مراقب ردپاي ديجيتال باشيد/ لايكها اطلاعات حساس را فاش ميكنند
هر لايك، هر دنبالكردن و هر نظر كوتاه زير يك پست، ردپايي ديجيتال بر جاي ميگذارد كه ميتواند نقشهاي از علايق، باورها و روابط ما بسازد. اما آيا هوش مصنوعي ميتواند از اين ردپاها محافظت كند، يا خود به تهديدي تازه تبديل ميشود.
هر لايك، هر دنبالكردن و هر نظر كوتاه زير يك پست، ردپايي ديجيتال بر جاي ميگذارد كه ميتواند نقشهاي از علايق، باورها و روابط ما بسازد. اما آيا هوش مصنوعي ميتواند از اين ردپاها محافظت كند، يا خود به تهديدي تازه تبديل ميشود. يك كارشناس فناوري اطلاعات عنوان كرد كه هوش مصنوعي ابزاري مكمل است، نه جايگزين آگاهي كاربر و قانون. به گزارش ايسنا، يك شبكه اجتماعي مانند اينستاگرام به دليل ماهيت تصويري و تعاملياش، بستري براي توليد حجم زيادي از دادههاي رفتاري است. دنبالكنندگان فقط مخاطب نيستند؛ با هر تعامل، اطلاعاتي درباره سليقه، علايق و شبكه روابط خود توليد ميكنند. مرورهاي علمي نشان ميدهند خطر تنها به اطلاعاتي كه آشكارا منتشر ميشود محدود نيست؛ دادهها ممكن است به اشخاص ثالث و مخاطبان غيرمنتظره برسند.
چرا حريم خصوصي دنبالكنندگان مهم است؟
پژوهشهاي پيشين نشان دادهاند حتي پسندهاي ظاهرا بياهميت ميتوانند براي حدسزدن ويژگيهاي حساس مانند گرايشهاي سياسي يا ديني به كار روند و ساختار روابط اجتماعي ميتواند هويت كاربران را در دادههاي بهظاهر ناشناس آشكار كند. به همين دليل، حفاظت از حريم خصوصي تنها «پنهان كردن اطلاعات» نيست؛ مهار تحليل و استنباط از دادهها نيز بخشي از آن است. اما هوش مصنوعي چگونه ميتواند كمك كند؟ بر اساس تحليل ادبيات علمي، پنج كاربرد اصلي براي اين كار شناسايي شده است؛ اول، تشخيص حسابهاي جعلي و خودكار؛ اينكه رباتها و حسابهاي ساختگي ميتوانند با درخواست دنبالكردن يا مهندسي اجتماعي به اطلاعات كاربران دسترسي يابند. مدلهاي يادگيري ماشين با تحليل نيمرخ، رفتار و ساختار شبكه اين حسابها را شناسايي ميكنند، هرچند مهاجمان پيوسته روش خود را تغيير ميدهند. مورد دوم شناسايي رفتار مخرب و مهندسي اجتماعي است؛ پيوندهاي فيشينگ، پيامهاي كلاهبردارانه و آزار آنلاين با مدلهاي پردازش زبان و تحليل رفتار قابل تشخيص هستند و ميتوانند خطر افشاي ناخواسته اطلاعات را كاهش دهند. سومين مورد، توصيهگر تنظيمات حريم خصوصي است؛ بسياري از كاربران از همه قابليتهاي كنترل حريم خصوصي استفاده نميكنند. سامانههاي هوشمند ميتوانند بر اساس رفتار هر كاربر، تنظيمات مناسب پيشنهاد دهند يا درباره يك اشتراكگذاري پرخطر هشدار بدهند. فناوريهاي حافظ حريم خصوصي مورد چهارم است؛ حريم خصوصي تفاضلي با افزودن نويز كنترلشده و يادگيري فدرال با آموزش مدل بدون انتقال دادههاي خام، خطر نشت اطلاعات را در خود فرايند يادگيري كاهش ميدهند و آخرين مورد تشخيص محتواي حساس است؛ از نظر فني، مدلهاي بينايي ماشين و پردازش زبان ميتوانند اطلاعات حساس را در متن و تصوير شناسايي و پيش از انتشار به كاربر هشدار دهند؛ اما شواهد تجربي درباره اثربخشي آن در اينستاگرام هنوز محدود است. در اين باره علياصغر زارعي - كارشناس فناوري اطلاعات-در گفتوگو با ايسنا، اظهار كرد: بر اين اساس نتايج بررسيها نشان ميدهد هوش مصنوعي ابزاري مكمل است و جايگزين مديريت حريم خصوصي توسط كاربر و چارچوبهاي حقوقي نميشود زيرا سامانهاي كه براي حفاظت از داده طراحي شده، خود به دادههاي فراوان نياز دارد. اين تناقض اصلي ماجراست. او ادامه داد: پژوهشها سه خطر مشخص را نشان ميدهند؛ حملات استنتاجي؛ ميتوان از رفتار يك مدل حدس زد آيا دادههاي يك فرد در آموزش آن به كار رفته است؛ يعني خود مدل نيز ممكن است اطلاعات را نشت دهد. خطر بعدي خطا و سوگيري است؛ شناسايي اشتباه رفتار عادي به عنوان مشكوك، يا ناتواني در تشخيص تهديد واقعي، ميتواند به محدودسازي ناروا و از دست رفتن اعتماد منجر شود. ناشفافي مورد سوم است يعني، تصميمهاي الگوريتمي بدون توضيح، امكان اعتراض و اصلاح را از كاربر ميگيرند. مقررات عمومي حفاظت از داده اتحاديه اروپا نيز درباره تصميمهاي خودكار حقوقي براي افراد در نظر گرفته است و در اين ميان كودكان و نوجوانان به دليل آسيبپذيري بيشتر، نيازمند حساسيت و محافظت ويژهتري هستند. اما چه بايد كرد؟ اين كارشناس معتقد است كه دنبالكنندگان بايد از تنظيمات حريم خصوصي استفاده كنند و درخواست حسابهاي ناشناس را با احتياط بپذيرند. به هشدارهاي امنيتي توجه كنند و پيوندهاي ناشناس را باز نكنند. در مورد پلتفرمها هم حداقلسازي داده، بهكارگيري حريم خصوصي تفاضلي يا يادگيري فدرال در صورت امكان و ارايه توضيح و امكان اعتراض براي تصميمهاي خودكار بايد انجام شود. به گفته زارعي، سياستگذاران و پژوهشگران هم نسبت به بهروزرساني قوانين حمايت از دادههاي شخصي و الزام به ارزيابي اثر حريم خصوصي براي سامانههاي هوشمند؛ انجام مطالعههاي تجربي درباره اثربخشي اين كاربردها در شبكهاي چون اينستاگرام و نگرش دنبالكنندگان جامعه ايراني اقدام كنند. بر اين اساس، هوش مصنوعي ميتواند در شناسايي تهديدها و پشتيباني از كاربران نقشي موثر ايفا كند، اما بدون طراحي مبتني بر حريم خصوصي، شفافيت و آگاهي كاربران، خود ميتواند منشأ مخاطره باشد. آينده حفاظت از حريم خصوصي در شبكههاي اجتماعي به همكاري سهجانبه كاربر، پلتفرم و قانونگذار وابسته است.