En medio de volúmenes de datos de ubicación móvil, el nuevo marco reduce el riesgo de privacidad de los consumidores y preserva la utilidad de los anunciantes

El uso de tecnologías móviles para recopilar y analizar la información de ubicación de las personas ha producido cantidades masivas de datos de ubicación de los consumidores, lo que ha dado lugar a un elaborado sistema multimillonario en el que los consumidores pueden compartir datos personales a cambio de beneficios económicos. Pero prevalecen los riesgos de privacidad.

En un nuevo estudio, los investigadores utilizaron el aprendizaje automático para crear y probar un marco que cuantifica los riesgos de privacidad personalizados; realiza ofuscación de datos personalizados; y acomoda una variedad de riesgos, utilidades y niveles aceptables de equilibrio riesgo-utilidad. El marco superó a los modelos anteriores, reduciendo significativamente el riesgo de privacidad de los consumidores y preservando la utilidad de los anunciantes.

El estudio fue realizado por investigadores de la Universidad Carnegie Mellon (CMU), la Universidad de Virginia y la Universidad de Nueva York. esta publicado en Investigación de Sistemas de Información.

«Se proyecta que el mercado global solo para análisis de ubicación alcance los $ 25.5 mil millones para 2027», señala Beibei Li, profesora asociada de TI y administración en Heinz College de CMU, quien es coautora del estudio. «A medida que las industrias liberan cada vez más el poder de los grandes datos de ubicación, nuestro estudio ofrece un marco muy necesario para equilibrar los riesgos de privacidad y las utilidades de datos, y para mantener un ecosistema de ubicación seguro y autónomo de varios miles de millones de dólares».

Se generan diariamente volúmenes masivos de datos de ubicación móvil a través de servicios basados ​​en la ubicación de teléfonos inteligentes (p. ej., navegación, viajes compartidos, servicios de entrega de alimentos). Dichos datos rastrean el comportamiento de los consumidores (dónde comen y compran, qué productos compran) para permitir aplicaciones de valor comercial (por ejemplo, recomendaciones de restaurantes, publicidad basada en la ubicación, investigación de mercado). Los anunciantes que obtienen acceso a los datos de ubicación a través de agregadores de datos pueden predecir la próxima ubicación de los consumidores con un 25 % de éxito y la siguiente actividad y tiempo con un 26 % de éxito.

Pero existen riesgos considerables para los consumidores de compartir datos de ubicación, que incluyen información de identificación personal como nombres y direcciones de casas. Algunos anunciantes pueden realizar actos maliciosos utilizando los datos, generalmente para obtener ingresos a corto plazo. Por lo tanto, los agregadores de datos necesitan un marco personalizado y flexible para equilibrar diversos tipos de riesgos y utilidades para diferentes tipos de consumidores y anunciantes.

En este estudio, los investigadores desarrollaron un marco basado en el aprendizaje automático que cuantifica el riesgo de privacidad de los consumidores individuales, cuantifica la utilidad de los anunciantes y presenta un esquema de ofuscación personalizado y flexible. El esquema suprime un subconjunto de ubicaciones visitadas por un consumidor en función de su parámetro de supresión personalizado proporcional al nivel de riesgo del individuo; también acomoda diferentes tipos y diferentes niveles aceptables de riesgos y utilidades.

Para probar su marco, los investigadores se asociaron con un agregador de datos líder que integra datos de ubicación en más de 400 aplicaciones móviles de uso común (por ejemplo, noticias, clima, mapas, estado físico) de una cuarta parte de la población de EE. UU. que cumple con las regulaciones de privacidad. Los datos, recopilados en cinco semanas de septiembre a octubre de 2018, son representativos de la población de EE. UU. y la muestra analizada cubre una importante área metropolitana de EE. UU. Los investigadores validaron el marco en un millón de trayectorias (dónde y cuándo se mueven los consumidores) generadas por 40 000 consumidores en una importante área metropolitana de EE. UU.

El marco del estudio da cuenta de las distintas características de los datos de ubicación a nivel individual y supera a múltiples métodos de referencia de estudios recientes, según los autores.

Usando el marco propuesto, dicen los autores, un agregador de datos puede reducir efectivamente una posible invasión de la privacidad del consumidor al realizar una ofuscación de datos personalizada sin sacrificar la utilidad de los datos ofuscados para un anunciante. El agregador también puede cumplir con demandas personalizadas y diversas tanto de los consumidores como de los anunciantes al acomodar de manera flexible múltiples tipos de riesgos y utilidades, así como también una amplia gama de niveles aceptables de un riesgo específico, una utilidad y una compensación riesgo-utilidad.

«El marketing basado en la ubicación se está convirtiendo rápidamente en un lugar principal para planificar campañas de marketing y dirigirse a los consumidores, lo que enriquece las estrategias de marketing tanto tradicionales como digitales», explica Meghanath Macha, graduada de Heinz College de CMU, quien dirigió el estudio. «Nuestro marco llena un vacío crítico y ofrece una herramienta importante para las prácticas conscientes de la privacidad de las aplicaciones y servicios basados ​​en la ubicación de big data, proporcionando un equilibrio entre los riesgos de privacidad y las utilidades de los datos».

Entre las limitaciones del estudio, los autores señalan que los datos que utilizaron no contienen información sobre la demografía de los consumidores individuales, lo que permitiría una mayor comprensión de los problemas de privacidad. Además, su marco propuesto consideró solo el intercambio de datos de una sola vez con un anunciante; no consideró escenarios más complejos con múltiples riesgos o utilidades, o lo que sucede cuando un anunciante combina múltiples lotes o fuentes de datos compartidos.