ماه گذشته برنامه تحقیق و توسعه شبکه و فناوری اطلاعات (NITRD) سی امین سالگرد خود را در واشنگتن دی سی گرامی داشت. می توانید خلاصه رویداد را بخوانید. اینجا کلیک نمایید. در تلاش برای برجسته کردن تأثیر سرمایه‌گذاری‌های فدرال بر جامعه تحقیقاتی محاسباتی، این رویداد پنج پانل را برگزار کرد که در آن شرکت‌کنندگان در مورد دستاوردهای کلیدی در این زمینه در دهه گذشته و مسیرهای آینده در آینده بحث کردند. هر پانل بر روی زیر حوزه مهمی از تحقیقات کامپیوتری متمرکز بود: محاسبات در مقیاس، شبکه و امنیت، هوش مصنوعی/یادگیری ماشین، حریم خصوصی و اینترنت اشیا و محاسبات مسئولیت اجتماعی.
حریم خصوصی نه تنها در میان جامعه تحقیقاتی محاسباتی، بلکه در تمام رشته‌های دانشگاهی و صنعتی به موضوع بزرگی برای گفتگو تبدیل شده است. اثرات نامطلوب حریم خصوصی ناشی از در دسترس بودن مجموعه‌های داده در مقیاس بزرگ در حال افزایش است حسگرها، دستگاه‌ها و محرک‌های متصل به هم که اینترنت اشیا (IoT) را تشکیل می دهند. توسط چارلز ("چاک") رومین (NIST) و با حضور کارشناسان حوزه اد فلتن (پرینستون)، مارک گرومن (گرومن مشاور)، کاترینا مگاس (NIST) و سونو پارک (کرنل)، پانل 4: حریم خصوصی و اینترنت اشیاء موضوعات مهمی مانند مبادله بین استفاده از داده ها و حریم خصوصی و اهداف تحقیقاتی بالقوه را برای کمک به دستیابی به راه حل های سیاست موثر مورد بحث قرار می دهد.
رومین با برجسته کردن یک موضوع مشترک در همه پانل ها شروع کرد: "در مورد مزایا و قابلیت های فوق العاده ارائه شده از طریق سرمایه گذاری های مالی فدرال، همراه با خطرات مرتبط صحبت می کند." اینترنت اشیاء تفاوتی ندارد، مردم را به اطلاعات غیرقابل غلبه دسترسی می دهد، کمپین های تبلیغاتی موفق را فعال می کند و فناوری خیاط را مطابق سلیقه شخصی شما می سازد، اما حریم خصوصی کاربران را نیز به خطر می اندازد.
همانطور که مگاس اشاره کرد، "کل دلیلی که ما این تلاش را انجام می دهیم این است که می خواهیم واقعاً بتوانیم IoT به رسمیت شناخته شده و جامعه از مزایای آن بهره مند شود." او در ادامه مزایای بالقوه و اهمیت اشتراک گذاری داده ها در سراسر اینترنت اشیا را به اشتراک گذاشت. یک مقیاس «فوق‌العاده» از دستگاه‌ها در اینترنت اشیا وجود دارد که می‌تواند برای شناسایی مشکلات در مجموعه داده‌ها، یادگیری چیزهایی که پتانسیل تأثیرگذاری بالایی برای افراد و جامعه دارند، آموزش فن‌آوری‌های هوش مصنوعی و امکان شرکت‌های نوآورانه کوچک برای آزمایش دستگاه‌هایشان استفاده شود. رومین از شرکت کنندگان پرسید که خطرات مربوط به حریم خصوصی در این زمینه از اینترنت اشیا و به اشتراک گذاری اطلاعات چیست.
گرومن ابتدا با توضیح تعامل بین حریم خصوصی و اینترنت اشیا پاسخ داد. جنبه حریم خصوصی اینترنت اشیا زیرمجموعه ای از داده ها در مجموعه بزرگتری است که در حال جمع آوری است، که در مورد افراد یا مربوط به آنها است. آیا مردم می دانند که داده ها در مورد آنها جمع آوری می شود؟ آیا رابطی وجود دارد که بتوانید با دستگاه تعامل داشته باشید، یاد بگیرید چه چیزی را جمع آوری می کند یا آن را تغییر دهید؟ آیا مردم متوجه می شوند که چه اطلاعاتی در حال جمع آوری است یا چه استنباط هایی توسط دستگاه یا شرکت از داده های جمع آوری شده انجام می شود؟ با توجه به ساختار انگیزه‌های پولی و مقدار زیادی که شرکت‌ها می‌خواهند از سرمایه‌گذاری بر روی چنین داده‌هایی به دست آورند، گرومن از مردم خواست برای یافتن راه‌حل به سیاست روی بیاورند.
"هدف در اینجا به حداکثر رساندن منافع و به حداقل رساندن ضرر است. ما در این کشور سیاست، چارچوب قانونی یا نظارتی نداریم که انگیزه هایی برای رسیدن به آنجا ایجاد کند.» - مارک گرومن
رومین در مقابله با موضع گرومن، از پنل در مورد پتانسیل یک راه حل تکنولوژیکی پرسید.
فلتن پیشنهاد کرد که با جستجوی درک بهتر و اعمال کنترل اطلاعات آماری و ساخت ابزارهایی که به افراد اجازه می دهد با داده های خود تعامل داشته باشند و اثرات منفی را کاهش دهند، شروع کنیم. پارک، که علاقه خاصی به ابزارهای حفظ حریم خصوصی رمزنگاری دارد، راه هایی را نام برد که رمزنگاری می تواند در این زمینه کمک کند.
رمزنگاری ابزاری برای ساخت سیستم‌هایی فراهم می‌کند که دارای پیکربندی‌هایی از جریان‌های اطلاعاتی هستند و شامل کنترل دقیق‌تری بر دسترسی هستند. – پارک سونو
یکی از ابزارها می‌تواند اثبات‌های دانش صفر باشد، که امکان اشتراک‌گذاری جزئی داده‌ها را فراهم می‌کند و در عین حال سایر جنبه‌ها را از موجودیت‌ها مخفی نگه می‌دارد. او مثالی زد از یک جسارت‌کننده که شناسه‌ها را چک می‌کند تا وارد یک نوار شود - از طریق شواهد دانش صفر می‌توانید ثابت کنید که 21 سال دارید بدون اینکه نشانی یا تاریخ تولد خود را نیز در شناسه ذکر کنید.
پارک هشدار داد که در حالی که رمزنگاری "فضای راه حل بزرگتری را فراهم می کند که می توانیم از آن برای ایجاد حریم خصوصی استفاده کنیم" به این سوال پاسخ نمی دهد که چه نوع چیزهایی را باید با استفاده از این ابزارها بسازیم، یا اینکه چه اشکالی از اطلاعات را برای به اشتراک گذاشتن مناسب یا مطلوب می دانیم. این چیزی است که ما باید به عنوان یک جامعه و یک موضوع سیاست گذاری انجام دهیم.
در نهایت، از اعضای میزگرد پرسیده شد که چرا مردم باید اهمیت دهند. اگر چیزی برای پنهان کردن نداشته باشند چه؟ فلتن با خنده از جمعیت، به شوخی گفت که هر کسی چیزی برای پنهان کردن دارد. در یادداشتی جدی تر، او به تاکید بر آسیب بالقوه در پروفایل داده ها ادامه داد.
"مردم آنجا در حال ساختن یک مدل جامع از اینکه شما چه کسی هستید و چه کاری انجام خواهید داد." - اد فلتن
این فرضیات که قبلاً یک فکر وحشتناک است، می تواند اشتباه باشد و گاهی اوقات فرصت ها و "آزادی عمل" را در آینده محدود می کند. گرومن به موضوع مشترک دیگری در طول بحث های پانل اشاره کرد - اهمیت درک اینکه برخی جوامع به طور نامتناسبی تحت تأثیر قرار می گیرند. مخاطرات ممکن است برای مخفی نگه داشتن برخی از داده ها بیشتر باشد، چه برای گرایش جنسی، جنسیت، نژاد، یا زنان یا کودکان مورد آزار قرار گرفته اند.
در طول پرسش و پاسخ، سخنران سابق پانل 3، بن زورن، به مزایای استفاده از داده برای آموزش هوش مصنوعی اشاره کرد. او در مورد آنچه می‌توان در مورد اطلاعات خصوصی که از طریق مجموعه داده‌هایی که برای آموزش هوش مصنوعی استفاده می‌شوند به بیرون درز کرد، پرسید.
فلتن اشاره کرد که اگر از روشی دقیق برای جلوگیری از ریزش اطلاعات استفاده نکنید، در این صورت اطلاعات به جریان می‌افتد. به همین دلیل است که تمرکز بر روی ساخت روش‌های دقیق و قابل اثبات چیزهایی مانند یادگیری ماشینی حفظ حریم خصوصی و رابط‌ها برای کنترل اثر قطره‌ای بسیار مهم است.
Megas این را کاملاً خلاصه کرد که در نهایت ما نمی‌توانیم همه را آموزش دهیم، اما می‌توانیم چارچوبی را برای افراد فراهم کنیم که آنها را قادر می‌سازد در مورد ریسک فکر کنند و ابزارهایی را در اختیار آنها بگذاریم تا کنترل بیشتری بر داده‌هایشان داشته باشند. شما می توانید ضبط کامل را در صفحه وب CCC و یا بر روی کانال یوتیوب NITRD.
مواظب آخرین وبلاگ این مجموعه باشید، پانل 5: فناوری چگونه می تواند برای جامعه مفید باشد: چشم اندازهای گسترش در تحقیقات بنیادی.
