Sådan miner du mobiltelefondata uden at invadere dit privatliv

Forskere ved AT&T, Rutgers University, Princeton og Loyola University har udtænkt en måde at mine mobiltelefondata på uden at afsløre din identitet, hvilket potentielt viser en vej til at undgå faldgruber i privatlivets fred, der hidtil har begrænset det globale mobildata-minearbejde til forskning laboratorier.

En storslået dag ude: En anvendelse af mobiltelefonbaserede mobilitetsmodeller er at forstå bevægelser mellem byer eller regionale, såsom pendling eller bevægelsesmønstre til og fra vartegn. Opkaldstæthed på en sommerlørdag i New Yorks Central Park er vist her med den største brug i rødt.

Ved at arbejde med milliarder af lokalitetsdatapunkter fra AT&T mobiltelefonopkald og sms-beskeder rundt omkring i Los Angeles og New York City har de bygget en mobilitetsmodel af de to regioner, der samler dataene, producerer repræsentative syntetiske opkaldsposter – og derefter matematisk skjuler evt. data, der kan have tendens til at identificere personer.

Modellen kan gøre ting som hurtigt at forudsige, hvordan en ny udviklings- eller telependlingspolitik ville påvirke den overordnede transport, eller den kan være et nyt værktøj til planlægning på byniveau, hvor få mobilitetsdata er tilgængelige, siger Margaret Martonosi , en datalog hos Princeton, der arbejder på modellen. Lige nu stoler planlæggere generelt på vejsensorer og det begrænsede antal mennesker, der tillader, at deres GPS-position registreres.

Vincent blondel , en datalog ved Université Catholique de Louvain, Belgien, og en leder inden for forskningsindsats om opkaldsdataregistreringer og spørgsmål om privatliv, siger, at arbejdet var imponerende. Dette er et fremragende arbejde, der vil hjælpe med at udforske måder at udnytte vigtige data bedst muligt på en privatlivsbeskyttende måde, siger han.

RELATEREDE HISTORIER Se andre artikler leveret af Symantec:

• Virksomhedsmobilitet
• Sikre mobilrådgivere
• Casestudie: Quest Diagnostics mobiliserer deres klinikere og sælgere

Selv den enkleste telefon efterlader omfattende digitale spor - kaldet opkaldsdetaljeregistreringer eller CDR'er - som bevares af mobilselskaber. Disse registreringer - på tidspunktet for et taleopkald eller en tekstbesked, og identiteten og placeringen af ​​det involverede mobiltårn - angiver de omtrentlige placeringer af telefonens ejer. Over tid kan de bruges til at udvikle et nøjagtigt spor af brugerens bevægelser.

Samlet - men for det meste i teorien indtil videre - kan disse data bruges til at vejlede epidemiologisk forskning eller til at fjerne trafik ved at give et hidtil uset syn på alle menneskelige bevægelsesmønstre (se Hvordan trådløse operatører tjener penge på dine bevægelser). Det kan også guide udviklingsindsatsen i fattigere dele af verden (se Big Data fra billige telefoner).

Men indbygning af garanteret privatlivsbeskyttelse repræsenterer den hårdeste hindring for det voksende antal forskningsindsatser, der benytter CDR'er. Selv hvis sådanne optegnelser er frataget navne og numre, kan personens identitet ofte afsløres på andre måder. For eksempel kan et enkelt celletårn-ping kl. 04.12 forbindes til et offentligt tweet, der blev lavet kl. 04.12, som inkluderer diskanthøjttalerens placering og identitet. Lignende risici dukker op for data, der tilhører personer, der bor i et fjerntliggende område eller har usædvanlige hjemme-arbejde-pendlermønstre.

Den nye tilgang starter med at samle spor af virkelige menneskelige bevægelser og derefter identificere almindelige steder, der kan indikere hjem, arbejde eller skole. Dernæst opretter den et sæt transportmodeller. Disse modeller genererer rutespor af mennesker, som forskerne kalder syntetiske, fordi de blot er repræsentative for de samlede data og ikke for faktiske mennesker.

Men den tredje del er nøglen. Selv disse angiveligt syntetiske optegnelser kan nøje matche de rigtige (især når den underliggende aggregerede prøve er lille). Så en algoritme, der bruger en ny teknik kendt som differential privacy, beregner præcis, hvor høj denne risiko er, og hvordan man reducerer den ved at ændre dataene. Støj sprøjtes ind i modellen på punkter for at reducere sandsynligheden for, at individer kan identificeres, siger Martonosi.

Injektion af støj omfatter bevidst ændring af de samlede hjem- og arbejdssteder for at reducere afhængigheden af ​​en enkelt persons data. Ligeledes ændres de samlede opkaldstider for at maskere enhver persons bidrag. Tilsammen ville sådanne justeringer af dataene afskaffe enhver indsats for at tilpasse databaser.

En del af dette nye mobilitetsmodelleringsarbejde blev først præsenteret på en konference sidste år, men forbedringer og den differentielle privatlivsvariant blev præsenteret i sidste uge på en konference på MIT. På samme konference viste IBM-forskere, hvordan opkaldsregistreringer kunne hjælpe med at optimere offentlige transportruter (se afrikanske busruter omtegnet ved hjælp af mobiltelefondata).

Martonosi siger, at offentlig udgivelse af de mobilitetsmodeller, hun og hendes kolleger har bygget af New York og Los Angeles metroområder, ikke vil ske, før yderligere publikationer afslutter arbejdet og beviser privatlivstilgangen, da modellerne indirekte trækker fra rigtige brugerdata.

I mellemtiden offentliggøres de metoder, hun og hendes kolleger brugte til at bygge modellen. Så andre grupper kunne bygge lignende modeller for andre byområder, hvis de har deres egne opkaldsdataposter at arbejde med, siger hun. AT&T samarbejdede om undersøgelsen, som blev udført på et AT&T-anlæg på tre måneders kundedata fra 300.000 af luftfartsselskabets kunder hver i New York og Los Angeles-områderne. AT&T afviste at kommentere denne historie.

Midt i stigende forskningsinteresse for mobildata, høster gruppernes tilgang betydelig interesse. William Hoffman, der leder World Economic Forums databaserede udviklingsindsats, siger, at tilgangen viste lovende. Jeg syntes, at konceptet var ret interessant som et middel til at ’de-risikere’ forskernes evne til at udforske dataene, siger han. Det er et af flere trin, dataindehavere kan forfølge for at finde balancen mellem at bruge data og samtidig beskytte individet.

Et centralt spørgsmål er, om et system med syntetiske dataposter kan få transportørerne uden om det ømtålelige spørgsmål om at indhente brugerens samtykke. Det er et af de store problemer, jeg tog væk fra den [nylige MIT]-konference, siger Hoffman. Svaret kan afhænge af, hvordan data blev brugt eller solgt, siger han.

Nicolas Decordes, en vicepræsident hos Orange, den europæiske transportør, siger, at virksomhedens R&D-team sagde, at teknikkerne ville være gennemførlige og kunne være nyttige til transportmodellering. Fordi metoden ikke bruger realtidsdata, er den dog bedre til planlægning og kan ikke vejlede respons på hændelser.

Processen med at indhente og bruge mobiltelefondata er allerede meget følsom. Da Orange udgav data fra Elfenbenskysten til forskere sidste år, en proces, som Decordes overvågede, blev denne nation valgt, fordi dets ministerium for informations- og kommunikationsteknologi (IKT) ikke havde underskrevet en lovgivningsramme, der begrænser sådan brug, i modsætning til nærliggende afrikanske nationer . Og alligevel krævede Orange, at forskere skulle underskrive aftaler, der forhindrede dem i at forsøge at identificere personer.

Linus Bengtsson , en epidemiolog ved Sveriges Karolinska Institute og en grundlægger af Flowminder , som leverer mobilitetsdata til ngo'er og nødhjælpsorganisationer, siger, at uanset hvor avanceret privatlivsbeskyttelsen bliver, vil forskersamfundet altid have brug for adfærdskodekser for at beskytte privatlivets fred. Forskere inden for mange områder analyserer datasæt, hvor nogen – med tilstrækkelig beslutsomhed – kunne være i stand til at identificere personer, siger han. Jeg tror, ​​at [udvikle] regler for dette faktisk er et vigtigere punkt end den vanskelige opgave at skabe specielle anonymiserede datasæt.

Andre nyere forskningsresultater inkluderede dem, der viser, hvordan opkaldsregistreringer kan bruges til at følge fodboldfans, når de forlader en kamp eller endda kortlægge fattigdomsniveauer i et land, hvis taletidskøbsvaner analyseres (se Glimt fra en verden afsløret af mobiltelefondata ).

skjule