即便卸載了各種社交應用，你也無法保護隱私
每個人都有不厭其煩突然爆發的時候。受不了。監聽聊天內容，上傳地理信息，搜什麼廣告就立刻跟著推送……Facebook你XX，Twitter我去▇▇。社交應用統統滾蛋，再次做一個人吧。
可悲的是，根據一項新的研究，即便物理斷網，也無法保護自己的隱私。
佛蒙特大學的研究人員發現，通過您所處的社交圈子——您與之互動的網路好友——甚至可以比您自己以前發布在網路上的內容，更能揭示出您的各種信息。
他們的論文中寫道：「只需分析目標個體的8-9個網路好友，就能拼湊出足夠精確的信息——等效於直接分析目標本身。我們的結果具有明顯的隱私寓意：個人信息如此強烈地嵌入到社交網路中，原則上，即使個體脫離了平台，也可以將個人放到其可用的社交關係中進行分析。」
為了分析社交迴音現象的可預測性，該團隊選出了13905名Twitter用戶的超過3000萬條公共推文。
龐大的數據集通過被稱為信息理論估算器的計算機系統——這是一種機器學習形式，通過帖子中的語言數據進行篩選，同時參考用戶活動的時間順序——進行分析。
利用這些數據，研究人員確定了927個「自我網路」，每個網路代表一個用戶(自我)和他們最常提到的15個Twitter聯繫人(改變者)。
在這些自我網路中，具有學習能力的演算法，能夠預測出「自我」以後發布的大約60％的內容。
這個數字可能聽起來不太可怕，但顯然比靠投硬幣做決策好多了；它反映出，我們無意中在社交網路上泄露了大量的個人信息。
現在，該團隊表示60％的可預測性是他們的方法所能達到的上限，但令人驚訝的是，一旦你將「自我」先前的推文從數據集中刪除——並且只給演算法輸入「改變者」所說的內容——可預測性只會下降到57％左右。
換句話說，即使你根本不在某個特定的社交媒體平台上，機器學習系統也能夠藉由其他人拼湊出你的「影子形象」，這種影像來自於你最近和最親愛的人所泄露出的大量隻言片語。
如維也納醫科大學的計算機科學家David Garcia(他的研究方向相同，但沒有參與這項研究)所說，在保護隱私方面，這些令人敬畏的預測能力使現行的遊戲規則面目全非。
「雖然我們知道從個人的公開信息中能分析出很多隱秘的內容，同時這也使得保護隱私的法規捉襟見肘，但是大規模陰影輪廓描摹和社會形態推理的可能性指向了更嚴重的問題。考慮到信息會從他人處流出，我們不要以為個人遵從了保護隱私安全的指導意見就萬事大吉，而應該建設全隱私模式的網路結構。」
該研究結果發表在Nature Human Behavior上。
本文譯自 sciencealert，由譯者 majer 基於創作共用協議(BY-NC)發布。
TAG:煎蛋 |