2Sep
Apple mempertaruhkan reputasinya dalam memastikan data yang dikumpulkannya dari Anda tetap bersifat pribadi. Bagaimana? Dengan menggunakan sesuatu yang disebut "Privasi Diferensial."
Apa itu Privasi Diferensial?
Apple menjelaskannya seperti:
Apple menggunakan teknologi Privasi Diferensial untuk membantu menemukan pola penggunaan sejumlah besar pengguna tanpa mengorbankan privasi individu. Untuk mengaburkan identitas individu, Differential Privacy menambahkan suara matematika ke sampel kecil pola penggunaan individu. Karena semakin banyak orang yang memiliki pola yang sama, pola umum mulai muncul, yang dapat memberi informasi dan meningkatkan pengalaman pengguna.
Filosofi di balik Privasi Diferensial adalah: setiap pengguna yang perangkatnya, entah itu iPhone, iPad, atau Mac, menambahkan perhitungan ke kumpulan data agregat yang lebih besar( gambar besar yang terbentuk dari berbagai gambar yang lebih kecil), tidak boleh diungkapkanSebagai sumbernya, apalagi data apa yang mereka sumbangkan.
Apple bukan satu-satunya perusahaan yang melakukan hal ini, baik-baik Google dan Microsoft menggunakannya lebih awal. Tapi Apple mempopulerkannya dengan membicarakannya secara rinci pada keynote PDDC 2016.
Jadi, bagaimana ini berbeda dengan data anonim lainnya, Anda bertanya? Nah, data anonim masih dapat digunakan untuk menyimpulkan informasi pribadi jika Anda cukup tahu tentang seseorang.
Katakanlah seorang hacker dapat mengakses database anonim yang mengungkapkan daftar gaji perusahaan. Katakanlah mereka juga tahu bahwa Karyawan X relokasi ke daerah lain. Si hacker kemudian bisa query database sebelum dan sesudah Karyawan X bergerak dan dengan mudah menyimpulkan pendapatannya.
Untuk melindungi informasi sensitif Karyawan X, Privasi Diferensial mengubah data dengan "suara" matematis dan teknik lainnya sehingga jika Anda query database, Anda hanya akan menerima perkiraan tentang berapa banyak( atau orang lain) Karyawan X adalahdibayar.
Oleh karena itu, privasinya terpelihara karena "perbedaan" antara data yang dipasok dan suara yang ditambahkan padanya, sehingga kemudian cukup kabur sehingga hampir tidak mungkin untuk mengetahui apakah data yang Anda lihat sebenarnya adalah individu tertentu..
Bagaimana Cara Kerja Privasi Diferensial Apple? Privasi Diferensial
adalah konsep yang relatif baru, namun idenya adalah dapat memberikan wawasan yang tajam kepada perusahaan berdasarkan data dari penggunanya, tanpa mengetahui data persis seperti data atau dari siapa itu berasal.
Apple, misalnya, bergantung pada tiga komponen untuk membuat pekerjaan Differential Privacy pada perangkat Mac atau iOS: hashing, subsampling, dan suntikan kebisingan.
Hashing mengambil seutas teks dan mengubahnya menjadi nilai yang lebih pendek dengan panjang tetap dan mencampur kunci ini menjadi string karakter unik atau "hash" yang ireversibel. Ini mengaburkan data Anda sehingga perangkat tidak menyimpan semua itu dalam bentuk aslinya.
Subsampling berarti bahwa alih-alih mengumpulkan setiap kata yang diketik orang, Apple hanya akan menggunakan sampel yang lebih kecil. Sebagai contoh, katakanlah Anda memiliki percakapan teks yang panjang dengan seorang teman yang secara bebas menggunakan emoji. Alih-alih mengumpulkan seluruh percakapan itu, subsampling mungkin hanya menggunakan bagian yang diminati Apple, seperti emoji.
Akhirnya, perangkat Anda menyuntikkan suara, menambahkan data acak ke dalam dataset asli agar lebih tidak jelas. Ini berarti bahwa Apple mendapatkan hasil yang telah ditutupi sedikit sehingga tidak tepat.
Semua ini terjadi pada perangkat Anda, jadi sudah dipersingkat, dicampur, diambil sampel, dan kabur sebelum bahkan dikirim ke awan agar Apple bisa menganalisisnya.
Dimana Privasi Diferensial Apple Digunakan?
Ada berbagai kasus di mana Apple mungkin ingin mengumpulkan data untuk memperbaiki aplikasi dan layanannya. Saat ini meski, Apple hanya menggunakan Differential Privacy di empat area tertentu.
- Ketika cukup banyak orang mengganti sebuah kata dengan emoji tertentu, ini akan menjadi saran bagi semua orang.
- Bila kata-kata baru ditambahkan ke kamus lokal yang cukup untuk dianggap biasa, Apple akan menambahkannya ke kamus orang lain juga.
- Anda dapat menggunakan istilah pencarian di Spotlight, dan kemudian akan memberikan saran aplikasi dan membuka tautan itu di aplikasi tersebut atau mengizinkan Anda menginstalnya dari App Store. Misalnya, Anda mencari "Star Trek", yang menyarankan aplikasi IMDB.Semakin banyak orang membuka atau memasang aplikasi IMDB, semakin banyak yang akan muncul di hasil penelusuran setiap orang.
- Ini akan memberikan hasil yang lebih akurat untuk Lookup Hints in Notes. Misalnya, katakanlah Anda memiliki catatan dengan kata "apel" di dalamnya. Anda melakukan pencarian pencarian dan ini memberi Anda hasil tidak hanya untuk definisi kamus, tapi juga situs Apple, lokasi Apple Store, dan sebagainya. Agaknya, semakin banyak orang memanfaatkan hasil tertentu, semakin tinggi dan lebih sering mereka akan muncul di Lookup untuk orang lain.
Mari kita pakai emojis sebagai contoh. Di iOS 10, Apple memperkenalkan fitur pengganti emoji baru di iMessage. Ketik kata "cinta", dan Anda bisa menggantinya dengan emoji jantung.ketik kata "anjing", dan-Anda bisa menebaknya-Anda bisa menggantinya dengan emoji anjing.
Demikian pula, iPhone Anda mungkin bisa memprediksi emoji yang Anda inginkan seperti itu, jika Anda mengetik pesan "Saya akan menuntun anjing" iPhone Anda akan membantu menyarankan emoji anjing.
Jadi, Apple mengambil semua potongan kecil data iMessage yang dikumpulkannya, memeriksa mereka secara keseluruhan, dan dapat menyimpulkan pola dari apa yang orang ketik dan dalam konteks apa. Ini berarti iPhone Anda dapat memberi Anda pilihan cerdas karena mendapatkan manfaat dari semua percakapan teks yang dibuat orang lain dan berpikir, "Ini mungkin emoji yang Anda inginkan."
Membawa Desa( Emoji)
Kelemahan dari Privasi Diferensial adalah bahwaitu tidak memberikan hasil yang akurat dalam sampel kecil. Kekuatannya terletak pada membuat data spesifik tidak jelas sehingga tidak dapat dikaitkan dengan satu pengguna. Agar bisa bekerja dan bekerja dengan baik, banyak pengguna harus berpartisipasi.
Ini seperti melihat foto yang tersumbat sangat dekat. Anda tidak akan bisa melihat apa adanya jika Anda melihat hanya beberapa bit saja, tapi saat Anda melangkah mundur dan melihat keseluruhannya, gambar menjadi lebih jelas dan lebih pasti, bahkan jika tidak terlalu tinggi.resolusi.
Dengan demikian, untuk meningkatkan penggantian dan prediksi emoji( antara lain), Apple perlu mengumpulkan data iPhone dan Mac dari seluruh dunia untuk memberikan gambaran yang semakin jelas tentang apa yang orang lakukan dan dengan demikian memperbaiki aplikasi dan layanannya. Ini berubah menjadi semua data acak, berisik, crowdsourced ini, dan menambangnya untuk pola-seperti berapa banyak pengguna yang menggunakan emoji persik menggantikan "pantat."
Jadi, kekuatan Privasi Diferensial bergantung pada Apple yang dapat memeriksasejumlah besar data agregat, sambil memastikan bahwa tidak ada yang bijak tentang siapa yang mengirim mereka data itu.
Bagaimana Memilih Keikutsertaan dari Privasi Diferensial di iOS dan macOS
Jika Anda masih belum yakin bahwa Privasi Diferensial benar untuk Anda, Anda beruntung. Anda dapat memilih keluar dari pengaturan perangkat Anda.
Pada perangkat iOS Anda, tekan buka "Settings" dan kemudian "Privacy".
Pada layar Privacy, ketuk "Diagnostics &Pemakaian".
Akhirnya, di Diagnostik &Layar penggunaan, ketuk "Jangan Kirim".
Pada macos, buka System Preferences dan klik "Security &Pribadi".
Di Keamanan &Preferensi privasi, klik tab "Privasi" dan pastikan "Kirim diagnostik &data penggunaan ke Apple "tidak dicentang. Perhatikan bahwa Anda perlu mengklik ikon kunci di pojok kiri bawah dan memasukkan kata sandi sistem Anda sebelum Anda dapat membuat perubahan ini.
Jelas, ada lebih banyak untuk Privasi Diferensial, baik secara teori maupun aplikasi, daripada penjelasan yang disederhanakan ini. Daging dan kentangnya sangat bergantung pada beberapa matematika serius dan karena itu, daging ini bisa menjadi sangat berbobot dan rumit.
Semoga, bagaimanapun, ini memberi Anda gambaran tentang bagaimana cara kerjanya dan Anda merasa lebih percaya diri tentang perusahaan yang mengumpulkan data tertentu tanpa takut dikenali.
