2Sep
Az Apple egyre nagyobb hírnévre tesz szert arról, hogy az általa gyűjtött adatok továbbra is privát. Hogyan? Az úgynevezett Differenciálissal kapcsolatos titoktartás használatával.
Mi a Differenciálissal kapcsolatos adatvédelem?
Az Apple a következőképpen magyarázza:
Az Apple a Differential Privacy technológiát alkalmazza, hogy segítsen felfedezni egy nagyszámú felhasználó használati szokásait anélkül, hogy veszélyeztetné az egyén magánéletét. Az egyén személyazonosságának elrejtéséhez a Differential Privacy hozzáfűzi a matematikai zajt az egyén használati mintájának kis mintájához. Amint több ember osztja meg ugyanazt a mintát, általános minták kezdenek megjelenni, amelyek képesek tájékoztatni és javítani a felhasználói élményt.
A Differential Privacy mögött álló filozófia: minden olyan felhasználó, akinek a készüléke, legyen az iPhone, iPad vagy Mac, számításokat adjon az aggregált adatok nagyobb csoportjához( egy nagy, különböző kisebb képekből álló kép).mint forrás, nemhogy arról, hogy milyen adatokat közöltek.
Az Apple nem az egyetlen olyan cég, amely mind a Google, mind a Microsoft már korábban is használta. De az Apple népszerűsítette ezt részletesen a 2016-os WWDC vitaindításában.
Szóval hogyan különbözik a többi anonimizált adat, kérdezed? Nos, az anonimizált adatok felhasználhatók személyes adatok dedukálására, ha elég ismeretes egy személyről.
Tegyük fel, hogy egy hacker hozzáférhet egy névtelen adatbázishoz, amely feltárja a cég bérszámfejtését. Tegyük fel, hogy azt is tudják, hogy az X alkalmazott áttelepül egy másik területre. A hacker akkor egyszerűen lekérdezheti az adatbázist, mielőtt és után az X munkatárs átmegy és könnyen levonhatja jövedelmét.
Az X munkatársainak érzékeny információinak védelme érdekében a Differential Privacy a matematikai "zaj" és más technikákkal megváltoztatja az adatokat, így ha lekérdezi az adatbázist, akkor csak approximációt kap arról, hogy mennyi( vagy bárki más) alkalmazott X voltfizetett.
Ezért a magánéletét a szolgáltatott adatok és a hozzáadott zaj közötti "különbség" miatt megőrzi, ezért eléggé homályos, hogy gyakorlatilag lehetetlen megmondani, hogy az adott adatok valójában egy adott egyén.
Hogyan működik az Apple Differential Privacy munkája? Az
a Differenciálissal kapcsolatos adatvédelem egy viszonylag új koncepció, de az a gondolat, hogy a vállalat számára a felhasználók adatait alapul véve feltűnő megismerést nyer, anélkül, hogy tisztában lenne azzal, hogy az pontosan -vel rendelkezik-e az adatok, vagy honnan származik.
Az Apple például három összetevőre támaszkodik, hogy a Differential Privacy munkáját Mac vagy iOS eszközén végezhesse el: hasítás, alagampling és zaj injekció.
A Hashing egy sor szöveget vesz fel, és rögzített hosszúságú rövidebb értékre fordítja, és ezeket a kulcsokat visszafordíthatatlanul véletlenszerű karakterláncokhoz vagy "hash" -hoz keverik. Ez elhomályosítja az adatait, hogy az eszköz ne tárolja az eredeti formáját. Az
Subsampling azt jelenti, hogy ahelyett, hogy minden egyes személyt felvenne, az Apple csak kisebb mintát használ. Tegyük fel például, hogy hosszú szöveges beszélgetés van egy barátjával, aki liberálisan használja az emojót. Ahelyett, hogy összegyűjtené ezt a teljes beszélgetést, az alcsoportok helyett csak azokat az alkatrészeket használhatja az Apple, mint például az emoji.
Végül a készülék behatol a zajba, és véletlenszerű adatokat ad hozzá az eredeti adatkészlethez annak érdekében, hogy homályosabb legyen. Ez azt jelenti, hogy az Apple olyan eredményt kap, amelyet ennyire maszkoltak, és ezért nem teljesen pontos.
Mindez történik a készüléken, ezért már lecsökkentettük, összekevertük, mintavételeztük és elmosódottuk, mielőtt még elküldte a felhőbe az Apple számára az elemzést.
Hol van az Apple Differential Privacy használata?
Számos olyan eset van, amikor az képes adatokat gyűjteni az alkalmazások és szolgáltatások fejlesztése érdekében. Jelenleg azonban az Apple csak négy különbözõ területen használja a Differenciálissal kapcsolatos adatkezelést.
- Ha elegendő ember helyettesít egy szót egy adott emojóval, akkor mindenki számára javaslatot fog tenni.
- Amikor új szavakat adnak hozzá, hogy elég helyi szótárak legyenek általánosak, az Apple hozzá fog adni mindenkinek a szótárához is.
- A Spotlight keresési kifejezést használhatja, majd alkalmazásjavaslatokat ad, és megnyitja ezt a hivatkozást az alkalmazásban, vagy lehetővé teszi, hogy telepítse az App Store-ból. Például azt mondja, hogy a "Star Trek" -t keresi, ami az IMDB alkalmazást javasolja. Minél több ember nyitja meg vagy telepíti az IMDB alkalmazást, annál többet fog megjelenni mindenki keresési eredményei között.
- Pontosabb eredményeket nyújt a Lookup Tippekhez a Notes-ban. Például mondja meg, hogy van egy jegyzet az "alma" szóval. Keresési keresést végez, és nem csak a szótár definícióját, hanem az Apple webhelyét, az Apple Stores helyeit stb. Valószínűsíthető, hogy minél többen tapogatnak bizonyos eredményeket, annál magasabbak és gyakrabban fognak megjelenni mindenki másban a Lookupban.
Használjunk emojist példaként. Az iOS 10-ben az Apple bevezetett egy új emoji csere funkciót az iMessage-on.Írja be a "szeretet" szót, és cserélje ki egy szívemóriával.írja be a "kutya" szót, és - kitalálta - helyettesítheti egy kutya emojumával.
Hasonlóképpen lehetséges, hogy az iPhone megjósolja, hogy milyen emojumot szeretne, ha egy üzenetet ír: "Én megyek a kutyához", az iPhone segítséget nyújt a kutya emojájához.
Tehát, az Apple mindazokat a kis darab iMessage adatokat, amelyeket összegyűjt, összességében megvizsgálja őket, és deduktírozhatja azokat a mintákat, amelyeket az emberek írnak és milyen környezetben. Ez azt jelenti, hogy az iPhone sokkal intelligensebb választási lehetőséget adhat Önnek, hiszen minden olyan szöveges beszélgetés előnyeit élvezi, amelyet mások hoznak létre és gondolnak, "ez valószínűleg az emóiról van szó."
Az Emoji nevű falut(
) Az
hátránya, hogynem nyújt pontos eredményt kis mintákban. Ez a hatalom abban rejlik, hogy konkrét adatokat tesz homályos, így nem tulajdonítható egyetlen felhasználónak sem. Annak érdekében, hogy jól működjön és jól működjön, sok felhasználónak részt kell vennie.
Olyan, mintha egy kicsit leképezett fényképet nézne fel nagyon közel. Nem fogod tudni látni, hogy mi az, ha csak néhány bitet nézel meg, de amikor visszalépsz és megnézed az egészet, a kép világosabbá és pontosabbá válik, még ha nem is túl nagyfelbontás.
Így az emojós csere és előrejelzés javítása érdekében( többek között) az Applenek meg kell gyűjtenie az iPhone és a Mac adatait a világ minden tájáról, hogy egyre világosabb képet kapjon arról, hogy mit csinálnak az emberek, és ezáltal javítja alkalmazásait és szolgáltatásait. Mindezek véletlenszerű, zajos, tömeges adatokkal foglalkozik, és bányák a mintákhoz - például, hogy hány felhasználó használja az őszibarack emódiumot a "csikk" helyett.
Tehát a Differential Privacy hatalma arra támaszkodik, hogy az Apple megvizsgálhassanagy mennyiségű összesített adat, miközben biztosítja, hogy senki sem bölcsebb, hogy ki küldte el ezeket az adatokat.
Hogyan lépjen ki a különbözõ adatvédelemrõl az iOS és a macOS
készüléken Ha még mindig nem vagy meggyõzõdve arról, hogy a Differential Privacy az Ön számára megfelelõ, akkor szerencse van. Lehetősége van a készülék beállításainak megfelelő letiltására.
Az iOS eszközön érintse meg a "Beállítások", majd a "Adatvédelem" lehetőséget.
Az Adatvédelem képernyőn érintse meg a "Diagnostics &Használat".
Végül a Diagnostics &Használati képernyőn koppintson a "Nem küldés" elemre.
MacOS rendszeren nyissa meg a System Preferences( Rendszerbeállítások) elemet, és kattintson a "Security &Magánélet".
A Security &Adatvédelmi beállítások, kattintson az "Adatvédelem" fülre, majd győződjön meg róla, hogy a "Diagnosztika &felhasználási adatok az Apple-hez "nincs kijelölve. Vegye figyelembe, hogy a bal alsó sarokban lévő zár ikonra kell kattintania, és be kell írnia a rendszer jelszavát, mielőtt elvégezné ezt a módosítást.
Nyilvánvaló, hogy sokkal több a Differential Privacy, mind az elmélet és az alkalmazás, mint ez az egyszerűsített magyarázat. A hús és a burgonya nagyon komoly matematikára támaszkodik, és mint ilyen, nagyon súlyos és bonyolult lehet.
Remélhetőleg azonban ez ad egy ötletet arról, hogy működik, és hogy magabiztosabbnak érzi magát a bizonyos adatok gyűjtését végző vállalatok számára anélkül, hogy félne az azonosítástól.
