02
15
Wraz z rozwojem sieci społecznościowych w Internecie pojawiło się wiele poradników omawiających kwestie ochrony prywatności. Możemy się dowiedzieć, że publikując zdjęcia z mocno zakrapianej imprezy możemy zaszkodzić swojej karierze zawodowej, a przez ujawnieniu całemu światu swojego adresu oraz terminu wyjazdu na wakacje prosimy się o obrabowanie mieszkania.
Portale społecznościowe radzą sobie z ochroną prywatności całkiem nieźle. Większość umożliwia określenie tego co chcemy opublikować, a co nie i co jest widoczne dla wszystkich, a co tylko dla przyjaciół.
Okazuje się jednak, że nawet publikacja tak niewinnych danych jak lista przyjaciół może być niebezpieczna jeśli chcemy zachować prywatność w sieci. Dwaj studenci z MIT przeprowadzili badania nad możliwością pozyskania pewnych wrażliwych danych, których nasi wirtualni znajomi nigdy nie chcieliby ujawniać w serwisach społecznościowych.
Projekt nazwany Gaydar wyglądał tak: otwieramy serwis społecznościowy (tutaj był Facebook, ale Nasza-klasa też może być) wybieramy grupę ludzi, która będzie miała wiele połączeń (kilka roczników z jednej szkoły), a następnie zbieramy informacje upublicznione przez te osoby i zapuszczamy na nich fajne algorytmy statystyczne. Jak sama nazwa projektu wskazuje studenci byli zainteresowani dowiedzeniem się, którzy ze znajomych są gejami. Ponieważ kilka osób otwarcie się do tego przyznawało możliwe było obliczenie prawdopodobieństwa bycia homo- lub heteroseksualistą pozostałych badanych.
Mimo, że projekt nie miał cech badań naukowych, studenci twierdzą na podstawie informacji własnych o badanych, że algorytm całkiem sprawnie wykrył gejów, którzy nie ujawnili swojej orientacji w serwisie. Wszystko przy oparciu prawie wyłącznie o upublicznione listy znajomych – na zasadzie, że ludzie podobni do siebie częściej mają się w kontaktach niż niepodobni.
Ponieważ lista znajomych to coś czego większość serwisów nie ukrywa to następnym razem wypadałoby się nieźle zastanowić przed dodaniem osoby, którą słabo znamy. Nie wspominając już o wirtualnych profilach wielbicieli (fanów) tego i owego, które mogą być znacznie skuteczniejsze w rozpoznawaniu podobieństw między ludźmi.
