Har Big Data gjort anonymitet umulig?

I 1995 indførte EU en privatlivslovgivning, der definerede persondata som enhver information, der kunne identificere en person, direkte eller indirekte. Lovgiverne tænkte åbenbart på ting som dokumenter med et identifikationsnummer, og de ville have dem beskyttet, ligesom om de bar dit navn.

I dag omfatter denne definition langt mere information, end de europæiske lovgivere nogensinde kunne have forestillet sig – let mere end alle bits og bytes i hele verden, da de skrev deres lov for 18 år siden.

Her er hvad der skete. For det første er mængden af ​​data, der skabes hvert år, vokset eksponentielt: den nåede 2,8 zettabyte i 2012, et tal, der er så gigantisk, som det lyder, og vil fordobles igen i 2015, ifølge konsulentfirmaet IDC. Heraf genereres omkring tre fjerdedele af enkeltpersoner, når de opretter og flytter digitale filer. En typisk amerikansk kontormedarbejder producerer 1,8 millioner megabyte data hvert år. Det er omkring 5.000 megabyte om dagen, inklusive downloadede film, Word-filer, e-mail og de bits, der genereres af computere, når denne information flyttes langs mobilnetværk eller på tværs af internettet.

Meget af disse data er usynlige for folk og virker upersonlige. Men det er det ikke. Det moderne datavidenskab finder ud af er, at næsten enhver type data kan bruges, ligesom et fingeraftryk, til at identificere den person, der har skabt dem: dit valg af film på Netflix, placeringssignalerne udsendt af din mobiltelefon, selv dit mønster af gang som optaget af et overvågningskamera. Faktisk, jo mere data der er, jo mindre kan noget af det siges at være privat, eftersom rigdommen af ​​disse data gør det muligt at finde personer algoritmisk, siger computerforsker ved Princeton University. Arvind Narayanan .

Vi er allerede godt på vej. De typer oplysninger, vi tidligere har tænkt på som personlige data – vores navn, adresse eller kreditkortregistreringer – er allerede købt og solgt af datamæglere som Acxiom, et firma, der i gennemsnit har 1.500 oplysninger om mere mere end 500 millioner forbrugere rundt om i verden. Dette var data, som folk lagde ind i det offentlige domæne på en undersøgelsesformular, eller da de tilmeldte sig tjenester som TiVo.

Acxiom bruger information om din bils mærke og årgang, din indkomst og investeringer samt din alder, uddannelse og postnummer til at placere dig i en af ​​70 forskellige PersonicX-klynger, som er opsummerede indikatorer for livsstil, interesser og aktiviteter. Har du lige afsluttet en skilsmisse eller blevet en tom rede? Sådanne livsbegivenheder, som flytter folk fra en forbrugerklasse til en anden, er af nøgleinteresse for Acxiom og dets reklamekunder. Virksomheden siger, at den kan analysere sine data for at forudsige 3.000 forskellige tilbøjeligheder, såsom hvordan en person kan reagere på et mærke frem for et andet.

Alligevel anses disse datamæglere i dag for at være noget gammeldags sammenlignet med internetvirksomheder som Facebook, der har automatiseret indsamlingen af ​​personlige oplysninger, så det kan gøres i realtid. Ifølge dets finansielle registreringer på tidspunktet for dets børsnotering gemmer Facebook omkring 111 megabyte fotos og videoer for hver af sine brugere, som nu tæller mere end en milliard. Det er 100 petabyte af personlige oplysninger lige der. I nogle europæiske retssager har sagsøgere erfaret, at Facebooks registreringer af deres interaktioner med webstedet - inklusive tekstbeskeder, ting, de kunne lide, og adresser på computere, de brugte - løber til 800 udskrevne sider, hvilket summerer op til endnu et par megabyte pr. bruger.

I et trin, der er bekymrende for fortalere for digitalt privatliv, bliver offline- og onlinedatasæt nu forbundet for at hjælpe marketingfolk med at målrette annoncer mere præcist. I februar annoncerede Facebook en aftale med Acxiom og andre datamæglere om at fusionere deres data, der forbinder aktiviteter fra den virkelige verden med dem på nettet. På et investormøde i marts hævdede Acxioms videnskabschef, at dets data nu kunne knyttes til 90 procent af amerikanske sociale profiler.

Sådanne datasæt bliver ofte fremstillet som anonymiserede på en eller anden måde, men jo flere data de involverer, jo mindre sandsynligt er det, at det faktisk er sandt. Mobiltelefonselskaber registrerer f.eks. brugernes placering, fjerner telefonnumrene og sælger samlede datasæt til købmænd eller andre, der er interesserede i folks bevægelser (se Hvordan trådløse operatører tjener penge på dine bevægelser). MIT-forskere Yves-Alexandre de Montjoye og César A. Hidalgo har vist, at selv når sådanne lokalitetsdata er anonyme, kan kun fire forskellige datapunkter om en telefons position normalt forbinde telefonen til en unik person.

Jo større mængden af ​​personlige data, der bliver tilgængelig, jo mere informativ bliver dataene. Faktisk, med nok data, er det endda muligt at opdage information om en persons fremtid. Sidste år Adam Sadilek, en forsker fra University of Rochester, og John Krumm, en ingeniør ved Microsofts forskningslaboratorium, viste, at de kunne forudsige en persons omtrentlige placering op til 80 uger ud i fremtiden, med en nøjagtighed på over 80 procent. For at komme dertil udgravede parret, hvad de beskrev som et massivt datasæt, der indsamlede 32.000 dages GPS-aflæsninger taget fra 307 mennesker og 396 køretøjer.

De forestillede sig så de kommercielle applikationer, som f.eks. annoncer, der siger Har du brug for en klipning? Om fire dage vil du være inden for 100 meter fra en salon, der vil have en special på $5 på det tidspunkt.

Sadilek og Krumm kaldte deres system Far Out. Det er en ret god beskrivelse af, hvor personlige data fører os hen.

Jessica Leber bidrog med rapportering til dette punkt.

skjule