Povzetek simpozija NITRD ob 30. obletnici – Panel 4: Zasebnost in internet stvari (IoT) PlatoBlockchain Data Intelligence. Navpično iskanje. Ai.

Povzetek simpozija ob 30. obletnici NITRD – Panel 4: Zasebnost in internet stvari (IoT)

Prejšnji mesec je program za raziskave in razvoj omrežij in informacijske tehnologije (NITRD) obeležil svojo 30. obletnico v Washingtonu DC. Preberete lahko celoten povzetek dogodka tukaj. V prizadevanju, da bi poudarili vpliv zveznih naložb na računalniško raziskovalno skupnost, je dogodek vseboval pet panelov, na katerih so udeleženci razpravljali o ključnih dosežkih na tem področju v zadnjem desetletju in o prihodnjih usmeritvah. Vsak panel se je osredotočil na pomembno podpodročje računalniških raziskav: računalništvo v velikem obsegu, mreženje in varnost, umetna inteligenca/strojno učenje, zasebnost in internet stvari ter družbeno odgovorno računalništvo. 

 

Zasebnost je postala ogromna tema pogovorov ne samo med računalniško raziskovalno skupnostjo, temveč v vseh disciplinah v akademskem svetu in industriji. Škodljivi učinki na zasebnost, ki izhajajo iz razpoložljivosti obsežnih podatkovnih nizov, se pomnožijo z medsebojno povezani senzorji, naprave in aktuatorji ki sestavljajo internet stvari (IoT). Moderira Charles (»Chuck«) Romine (NIST) in strokovnjaki na terenu Ed Felten (Princeton), Marc Groman (Groman Consulting), Katerina Megas (NIST) in Sunoo Park (Cornell), Panel 4: Zasebnost in IoT razpravlja o pomembnih temah, kot so kompromisi med uporabo podatkov in zasebnostjo ter potencialnimi raziskovalnimi cilji za pomoč pri doseganju učinkovitih političnih rešitev. 

 

Romine je začel s poudarjanjem skupne niti v vseh panelih: "govoriti tako o koristih kot o izjemnih zmogljivostih, ki jih prinašajo zvezne finančne naložbe, skupaj s povezanimi tveganji." IoT ni nič drugačen, ljudem prinaša dostop do nepremostljivih informacij, omogoča uspešne oglaševalske kampanje in prilagaja tehnologijo osebnemu okusu, a hkrati ogroža zasebnost uporabnikov.

 

Kot je poudaril Megas, "celoten razlog, zakaj se lotevamo tega prizadevanja, je, ker želimo, da bi bil IoT dejansko priznan in da bi družba izkoristila prednosti." V nadaljevanju je povedala o morebitnih prednostih in pomenu možnosti deljenja podatkov v IoT. V IoT obstaja "fenomenalen" obseg naprav, ki jih je mogoče uporabiti za prepoznavanje težav v naborih podatkov, učenje stvari, ki imajo velik potencial vpliva na posameznike in družbo, usposabljanje tehnologij umetne inteligence in omogočanje malim inovativnim podjetjem, da testirajo svoje naprave. Romine je paneliste vprašal, kakšna so dejansko povezana tveganja za zasebnost v tem kontekstu interneta stvari in izmenjave informacij.

 

Groman je odgovoril tako, da je najprej razložil medsebojno delovanje med zasebnostjo in internetom stvari. Stran zasebnosti IoT je podmnožica podatkov znotraj večjega nabora, ki se zbira in se nanaša na ljudi ali se nanaša nanje. Ali ljudje vedo, da se o njih zbirajo podatki? Ali obstaja vmesnik, kjer lahko komunicirate z napravo, se naučite, kaj zbira, ali to spremenite? Ali ljudje razumejo, katere informacije se zbirajo ali kakšne sklepe naredi naprava ali podjetje na podlagi zbranih podatkov? Groman je ljudi pozval, naj se za rešitev obrnejo na politiko zaradi strukture denarnih spodbud in "ogromnega" zneska, ki ga lahko podjetja zaslužijo z izkoriščanjem takšnih podatkov.

 

»Cilj tukaj je povečati koristi in zmanjšati škodo. V tej državi nimamo političnega, pravnega ali regulativnega okvira, ki bi spodbujal, da pridemo tja« – Marc Groman

 

Romine je nasprotoval Gromanovemu stališču komisijo vprašal o možnostih tehnološke rešitve.

 

Felten je predlagal, da začnemo z iskanjem boljšega razumevanja in uporabe nadzora statističnih informacij ter izdelave orodij, ki ljudem omogočajo interakcijo z njihovimi podatki in ublažitev negativnih vplivov. Park, ki se posebej zanima za kriptografska orodja za zasebnost, je omenil številne načine, kako bi kriptografija lahko pomagala pri tem.

 

"Kriptografija zagotavlja nabor orodij za gradnjo sistemov, ki imajo konfiguracije informacijskih tokov in vključujejo bolj natančen nadzor nad dostopom." – Sunoo Park

 

Eno od orodij bi lahko bili dokazi z ničelnim znanjem, ki omogočajo delno skupno rabo podatkov, medtem ko druge vidike ohranjajo skrivnosti pred subjekti. Navedla je primer izbijača, ki preverja osebne izkaznice, da bi prišel v bar – z dokazi brez znanja bi lahko dokazali, da imate 21 let, ne da bi delili svoj naslov ali rojstni dan, ki je prav tako naveden na osebni izkaznici.

 

Park je opozoril, da medtem ko kriptografija zagotavlja "večji prostor za rešitev, ki ga lahko uporabimo za ustvarjanje zasebnosti", ne odgovarja na vprašanje, kakšne vrste stvari bi morali zgraditi s temi orodji ali katere oblike informacij menimo, da so primerne ali zaželene za skupno rabo. To je nekaj, kar moramo rešiti kot družba, in stvar politike.

 

Nazadnje so udeležence panela vprašali, zakaj bi moralo ljudi skrbeti. Kaj če nimajo česa skrivati? Felten je prislužil smeh množice in se pošalil, da ima vsakdo nekaj za skrivati. V bolj resnem zapisu je nadaljeval s poudarjanjem potencialne škode pri profiliranju podatkov.

 

"Ljudje zunaj gradijo celovit model tega, kdo ste in kaj boste verjetno storili." – Ed Felten

 

Te predpostavke, ki so že grozljive, so lahko napačne in včasih omejujejo priložnosti in »svobodo delovanja« v prihodnosti. Groman je izpostavil še eno skupno nit v razpravah panelov – pomembnost zavedanja, da so nekatere skupnosti nesorazmerno prizadete. Vložki so lahko višji, da nekateri podatki ostanejo zasebni, pa naj gre za spolno usmerjenost, spol, raso ali zlorabljene ženske ali otroke.

 

Med vprašanji in odgovori se je nekdanji govornik iz panela 3, Ben Zorn, vrnil k prednostim podatkov, ki se uporabljajo za usposabljanje AI. Vprašal je, kaj bi lahko storili glede uhajanja zasebnih podatkov skozi podatkovne nize, ki se uporabljajo za usposabljanje AI.

 

Felten je poudaril, da če ne uporabljate stroge metode za namerno zaustavitev curljanja informacij, bodo informacije tekle. Zato je tako pomembno, da se osredotočimo na ustvarjanje strogih in dokazljivih metod stvari, kot so strojno učenje, ki ohranja zasebnost, in vmesniki za nadzor učinka curljanja navzdol.

 

Megas je to odlično povzel, da na koncu ne moremo usposobiti vseh, lahko pa ljudem zagotovimo okvir, ki jim omogoči, da razmišljajo o tveganju, in jim damo orodja, ki jim omogočijo večji nadzor nad njihovimi podatki. Celoten posnetek si lahko ogledate na  Spletna stran CCC ali na YouTube kanal NITRD.

 

Bodite pozorni na zadnji blog serije, Panel 5: Kako lahko tehnologija koristi družbi: Razširjanje perspektiv v temeljnih raziskavah.

Časovni žig:

Več od CCC blog