چگونه می توانم داده های دیجیتالی محافظت از داده های شما

چگونه می توانم داده های دیجیتالی محافظت از داده های شما مارکو ورچ / فلیکر، CC BY

شرکت های فناوری می توانند از حفظ حریم شخصی فردی برای جمع آوری و به اشتراک گذاشتن اطلاعات جمع آوری شده در مورد عادت های کاربران استفاده کنند.

این راز نیست که شرکت های بزرگ فن آوری مانند فیس بوک، گوگل، اپل و آمازون به طور فزاینده ای از تعاملات شخصی و اجتماعی ما برای جمع آوری داده های فراوان از ما در هر روز نفوذ می کنند. در عین حال، نقض حریم خصوصی در فضای مجازی به طور مرتب خبرهای صفحه اول را می دهد.

پس چگونه باید حریم خصوصی را در یک جهان که داده ها جمع آوری شده و با سرعت و نوآوری افزایش یافته است محافظت کنند؟

حریم خصوصی دیفرانسیل یک مدل جدید از امنیت سایبری است که طرفداران ادعا می کنند می توانند اطلاعات شخصی را بسیار بهتر از روش های سنتی محافظت کنند.

ریاضی آن بر مبنای 10 سال پیش طراحی شد و این روش توسط اپل و اپل به تصویب رسیده است گوگل در سالهای اخیر.

حریم خصوصی دیفرانسیل چیست؟

حریم خصوصی دیفرانسیل اجازه می دهد تا شرکت های فن آوری اطلاعات جمع آوری شده را در مورد عادت های کاربر جمع آوری و به اشتراک بگذارند، در حالی که حفظ حریم شخصی کاربران.

به عنوان مثال، می خواهم نشان دهم محبوب ترین مسیرهای عبور مردم از پارک است. مسیرهای 100 را که به طور منظم از طریق پارک راه می روند، ردیابی می کنید و این که آیا آنها در مسیر یا از طریق چمن راه می روند.


آخرین مطالب را از InnerSelf دریافت کنید


اما به جای به اشتراک گذاری افراد خاصی که هر مسیر را می گیرند، داده های جمع آوری شده را در طول زمان به اشتراک می گذارید. افرادی که نتایج شما را مشاهده می کنند ممکن است بدانند که 60 از افراد 100 ترجیح می دهند کوتاه ترین مسیر را از طریق چمن، اما نه 60.

چرا ما به اون احتیاج داریم؟

بسیاری از دولت های جهان سیاست های سختگیرانه ای در مورد چگونگی جمع آوری و به اشتراک گذاری اطلاعات کاربر در شرکت های فناوری دارند. شرکت هایی که قواعد را دنبال نمی کنند می توانند جریمه بزرگی را به همراه داشته باشند. الف دادگاه بلژیک به تازگی فیس بوک را سفارش داد برای جلوگیری از جمع آوری داده ها در عادت های مرور کاربران در وب سایت های خارجی، یا جریمه ای از € 250,000 در روز.

برای بسیاری از شرکت ها، به خصوص شرکت های چند ملیتی که در حوزه های مختلف فعالیت می کنند، در هنگام جمع آوری و استفاده از داده های مشتری، آنها را در موقعیت های ظریف قرار می دهد.

از یک طرف، این شرکتها نیاز به داده های کاربران دارند تا بتوانند خدمات با کیفیت بالا را به نفع کاربران ارائه دهند، مانند توصیه های شخصی. از سوی دیگر، اگر آنها داده های کاربر بیش از حد جمع آوری کند، ممکن است با اتهامات مواجه شوند، یا اگر آنها سعی در انتقال داده ها از یک محدوده به یک دیگر داشته باشند.

ابزارهای حفظ حریم خصوصی سنتی مانند رمزنگاری این معضل را حل نمی کنند، زیرا مانع از دسترسی شرکت های فن آوری به اطلاعات می شود. و ناشناس بودن مقدار داده ها را کاهش می دهد - الگوریتم نمی تواند به شما توصیه های شخصی را در صورتی که نمی داند عادت های شما چیست، خدمت می کند.

چگونه کار می کند؟

بیایید ادامه مسیر پیاده روی را از طریق یک پارک ادامه دهیم. اگر هویت افراد موجود در مطالعه را می دانید، اما نمی دانید که کدام مسیر را طی کردید، ممکن است فرض کنید که حریم خصوصی محافظت شده است. اما ممکن است این مورد نباشد.

می گویند کسی که اطلاعات شما را می بیند می خواهد مطمئن شود که باب ترجیح می دهد که از طریق چمن یا در مسیر راه برود. آنها اطلاعات پایه ای در مورد سایر افراد 99 را در این مطالعه به دست آورده اند، که به آنان می گوید که افراد 40 ترجیح می دهند در مسیر راه بروند و 59 ترجیح می دهند از طریق چمن راه بروند. بنابراین، آنها می توانند نتیجه بگیرند که باب که شخص 100 در پایگاه داده است، فرد 60 است که ترجیح می دهد از طریق چمن پیاده روی کند.

این نوع حمله یک حمله متمایز نامیده می شود و دفاع از آن بسیار سخت است زیرا شما نمی توانید کنترل کنید که چه تعداد دانش قبلی دانش آموزان می توانند بدست آورند. حریم خصوصی دیفرانسیل هدف از دفاع در برابر این نوع حمله است.

کسی که راه پیاده روی شما را کشف می کند ممکن است خیلی جدی نباشد، اما اگر مسیرهای پیاده روی را با نتایج آزمایش HIV عوض کنید، می توانید ببینید که احتمال حمله جدی به حریم خصوصی وجود دارد.

مدل حریم خصوصی دیفرانسیل اطمینان می دهد که حتی اگر کسی اطلاعات کاملی در مورد 99 از افراد 100 در یک مجموعه داده داشته باشد، هنوز نمی توانند اطلاعات مربوط به شخص نهایی را بیابند.

مکانیزم اصلی برای دستیابی به آن این است که نویز تصادفی را به داده های جمع آوری شده اضافه کنید. در مثال مسیر شما می توانید تعداد افرادی که ترجیح می دهند از چمن عبور کنند، 59 یا 61 است، نه تعداد دقیق 60. شماره نادرست می تواند حفظ حریم خصوصی باب را حفظ کند، اما تاثیر آن بر الگو بسیار کم است: در سراسر 60٪ مردم ترجیح می دهند کوتاهی کنند.

سر و صدا با دقت طراحی شده است. هنگامی که اپل با استفاده از حریم خصوصی اختیاری در iOS 10، نویز را به ورودیهای فردی کاربر اضافه کرد. این بدان معنی است که می تواند به عنوان مثال، رایج ترین emojis را ردیابی کند، اما استفاده از Emoji هر کاربر فردی پوشیده شده است.

سینتیا Dwork، مخترع حریم خصوصی دیفرانسیل، معیارهای ریاضی فوق العاده ای را ارائه داده است که میزان سر و صدا کافی برای رسیدن به الزام حریم خصوصی تفاوت دارد.

برنامه های کاربردی آن چیست؟

حریم خصوصی دیفرانسیل می تواند به همه چیز از سیستم های توصیه شده به خدمات مبتنی بر مکان و شبکه های اجتماعی اعمال شود. سیب از حریم خصوصی جداگانه استفاده می کند برای جمع آوری بینش استفاده ناشناس از دستگاه های مانند اپل، iPads ها و مکینتاش. این روش کاربر پسند و به طور قانونی در روشن است.

حریم خصوصی دیفرانسیل نیز به شرکتی مانند آمازون اجازه می دهد تا ترجیحات خرید شخصی خود را در حالی که اطلاعات حساس در مورد لیست خرید تاریخی شما را پنهان کرده است، دسترسی پیدا کنید. فیس بوک می تواند از آن برای جمع آوری داده های رفتاری برای تبلیغات هدفمند استفاده کند، بدون نقض یک سیاست حفظ حریم خصوصی کشور.

چگونه می توان از آن در آینده استفاده کرد؟

کشور های مختلف سیاست های حریم خصوصی مختلفی دارند و قبل از اینکه آنها از یک کشور به کشور دیگر منتقل شوند، باید اسناد حساس به صورت دستی بررسی شوند. این وقت گیر و گران است

اخیرا یک تیم از دانشگاه دیکین فن آوری حفظ حریم خصوصی دیفرانسیل برای به طور خودکار فرایندهای حریم خصوصی در جوامع اشتراک گذاری ابر در سراسر کشور.

گفتگوآنها با استفاده از فرمولهای ریاضی برای مدل سازی قوانین حریم خصوصی هر کشور که می توانند به «middleware» (نرم افزار) تبدیل شوند، اطمینان حاصل شود که داده ها مطابق است. استفاده از حریم خصوصی دیفرانسیل در این روش می تواند از حریم خصوصی کاربران محافظت کند و برای شرکت های فن آوری یک سردرد داده را به اشتراک بگذارد.

درباره نویسنده

تینکینگ زو، مدرس سایبر امنیت، دانشکده علوم، مهندسی و محیط زیست، دانشگاه دیکین

این مقاله در اصل در تاریخ منتشر شد گفتگو. دفعات بازدید: مقاله.

کتاب های مرتبط

{amazonWS: searchindex = کتابها؛ keywords = privacy privacy؛ maxresults = 3}

enafarZH-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

به دنبال InnerSelf در

فیس بوک، آیکونتوییتر آیکونrss-icon

دریافت آخرین با ایمیل

{emailcloak = خاموش}

بیشترین مطلب خوانده شده

بیت خنده ، اشک و عشق ... در انتها
بیت خنده ، اشک و عشق ... در انتها
by لین B. رابینسون، PhD