211service.com
Afmaskering af sociale netværksbrugere
En måde for sociale netværk at tjene penge på er ved at dele oplysninger om brugere med annoncører og andre, der er interesserede i at forstå forbrugeradfærd og udnytte onlinetrends.
Sociale netværk lover typisk at fjerne personligt identificerende oplysninger, før de deler disse data, for at beskytte brugernes privatliv. Men forskere fra University of Texas i Austin har fundet ud af, at kombineret med let tilgængelige data fra andre onlinekilder, kan disse anonymiserede data stadig afsløre følsomme oplysninger om brugere.
I test, der involverede fotodelingssiden Flickr og mikrobloggtjenesten Twitter, var Texas-forskerne i stand til at identificere en tredjedel af brugerne med konti på begge sider blot ved at søge efter genkendelige mønstre i anonymiserede netværksdata. Både Twitter og Flickr viser brugeroplysninger offentligt, så forskerne anonymiserede meget af dataene for at teste deres algoritmer.
Forskerne ønskede at se, om de kunne udtrække følsomme oplysninger om enkeltpersoner ved kun at bruge forbindelserne mellem brugere, selvom næsten alle navne, adresser og andre former for personligt identificerende oplysninger var blevet fjernet. Det fandt de ud af, at de kunne, forudsat at de kunne sammenligne disse mønstre med dem fra en anden graf på det sociale netværk, hvor nogle brugeroplysninger var tilgængelige.
Data fra sociale netværk – især mønsteret af venskab mellem brugere – kan være værdifuldt for annoncører, siger Vitaly Shmatikov , en professor i datalogi ved University of Texas i Austin, som var involveret i forskningen. De fleste sociale netværk planlægger at tjene penge ved at dele denne information, mens annoncører håber at bruge dem til for eksempel at finde en særlig indflydelsesrig bruger og målrette hende med annoncer for at nå hendes netværk af venner. Men Shmatikov siger, at denne information også gør netværk sårbare. Når man frigiver disse data, skal man bevare strukturen i det sociale netværk, siger han. Hvis du ikke gør det, så er det sandsynligvis ubrugeligt til det formål, du udgiver det til.
Forskerne siger, at det er ret nemt at finde ikke-anonyme sociale netværksdata: forbindelserne mellem venner på mange netværk, såsom Twitter, offentliggøres som standard. I mellemtiden giver bestræbelser på at skabe en universel social graf, såsom med OpenSocial, endnu flere ressourcer. Forskernes algoritmer fungerede med kun en fejlrate på 12 procent, selv når mønstrene for sociale forbindelser var væsentligt forskellige: Kun 14 procent af brugernes forhold overlappede fra Twitter til Flickr. Resultaterne er beskrevet i et papir, der vil blive præsenteret senere på måneden på IEEE Symposium om sikkerhed og privatliv .
Strukturen i netværket omkring dig er så rig, og der er så mange forskellige muligheder, at selvom du har millioner af mennesker, der deltager i netværket, ender vi alle med forskellige netværk omkring os, siger Shmatikov. Når du først har beskæftiget dig med tilstrækkelig sofistikeret menneskelig adfærd, uanset om du taler om køb, folk foretager eller film, de ser eller - i dette tilfælde - venner, de laver, og hvordan de opfører sig socialt, har folk en tendens til at være ret unikke. Hver person gør nogle få skæve, individuelle ting, som ender med at blive stærkt identificerende.
For at give algoritmen et udgangspunkt skal forskerne også identificere nogle få brugere fra en anonym graf på det sociale netværk. Men de siger, at det er nemt at gøre på mange sociale netværk. En del af brugerne af Facebook vælger for eksempel at gøre deres profiler offentlige, og en angriber kan bruge dette som udgangspunkt. I deres eksperimenter fandt forskerne ud af, at de skulle identificere så få som 30 individer for at kunne køre deres algoritmer på netværk med 100.000 brugere eller flere.
Forskerne tilføjer, at algoritmen bruger den mindst mulige mængde information, og at en beslutsom snoop i praksis ville være i stand til at finde meget mere. Dette angreb ville have været meget, meget stærkere, hvis vi rent faktisk havde brugt information, der typisk efterlades efter [navne og adresser] er blevet fjernet, siger Shmatikov. Så vi viser virkelig, hvordan det absolutte minimum er nok.
Det er vigtig forskning, siger Alessandro Køber , lektor i informationsteknologi og offentlig politik ved Carnegie Mellon University og en ekspert i privatliv online. Forskningen fremhæver, hvordan data, der måske ikke virker vigtige, faktisk kan give en angriber midlerne til at afsløre virkelig følsom information, siger Acquisti. For eksempel kunne algoritmen teoretisk anvende navnene på en brugers yndlingsbands og koncertvenner til at afkode følsomme detaljer såsom seksuel orientering fra angiveligt anonymiserede data. Acquisti mener, at resultatet tegner et dystert billede for fremtiden for privatliv på nettet. Der er ikke noget, der hedder fuldstændig anonymitet, siger han. Det er umuligt.
Shmatikov mener, at der ikke er nogen teknisk løsning på problemet. Han foreslår, at privatlivslovgivning og virksomhedspraksis muligvis skal ændres for at erkende, at der ikke er nogen måde at anonymisere sociale netværksdata. Brugere bør også kunne beslutte, om de vil tillade, at deres data bliver delt i første omgang, siger Shmatikov.