prawdopodobnie jest bezużyteczny w celu, w jakim go wypuszczasz.

Naukowcy twierdzą, że dość łatwo jest znaleźć nieanonimowe dane z sieci społecznościowych: połączenia między przyjaciółmi w wielu sieciach, takich jak Twitter, są domyślnie upubliczniane. Tymczasem wysiłki zmierzające do stworzenia uniwersalnego wykresu społecznościowego, takiego jak OpenSocial, zapewniają jeszcze więcej zasobów. Algorytmy badaczy działały z zaledwie 12-procentowym wskaźnikiem błędów, nawet jeśli wzorce połączeń społecznościowych były znacząco różne: tylko 14 procent relacji użytkowników pokrywało się z Twittera na Flickr. Wyniki zostały opisane w artykule, który zostanie zaprezentowany jeszcze w tym miesiącu na Sympozjum IEEE na temat bezpieczeństwa i prywatności .

Struktura sieci wokół ciebie jest tak bogata i jest tak wiele różnych możliwości, że chociaż masz miliony ludzi uczestniczących w sieci, wszyscy kończymy z różnymi sieciami wokół nas, mówi Shmatikov. Kiedy już uporasz się z wystarczająco wyrafinowanym ludzkim zachowaniem, bez względu na to, czy mówisz o zakupach, jakich ludzie dokonują, o filmach, które oglądają, czy – w tym przypadku – o znajomych, których poznają io tym, jak zachowują się społecznie, ludzie wydają się być dość wyjątkowi. Każda osoba robi kilka dziwacznych, indywidualnych rzeczy, które ostatecznie mocno się identyfikują.

Aby dać algorytmowi punkt wyjścia, badacze muszą również zidentyfikować kilku użytkowników z anonimowego wykresu sieci społecznościowej. Ale mówią, że jest to łatwe w wielu sieciach społecznościowych. Na przykład część użytkowników Facebooka decyduje się na upublicznienie swoich profili, a atakujący może wykorzystać to jako punkt wyjścia. W swoich eksperymentach naukowcy odkryli, że muszą zidentyfikować zaledwie 30 osób, aby móc uruchamiać swoje algorytmy w sieciach liczących 100 000 lub więcej użytkowników.

Naukowcy dodają, że algorytm wykorzystuje najmniejszą możliwą ilość informacji i w praktyce zdeterminowany węszący byłby w stanie znaleźć znacznie więcej. Ten atak byłby znacznie, znacznie silniejszy, gdybyśmy faktycznie wykorzystali informacje, które zwykle pozostają po usunięciu [nazw i adresów], mówi Shmatikov. Tak więc naprawdę pokazujemy, jak wystarczy absolutne minimum.

To ważne badania, mówi Zakupy Alessandro , profesor nadzwyczajny informatyki i porządku publicznego w Carnegie Mellon University i ekspertem ds. prywatności w Internecie. Badania pokazują, w jaki sposób dane, które mogą wydawać się nieistotne, mogą w rzeczywistości zapewnić atakującemu środki do odkrycia naprawdę poufnych informacji, mówi Acquisti. Algorytm mógłby na przykład teoretycznie wykorzystywać nazwy ulubionych zespołów użytkownika i znajomych koncertujących w celu odszyfrowania wrażliwych szczegółów, takich jak orientacja seksualna, z rzekomo zanonimizowanych danych. Acquisti uważa, że ​​rezultat maluje ponury obraz przyszłości prywatności w Internecie. Nie ma czegoś takiego jak całkowita anonimowość, mówi. To niemożliwe.

Szmatikow uważa, że ​​nie ma technicznego rozwiązania tego problemu. Sugeruje, że przepisy dotyczące prywatności i praktyki korporacyjne mogą wymagać zmiany, aby uznać, że nie ma możliwości anonimizacji danych z sieci społecznościowych. Użytkownicy powinni również móc zdecydować, czy w ogóle zezwolić na udostępnianie swoich danych, mówi Shmatikov.

ukryć