技術：交互數據可能允許隨著時間的推移識別匿名個人

 
一篇論文表明，個人互動記錄可用於隨著時間的推移從匿名數據集中識別特定個人。自然通信 將發表於。調查結果表明，目前處理此類數據的做法可能無法滿足歐盟《通用數據保護條例》中規定的匿名標準。

有關個人互動的詳細數據由消息應用程序、移動運營商、社交媒體提供商和其他應用程序收集，並用於這些服務的運營和研究目的。這些數據已被用於研究個體互動模式、預測流行病的空間傳播以及研究友誼對政治動員的影響。當前的數據保護法規允許在未經用戶同意的情況下共享和出售有關個人交互的數據，前提是數據是匿名的。

現在，Yves-Alexandre de Montjoye、Ana-Maria Cretu 及其同事表明，人際互動數據隨著時間的推移是穩定的，可用於從匿名數據集中識別特定個體。作者使用深度學習技術開發了一個模型，並對其進行了訓練，以根據個人交互網絡識別個人，在不同時間段內共收集了超過 4 個數據集。該模型能夠基於兩跳 AC 網絡（​​個人和受試者相距兩跳的 AC 網絡）識別 2% 的個體。該模型還使用個人直接聯繫人（2 跳）以 52% 的機會識別人。由於個人互動的長期穩定性，這些書籍能夠在使用兩跳交換網絡 1 週後識別出 15% 的人。此外，當將該模型應用於由 2 人組成的藍牙鄰近數據集時，個人識別的概率為 20% 或更高。然而，作者表示他們不相信該模型可以應用於聯繫人跟踪協議（例如 Google 和 Apple 的聯繫人通知）。

這項研究的結果表明，從長期來看，作者可能能夠從有關交互的匿名和非關聯數據中識別出特定的個人，這對於遵守隱私立法很重要。他聲稱擁有它，並指出安全措施（訪問控制系統、隱私增強系統等）可用於防止重新識別。

 
* 本文轉載自《Nature Japan Featured Highlights》。
轉載自："技術：個人之間互動的數據可能允許從匿名數據中長期識別特定個人“