2.3.10 Sensittivi

Uħud mill-informazzjoni li l-kumpaniji u l-gvernijiet għandhom hija sensittiva.

Il-kumpaniji tal-assigurazzjoni tas-saħħa għandhom informazzjoni dettaljata dwar il-kura medika riċevuta mill-klijenti tagħhom. Din l-informazzjoni tista 'tintuża għal riċerka importanti dwar is-saħħa, iżda jekk saret pubblika, tista' potenzjalment twassal għal ħsara emozzjonali (eż., Imbarazzament) jew ħsara ekonomika (eż. Ħafna sorsi ta 'data kbar oħrajn ukoll għandhom informazzjoni sensittiva , li hija parti mir-raġuni għaliex spiss huma inaċċessibbli.

Sfortunatament, jirriżulta li huwa pjuttost delikat biex tiddeċiedi liema informazzjoni hija attwalment sensittiva (Ohm 2015) , kif intwera mill-Premju Netflix. Kif se niddeskrivi fil-kapitolu 5, fl-2006 Netflix ħarġet 100 miljun klassifikazzjoni tal-films pprovduti minn kważi 500,000 membru u kellhom sejħa miftuħa fejn in-nies minn madwar id-dinja ssottomettew algoritmi li jistgħu jtejbu l-kapaċità ta 'Netflix li jirrakkomanda films. Qabel ma ħarġet id-data, Netflix neħħa kwalunkwe informazzjoni ovvja li tidentifika personalment, bħal ismijiet. Iżda, ġimgħatejn biss wara li r-riċevuta tad-data ġiet rilaxxata, Arvind Narayanan u Vitaly Shmatikov (2008) wrew li kien possibbli li wieħed jitgħallem dwar il-klassifikazzjonijiet tal-films speċifiċi tan-nies bl-użu ta 'trick li nispjega int fil-kapitolu 6. Anke jekk attakkant jista' il-klassifikazzjonijiet tal-films tal-persuna, għadu ma jidhirx li hu xi ħaġa sensittiva hawn. Filwaqt li dan jista 'jkun minnu b'mod ġenerali, għal mill-inqas xi wħud mill-500,000 persuna fid-dataset, il-klassifikazzjonijiet tal-films kienu sensittivi. Fil-fatt, bi tweġiba għar-rilaxx u l-identifikazzjoni mill-ġdid tad-data, mara skurata lesbjani ngħaqdet kawża ta 'azzjoni kontra Netflix. Hawnhekk kif ġiet espressa l-problema f'din il-kawża (Singel 2009) :

"[Id-data] u l-informazzjoni tal-klassifikazzjoni fiha informazzjoni ta '... natura ferm personali u sensittiva. Id-dejta tal-film tal-membru tesponi interess personali ta 'membru Netflix u / jew ġlidiet b'ħafna kwistjonijiet personali ħafna, inklużi sesswalità, mard mentali, irkupru minn alkoħoliżmu u vittimizzazzjoni minn inċest, abbuż fiżiku, vjolenza domestika, adulterju u stupru. "

Dan l-eżempju juri li jista 'jkun hemm informazzjoni li xi wħud iqisu bħala sensittivi ġewwa dak li jista' jidher li jkun database beninna. Barra minn hekk, juri li difiża prinċipali li r-riċerkaturi tuża biex tipproteġi d-data sensittiva ta 'l-identifikazzjoni tista' tfalli b'mod sorprendenti. Dawn iż-żewġ ideat huma żviluppati f'aktar dettall fil-kapitolu 6.

L-aħħar ħaġa li wieħed għandu jżomm f'moħħok dwar data sensittiva hija li l-ġbir tagħha mingħajr il-kunsens tan-nies iqajjem mistoqsijiet etiċi, anke jekk ma ssir l-ebda ħsara speċifika. Ħafna bħal jaraw li xi ħadd jieħu doċċa mingħajr il-kunsens tagħhom jista 'jitqies bħala ksur tal-privatezza ta' dik il-persuna, jiġbor informazzjoni sensittiva u ftakar kemm jista 'jkun li tiddeċiedi x'inhu sensittiv mingħajr il-kunsens toħloq tħassib potenzjali dwar il-privatezza. Jien ser nerġa 'lura għall-mistoqsijiet dwar il-privatezza fil-kapitolu 6.

Bħala konklużjoni, sorsi kbar ta 'dejta, bħal reġistri amministrattivi tal-gvern u tan-negozju, ġeneralment mhumiex maħluqa għall-iskop tar-riċerka soċjali. Is-sorsi l-kbar tad-dejta tal-lum, u probabbli għada, għandhom tendenza li jkollhom 10 karatteristiċi. Ħafna mill-proprjetajiet li huma ġeneralment meqjusa bħala tajbin għar-riċerka - kbar, dejjem fuq u mhux reattivi - jiġu mill-fatt fil-kumpaniji ta 'l-età diġitali u l-gvernijiet jistgħu jiġbru d-data f'livell li qabel ma kienx possibbli. U ħafna mill-proprjetajiet li huma ġeneralment meqjusa li huma ħżiena għar-riċerka - mhux kompluta, inaċċessibbli, mhux rappreżentattiva, imxerrda, megħluba b'mod algoritmiku, inaċċessibbli, maħmuġin u sensittivi - ġejjin mill-fatt li din id-dejta ma nġabritx minn riċerkaturi għal riċerkaturi. S'issa, tkellimt dwar id-data tal-gvern u n-negozju flimkien, imma hemm xi differenzi bejn it-tnejn. Fl-esperjenza tiegħi, id-dejta tal-gvern għandha tendenza li tkun inqas rappreżentattiva, inqas konfuża b'mod algoritmiku, u anqas imxerrda. Min-naħa l-oħra, ir-rekords amministrattivi tan-negozju għandhom it-tendenza li jkunu dejjem iktar aġġornati. Il-fehim ta 'dawn l-10 karatteristiċi ġenerali huwa l-ewwel pass utli lejn it-tagħlim minn sorsi kbar ta' data. U issa ngħaddu għal strateġiji ta 'riċerka li nistgħu nużaw b'din id-data.