2Sep
Apple sætter sit ry på at sikre, at de data, der indsamles fra, forbliver private. Hvordan? Ved at bruge noget der hedder "Differential Privacy."
Hvad er forskellig privatliv?
Apple forklarer det som sådan:
Apple bruger differentieret privatlivsteknologi til at hjælpe med at opdage brugen af et stort antal brugere uden at gå på kompromis med individets privatliv. For at skjule en persons identitet tilføjer Differential Privacy matematisk støj til en lille prøve af individets brugsmønster. Da flere mennesker deler det samme mønster, begynder generelle mønstre at opstå, som kan informere og forbedre brugeroplevelsen.
Filosofien bag forskelligt privatliv er dette: Enhver bruger, hvis enhed, uanset om det er en iPhone, iPad eller Mac, tilføjer en beregning til en større pool af aggregerede data( et stort billede dannet af forskellige mindre billeder), bør ikke afsløressom kilde, endsige hvilke data de har bidraget med.
Apple er ikke det eneste selskab, der gør dette, enten - både Google og Microsoft brugte det endnu tidligere. Men Apple populariserede det ved at tale om det i detaljer ved sin 2016 WWDC keynote.
Så hvordan adskiller dette sig fra andre anonymiserede data, spørger du? Nå, anonymiserede data kan stadig bruges til at udlede personlige oplysninger, hvis du ved nok om en person.
Lad os sige, at en hacker kan få adgang til en anonymiseret database, der afslører en virksomheds lønningsliste. Lad os sige, at de også ved, at medarbejder X flytter til et andet område. Hackeren kunne så simpelthen spørge databasen før og efter medarbejder X bevæger sig og lader sig nemt udlede sin indkomst.
For at beskytte Employee Xs følsomme oplysninger ændrer Differential Privacy dataene med matematisk "støj" og andre teknikker, således at du kun modtager en tilnærmelse af hvor meget( eller nogen anden) Medarbejder X varbetalt.
Derfor er hans privatliv bevaret på grund af "forskellen" mellem de leverede data og den støj, der tilføjes til den, så det er så vagt nok, at det næsten ikke er muligt at vide, om de data, du ser på, faktisk er en bestemt persons.
Hvordan virker Apples forskellige privatlivets fred?
Differential Privacy er et relativt nyt koncept, men ideen er, at den kan give et selskab en indsigt baseret på data fra sine brugere uden at vide, hvad præcis siger eller fra hvem det stammer fra.
Apple baserer sig for eksempel på tre komponenter for at gøre det muligt at udføre Differential Privacy-arbejde på din Mac eller iOS-enhed: hashing, subsampling og støjinjektion.
Hashing tager en streng tekst og gør den til en kortere værdi med en fast længde og blander disse nøgler op i irreversibelt tilfældige strenge af unikke karakterer eller "hash".Dette forhindrer dine data, så enheden ikke opbevarer noget i den oprindelige form.
Subsampling betyder, at Apple i stedet for at samle hvert ord en persons typer, kun bruger en mindre prøve af dem. Lad os f.eks. Sige, at du har en lang tekstkonversation med en ven, der liberalt bruger emoji. I stedet for at indsamle hele samtalen kan subsampling i stedet kun bruge de dele, som Apple er interesseret i, såsom emoji.
Endelig indsprøjter din enhed støj, tilføjer tilfældige data i det oprindelige datasæt for at gøre det mere vagt. Det betyder, at Apple får et resultat, der er blevet maskeret nogensinde så lidt og derfor ikke helt præcist.
Alt dette sker på din enhed, så det er allerede blevet forkortet, blandet op, samplet og sløret, før det endda sendes til skyen, for at Apple kan analysere.
Hvor bruges Apples forskellige privatliv?
Der er en række tilfælde, hvor Apple muligvis vil indsamle data for at forbedre dets apps og tjenester. I øjeblikket bruger Apple dog kun forskelligt privatliv på fire specifikke områder.
- Når nok folk erstatter et ord med en bestemt emoji, bliver det et forslag til alle.
- Når nye ord tilføjes til nok lokale ordbøger for at blive betragtet som almindeligt, vil Apple også tilføje det til alles andres ordbog.
- Du kan bruge et søgeord i Spotlight, og det vil så give appforslag og åbne det link i appen eller lade dig installere det fra App Store. For eksempel, sig du søge efter "Star Trek", som foreslår IMDB-appen. Jo flere mennesker åbner eller installerer IMDB-appen, desto mere vises det i alles søgeresultater.
- Det giver mere nøjagtige resultater for opslagstips i noter. For eksempel, siger du, at du har en note med ordet "æble" i det. Du foretager et opslagssøgning, og det giver dig resultater ikke kun for ordbordsdefinitionen, men også Apples hjemmeside, placeringer af Apple Stores og så videre. Formentlig, jo flere mennesker trykker på bestemte resultater, jo højere og oftere vil de fremstå i Lookup for alle andre.
Lad os bruge emojis som et eksempel. IOS introducerede en ny emoji-udskiftningsfunktion på iMessage. Skriv ordet "kærlighed", og du kan erstatte det med et hjerteemoji.skriv ordet "hund" og du gættede det - du kan erstatte det med en hundemoji.
På samme måde er det muligt for din iPhone at forudsige, hvilken emoji du vil have sådan, hvis du skriver en besked "Jeg skal gå hunden", vil din iPhone hjælpsomt foreslå hundens emoji.
Så Apple tager alle de små stykker iMessage-data, den indsamler, undersøger dem som helhed og kan udlede mønstre fra, hvad folk skriver og i hvilken sammenhæng. Det betyder, at din iPhone kan give dig smartere valg, fordi det nyder godt af alle de tekstsamtaler, andre skaber og tænker, "dette er nok den emoji, du vil have."
Det tager en landsby( af emoji)
Ulempen med forskelligartethed er, atdet giver ikke nøjagtige resultater i små prøver. Det er magt, der ligger i at gøre bestemte data vage, så det kan ikke tilskrives en enkelt bruger. For at det skal fungere og arbejde godt, skal mange brugere deltage.
Det er lidt som at kigge på en bitmappet foto op ekstremt tæt. Du kan ikke se, hvad det er, hvis du kigger på kun et par stykker, men når du træder tilbage og ser på det hele, bliver billedet klarere og mere defineret, selvom det ikke er super højtløsning.
For at forbedre emoji-udskiftning og forudsigelse skal Apple derfor indsamle iPhone- og Mac-data fra hele verden for at give det et stadig mere tydeligt billede af, hvad folk laver og dermed forbedre sine apps og tjenester. Det vender sig til alle disse randomiserede, støjende, crowdsourced data og miner det til mønstre, f.eks. Hvor mange brugere bruger ferskenemoji i stedet for "butt".
Således afhænger kraften i Differential Privacy på, at Apple er i stand til at undersøgestore mængder af aggregerede data, hele tiden at sikre, at det ikke er nogen klogere om, hvem der sender dem disse data.
Sådan optages du af forskelligartethed i iOS og macOS
Hvis du stadig ikke er overbevist om, at Differential Privacy er det rigtige for dig, har du held og lykke. Du kan fravælge lige fra din enheds indstillinger.
På din iOS-enhed skal du trykke på åbne "Indstillinger" og derefter "Beskyttelse af personlige oplysninger".
Tryk på "Diagnostics &Usage”.
Endelig, på Diagnostics &Brug skærmen, tryk på "Send ikke".
På macOS skal du åbne Systemindstillinger og klikke på "Sikkerhed &Privatliv".
I Sikkerheden &Fortrolighedsprivilegier, klik på fanen "Fortrolighed" og sørg derefter for "Send diagnostik &brugsdata til Apple "er ikke markeret. Bemærk at du skal klikke på låseikonet i nederste venstre hjørne og indtaste dit systemadgangskode, før du kan foretage denne ændring.
Det er klart, at der er meget mere til Differential Privacy, både i teori og applikation, end denne forenklede forklaring. Kødets og kartoflerne er meget afhængige af en seriøs matematik, og det kan derfor blive temmelig vægtigt og kompliceret.
Forhåbentlig giver dette dig dog en ide om, hvordan det virker, og at du føler dig mere sikker på, at virksomheder indsamler bestemte data uden frygt for at blive identificeret.
