Sei molto facile da rintracciare, anche quando i tuoi dati sono stati resi anonimi

Volti offuscati Getty

La scia di dati che ci lasciamo alle spalle cresce continuamente. La maggior parte non è così interessante - il pasto da asporto che hai ordinato, quel soffione che hai acquistato online - ma alcuni sono profondamente personali: le tue diagnosi mediche, il tuo orientamento sessuale o i tuoi documenti fiscali.

Il modo più comune in cui le agenzie pubbliche proteggono le nostre identità è l'anonimizzazione. Ciò comporta l'eliminazione di elementi ovviamente identificabili come nomi, numeri di telefono, indirizzi e-mail e così via. I set di dati vengono anche modificati per essere meno precisi, le colonne nei fogli di calcolo vengono rimosse e il rumore viene introdotto nei dati. Le politiche sulla privacy ci rassicurano sul fatto che questo significa che non c'è alcun rischio che potremmo essere rintracciati nel database.

Tuttavia, un nuovo studio in Comunicazioni sulla natura suggerisce che questo è tutt'altro che vero.

I ricercatori dell'Imperial College London e dell'Università di Louvain hanno creato un modello di apprendimento automatico che stima esattamente quanto sia facile reidentificare gli individui da un set di dati anonimo. Puoi controllare il tuo punteggio qui , inserendo il tuo codice postale, sesso e data di nascita.

In media, negli Stati Uniti, utilizzando questi tre record, potresti trovarti correttamente posizionato in un database anonimo l'81% delle volte. Dati 15 attributi demografici di qualcuno che vive in Massachusetts, c'è una probabilità del 99,98% che tu possa trovare quella persona in qualsiasi database anonimo.

Man mano che le informazioni si accumulano, le probabilità che tu non sia tu diminuiscono molto rapidamente, afferma Yves-Alexandre de Montjoye, ricercatore dell'Imperial College di Londra e uno degli autori dello studio.

Lo strumento è stato creato assemblando un database di 210 diversi set di dati provenienti da cinque fonti, incluso il censimento degli Stati Uniti. I ricercatori hanno inserito questi dati in un modello di apprendimento automatico, che ha appreso quali combinazioni sono più quasi uniche e quali lo sono meno, quindi assegna la probabilità di una corretta identificazione.

Questo non è il primo studio a dimostrare quanto sia facile rintracciare individui da database anonimi. Un giornale nel 2007 ha mostrato che solo alcune valutazioni di film su Netflix possono identificare una persona facilmente come un numero di previdenza sociale, ad esempio. Tuttavia, mostra fino a che punto le attuali pratiche di anonimizzazione siano rimaste indietro rispetto alla nostra capacità di infrangerle. Il fatto che il set di dati sia incompleto non protegge la privacy delle persone, afferma de Montjoye.

Non sono tutte cattive notizie. Queste stesse tecniche di reidentificazione sono state utilizzate dai giornalisti che lavorano al New York Times all'inizio di quest'anno per esporre le dichiarazioni dei redditi di Donald Trump dal 1985 al 1994. Tuttavia, lo stesso metodo potrebbe essere utilizzato da qualcuno che cerca di commettere frode di identità o ottenere informazioni a scopo di ricatto.

Il problema è che pensiamo che quando i dati sono stati resi anonimi sia sicuro. Organizzazioni e aziende ci dicono che è sicuro, e questo dimostra che non lo è, afferma de Montjoye.

Per la massima tranquillità, le aziende dovrebbero utilizzare privacy differenziale , un modello matematico complesso che consente alle organizzazioni di condividere dati aggregati sulle abitudini degli utenti proteggendo al contempo l'identità di un individuo, afferma Charlie Cabot, responsabile della ricerca presso la società di ingegneria della privacy Privato .

La tecnica avrà il suo primo grande test l'anno prossimo: viene utilizzata per proteggere il database del censimento degli Stati Uniti.

nascondere