چگونه فیس بوک دوست دارد ویژگی های پنهان شما را نشان دهد

فرض کنید شما یک محقق هستید. یا شاید یک بدبخت اجباری باشد. یا شاید به سادگی تبلیغ کننده باشد. شما می خواهید به دلایل… برخی خصوصیات شخصی یک فرد را بفهمید. بنابراین ، شما وارد فیس بوک می شوید ، آنها را جستجو کرده و مشخصات آنها را اسکن می کنید.

هرچند بدشانسی. آنها اطلاعات مهمی را در پشت دیوار حریم خصوصی قرار داده اند. در یک دنیای ساده و کسل کننده ، داستان باید به اینجا ختم شود.

اما ما دنیای فتنه و تعجب است و شما کسی نیستید که راحت تسلیم شوید. بنابراین شما اطلاعات بیشتری را در نمایه کاربر می گذارید و در واقع موفق می شوید خود را با برخی از علایق شخصی که آنها آشکارا در فیس بوک فاش کرده اند ، آشنا کنید. همه چیزهایی که شما باید در مورد فرد مورد نظر بدانید فقط بر اساس علایق آنها است.

در حالی که هیچ یک از ما در اینجا شرلوک نیستیم ، هوش مصنوعی تقریب معقول و منطقی با استعدادهای کارآگاه بزرگ است.

این همان چیزی است که محققان با کمک یک الگوریتم NLP (پردازش زبان طبیعی) موفق به انجام این کار شدند: آنها ویژگی های شخصی پنهان کاربران فیس بوک را با استفاده از علایق فاش شده خود به تنهایی پیش بینی کردند. [19659002] به ویژه ، محققان قادر به پیش بینی ویژگی های شخصی زیر کاربران صرفاً بر اساس علاقه موسیقی خود بودند:

• Age
• Location
• جنسیت [19659012] وضعیت روابط

اگرچه مقاله ای که محققان یافته های خود را منتشر کردند ، کمی قدیمی است (منتشر شده در سال 2012) ، این به عنوان یک نمایش عالی از چگونگی نشت اطلاعات خصوصی در شبکه های رسانه های اجتماعی حتی در مواردی که زیبا ساخته شده است ، خدمت می کند. اطلاعات مربوط به خود را در مورد اشخاص ثالث غیرقابل مشاهده است.

شما همان چیزی هستید که دوست دارید

تنظیمات حریم خصوصی در وب سایت های رسانه های اجتماعی امروزه به کاربران امکان کنترل بیشتر بر دیداری اطلاعات خود را می دهد (نقض بی شماری از حریم خصوصی شبکه های رسانه های اجتماعی

اما آیا این واقعاً برای جلوگیری از افشای اطلاعات پنهان شما کافی است؟ متأسفانه ، تحقیقات دانشمندان از INRIA فرانسه خلاف این را اثبات می کند.

محققان نشان دادند که استفاده از تنظیمات و علاقه های موسیقی کاربر همانطور که در فیس بوک فاش شده است ، می توان سن ، جنسیت ، وضعیت روابط و موقعیت آنها را پیش بینی کرد.

(این مثال فقط برای اهداف مصور استفاده می شود و لزوماً مطابقت ندارد. به واقعیت)

اگرچه این روش بسیار مؤثر به نظر می رسد که مؤثر باشد ، محققان دقت استنتاج 72.5٪ را بدست آوردند. برخی از ویژگی های کاربر. این امر با استفاده از یك عامل پیش بینی كننده منفعت موسیقی از یك مجموعه بسیار بزرگتر از منافع شخصی قابل مشاهده در سطح عمومی حاصل شد. مدل های پیشرفته تری که قادر به در نظر گرفتن علایق کاربر چند کاربر هستند ، نه تنها می توانند طیف وسیعی از خصوصیات شخصی را استنباط کنند ، بلکه آنها را با دقت حتی بهتر انجام می دهند.

و این دلیلی برای هشدار است ، زیرا حریم خصوصی- ويژگي هاي حساس كاربران در رسانه هاي اجتماعي ، حتي در صورت پنهان بودن ، آنقدر امن نيست كه عقل متعارف ما را باور داشته باشد.

معضلات رضايت

قدرتمندترين مشخصه اين روش براي پيش بيني ويژگي هاي شخصي اين است كه صرفاً به آن اعتماد دارد. اطلاعات فاش شده کاربران فیس بوک در مورد علایق موسیقی ،

هیچ چیز ساده ای از قبیل استفاده از بدافزار یا نقض اجباری اطلاعات در این روش وجود ندارد. این تکنیک به سادگی از آنچه در اینترنت موجود است استفاده می کند و اطلاعات در مورد علایق ما فقط به نظر می رسد چیزی باشد که در عصر شبکه های رسانه های اجتماعی در دسترس باشد.

این روش را برای مقابله با هرگونه قانون حمایت از حریم خصوصی ، به چالش می کشد. خصوصاً از آنجا كه رضایت كاربر در اطلاعاتی كه در دسترس عموم است ضمنی است. این قانون می تواند از حریم خصوصی ما محافظت کند اگر شواهدی مبنی بر نقض یا سوءاستفاده از اطلاعات کاربر وجود داشته باشد ، مانند زمانی که اطلاعات خصوصی شما توسط اشخاص ثالث قابل دسترسی است.

در این مورد ، تکنیک صرفاً به کار حدسهای پیشرفته متکی است که به طور کامل با اطلاعات کاربر در دسترس عموم امکان پذیر است ، که رضایت ضمنی دسترسی عمومی را به همراه دارد . این ، هرگونه دفاع حقوقی برای من غیرقابل تصور به نظر می رسد. شما می خواهید از عمل حدس زدن خود خودداری کنید تا از کسی بخاطر پیش بینی دقیق وضعیت روابط خود از تنظیمات موسیقی خود شکایت کنید ، که با خوشحالی با اراده خود فاش کرده اید.

با این وجود ، از مدل محقق می توان برای اهداف استفاده کرد. پرهیزکارتر و از نظر قانونی قابل دفاع تر از بازیهای ساده حدس زدن.

آماده شدن برای اورژانس حریم خصوصی

برخی از سوء استفاده های احتمالی از تکنیک محققان شامل مجازات است. با امکان جمع آوری اطلاعات شخصی کاربر بر اساس علاقه خود ، doxing برای مهاجمین آسان تر می شود و تعداد بیشتری از کاربران در معرض نشت اطلاعات احتمالی و قرار گرفتن در معرض بصورت آنلاین آسیب پذیر می شوند.