TecTop
A La distribución de la entropía SA (Ec. 1) para cada uno de los cuatro conjuntos de datos. B La distribución correspondiente de previsibilidad ΠA, calculada invirtiendo la ecuación. 2, nos dice qué tan bien un algoritmo ideal puede predecir la ubicación futura de un individuo dado su historial de movilidad. Crédito: Nature Communications (2022). DOI: 10.1038/s41467-022-29592-y» width=»800″ height=»425″/> Entropía y predictibilidad en los cuatro conjuntos de datos de movilidad. UN La distribución de la entropía SUN (Ec. 1) para cada uno de los cuatro conjuntos de datos. B La correspondiente distribución de previsibilidad ΠUN, calculado invirtiendo la Ec. 2, nos dice qué tan bien un algoritmo ideal puede predecir la ubicación futura de un individuo dado su historial de movilidad. Crédito: Comunicaciones de la naturaleza (2022). DOI: 10.1038/s41467-022-29592-y
Los datos sobre nuestros hábitos y movimientos se recopilan constantemente a través de aplicaciones de teléfonos móviles, rastreadores de actividad física, registros de tarjetas de crédito, sitios web visitados y otros medios.
Pero si desactivamos el seguimiento de datos en nuestros dispositivos, ¿no seremos imposibles de rastrear?
No, según un nuevo estudio.
«Desactivar los datos de ubicación no va a ayudar del todo», dice Gourab Ghoshal, profesor asociado de física, matemáticas e informática y Stephen Biggar ’92 y Elizabeth Asaro ’92 Fellow en Data Science en la Universidad de Rochester.
Ghoshal, junto con colegas de la Universidad de Exeter, la Universidad Federal de Río de Janeiro, la Universidad del Noreste y la Universidad de Vermont, aplicó técnicas de la teoría de la información y la ciencia de redes para descubrir el alcance de los datos de una persona. Los investigadores descubrieron que incluso si los usuarios individuales desactivaban el seguimiento de datos y no compartían su propia información, sus patrones de movilidad aún podían predecirse con sorprendente precisión en función de los datos recopilados de sus conocidos.
«Peor», dice Ghoshal, «casi tanta información latente se puede extraer de perfectos extraños con los que el individuo tiende a vivir».
Los investigadores publicaron sus hallazgos en Comunicaciones de la naturaleza.
La pistola humeante: su ‘red de colocación’
Los investigadores analizaron cuatro conjuntos de datos: tres conjuntos de datos de redes sociales basados en la ubicación compuestos por millones de registros en aplicaciones como Brightkite, Facebook y Foursquare, y un registro de datos de llamadas que contiene más de 22 millones de llamadas de casi 36 000 usuarios anónimos.
Desarrollaron una red de «colocación» para distinguir entre los patrones de movilidad de dos conjuntos de personas:
- personas que están socialmente vinculadas a un individuo, como familiares, amigos o compañeros de trabajo
- personas que no están vinculadas socialmente a un individuo, pero que se encuentran en un lugar en un momento similar al del individuo. Pueden incluir personas que trabajan en el mismo edificio pero con diferentes empresas, padres cuyos hijos asisten a las mismas escuelas pero que no se conocen entre sí, o personas que compran en la misma tienda de comestibles.
Al aplicar la teoría de la información y las medidas de entropía (el grado de aleatoriedad o estructura en una secuencia de visitas a un lugar), los investigadores aprendieron que los patrones de movimiento de las personas que están socialmente vinculadas a un individuo contienen hasta el 95 % de la información necesaria para predecirlo. patrones de movilidad del individuo. Sin embargo, lo que es aún más sorprendente, descubrieron que los extraños que no están vinculados socialmente a un individuo también pueden proporcionar información significativa, prediciendo hasta el 85 % del movimiento de un individuo.
‘Un cuento con moraleja’
La capacidad de predecir la ubicación de individuos o grupos puede ser beneficiosa en áreas como la planificación urbana y el control de pandemias, donde el rastreo de contactos basado en patrones de movilidad es una herramienta clave para detener la propagación de enfermedades. Además, muchos consumidores aprecian la capacidad de la minería de datos para ofrecer recomendaciones personalizadas para restaurantes, programas de televisión y anuncios.
Sin embargo, dice Ghoshal, la extracción de datos es una pendiente resbaladiza, especialmente porque, como mostró la investigación, las personas que comparten datos a través de aplicaciones móviles pueden estar proporcionando información sobre otros sin darse cuenta.
«Estamos ofreciendo una advertencia de que las personas deben ser conscientes del alcance que pueden tener sus datos», dice. «Esta investigación tiene muchas implicaciones para los problemas de vigilancia y privacidad, especialmente con el aumento de los impulsos autoritarios. No podemos simplemente decirle a la gente que apague sus teléfonos o desconecte la red. Necesitamos tener diálogos para implementar leyes y pautas que regulan cómo las personas que recopilan sus datos los usan».
Zexun Chen et al, Contrastando fuentes sociales y no sociales de previsibilidad en la movilidad humana, Comunicaciones de la naturaleza (2022). DOI: 10.1038/s41467-022-29592-y
Citación: Los datos recopilados de conocidos e incluso extraños pueden predecir su ubicación (13 de abril de 2022) recuperado el 13 de abril de 2022 de https://techxplore.com/news/2022-04-acquaintances-strangers.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.
