لایک‌های ساده، اطلاعات حساس شما را لو می‌دهند؟

به گزارش مجله خبری نگار/اعتمادآنلاین،یک شبکه اجتماعی مانند اینستاگرام به دلیل ماهیت تصویری و تعاملی‌اش، بستری برای تولید حجم زیادی از داده‌های رفتاری است. دنبال‌کنندگان فقط مخاطب نیستند؛ با هر تعامل، اطلاعاتی درباره سلیقه، علایق و شبکه روابط خود تولید می‌کنند. مرور‌های علمی نشان می‌دهند خطر تنها به اطلاعاتی که آشکارا منتشر می‌شود محدود نیست؛ داده‌ها ممکن است به اشخاص ثالث و مخاطبان غیرمنتظره برسند.

چرا حریم خصوصی دنبال‌کنندگان مهم است؟

پژوهش‌های پیشین نشان داده‌اند حتی پسند‌های ظاهرا بی‌اهمیت می‌توانند برای حدس‌زدن ویژگی‌های حساس مانند گرایش‌های سیاسی یا دینی به کار روند و ساختار روابط اجتماعی می‌تواند هویت کاربران را در داده‌های به‌ظاهر ناشناس آشکار کند. به همین دلیل، حفاظت از حریم خصوصی تنها "پنهان کردن اطلاعات" نیست؛ مهار تحلیل و استنباط از داده‌ها نیز بخشی از آن است.

اما هوش مصنوعی چگونه می‌تواند کمک کند؟ بر اساس تحلیل ادبیات علمی، پنج کاربرد اصلی برای این کار شناسایی شده است؛ اول، تشخیص حساب‌های جعلی و خودکار؛ اینکه ربات‌ها و حساب‌های ساختگی می‌توانند با درخواست دنبال‌کردن یا مهندسی اجتماعی به اطلاعات کاربران دسترسی یابند. مدل‌های یادگیری ماشین با تحلیل نیمرخ، رفتار و ساختار شبکه این حساب‌ها را شناسایی می‌کنند، هرچند مهاجمان پیوسته روش خود را تغییر می‌دهند.

مورد دوم شناسایی رفتار مخرب و مهندسی اجتماعی است؛ پیوند‌های فیشینگ، پیام‌های کلاهبردارانه و آزار آنلاین با مدل‌های پردازش زبان و تحلیل رفتار قابل تشخیص هستند و می‌توانند خطر افشای ناخواسته اطلاعات را کاهش دهند.

سومین مورد، توصیه‌گر تنظیمات حریم خصوصی است؛ بسیاری از کاربران از همه قابلیت‌های کنترل حریم خصوصی استفاده نمی‌کنند. سامانه‌های هوشمند می‌توانند بر اساس رفتار هر کاربر، تنظیمات مناسب پیشنهاد دهند یا درباره یک اشتراک‌گذاری پرخطر هشدار بدهند.

فناوری‌های حافظ حریم خصوصی مورد چهارم است؛ حریم خصوصی تفاضلی با افزودن نویز کنترل‌شده و یادگیری فدرال با آموزش مدل بدون انتقال داده‌های خام، خطر نشت اطلاعات را در خود فرایند یادگیری کاهش می‌دهند؛ و آخرین مورد تشخیص محتوای حساس است؛ از نظر فنی، مدل‌های بینایی ماشین و پردازش زبان می‌توانند اطلاعات حساس را در متن و تصویر شناسایی و پیش از انتشار به کاربر هشدار دهند؛ اما شواهد تجربی درباره اثربخشی آن در اینستاگرام هنوز محدود است.

در این باره علی‌اصغر زارعی - کارشناس فناوری اطلاعات -در گفت‌و‌گو با ایسنا، اظهار کرد: بر این اساس نتایج بررسی‌ها نشان می‌دهد هوش مصنوعی ابزاری مکمل است و جایگزین مدیریت حریم خصوصی توسط کاربر و چارچوب‌های حقوقی نمی‌شود، زیرا سامانه‌ای که برای حفاظت از داده طراحی شده، خود به داده‌های فراوان نیاز دارد. این تناقض اصلی ماجراست.

او ادامه داد: پژوهش‌ها سه خطر مشخص را نشان می‌دهند؛ حملات استنتاجی؛ می‌توان از رفتار یک مدل حدس زد آیا داده‌های یک فرد در آموزش آن به کار رفته است؛ یعنی خود مدل نیز ممکن است اطلاعات را نشت دهد. خطر بعدی خطا و سوگیری است؛ شناسایی اشتباه رفتار عادی به‌عنوان مشکوک، یا ناتوانی در تشخیص تهدید واقعی، می‌تواند به محدودسازی ناروا و از دست رفتن اعتماد منجر شود. ناشفافی مورد سوم است یعنی، تصمیم‌های الگوریتمی بدون توضیح، امکان اعتراض و اصلاح را از کاربر می‌گیرند. مقررات عمومی حفاظت از داده اتحادیه اروپا نیز درباره تصمیم‌های خودکار حقوقی برای افراد در نظر گرفته است و در این میان کودکان و نوجوانان به دلیل آسیب‌پذیری بیشتر، نیازمند حساسیت و محافظت ویژه‌تری هستند.

اما چه باید کرد؟ این کارشناس معتقد است که دنبال‌کنندگان باید از تنظیمات حریم خصوصی استفاده کنند و درخواست حساب‌های ناشناس را با احتیاط بپذیرند. به هشدار‌های امنیتی توجه کنند و پیوند‌های ناشناس را باز نکنند. در مورد پلتفرم‌ها هم حداقل‌سازی داده، به‌کارگیری حریم خصوصی تفاضلی یا یادگیری فدرال در صورت امکان، و ارائه توضیح و امکان اعتراض برای تصمیم‌های خودکار باید انجام شود.

به گفته زارعی، سیاست‌گذاران و پژوهشگران هم نسبت به به‌روزرسانی قوانین حمایت از داده‌های شخصی و الزام به ارزیابی اثر حریم خصوصی برای سامانه‌های هوشمند؛ انجام مطالعه‌های تجربی درباره اثربخشی این کاربرد‌ها در شبکه‌ای، چون اینستاگرام و نگرش دنبال‌کنندگان جامعه ایرانی اقدام کنند.

بر این اساس، هوش مصنوعی می‌تواند در شناسایی تهدید‌ها و پشتیبانی از کاربران نقشی مؤثر ایفا کند، اما بدون طراحی مبتنی بر حریم خصوصی، شفافیت و آگاهی کاربران، خود می‌تواند منشأ مخاطره باشد. آینده حفاظت از حریم خصوصی در شبکه‌های اجتماعی به همکاری سه‌جانبه کاربر، پلتفرم و قانون‌گذار وابسته است.