Una nueva técnica hace que los avisos de privacidad extensos sean más fáciles de entender al convertirlos en formatos legibles por máquina

Un investigador de la Universidad de Aston ha sugerido una forma más amigable para los humanos de leer los extensos avisos de privacidad de los sitios web.

Un equipo dirigido por el Dr. Vitor Jesus ha desarrollado un sistema para que sean más rápidos y fáciles de entender al convertirlos a formatos legibles por máquinas. Esta técnica podría permitir que el navegador guíe al usuario a través del documento con recomendaciones o resaltando los puntos clave.

Proporcionar información sobre privacidad es uno de los requisitos clave del Reglamento General de Protección de Datos (GDPR) del Reino Unido y la Ley de Protección de Datos del Reino Unido, pero revisarlos puede ser un proceso manual tedioso.

En 2012, la revista The Atlantic estimó que se necesitarían 76 días al año para leer diligentemente los avisos de privacidad.

Los avisos de privacidad permiten a las personas saber qué se está haciendo con sus datos, cómo se mantendrán seguros si se comparten con alguien más y qué sucederá con ellos cuando ya no sean necesarios.

Sin embargo, los documentos están escritos en un lenguaje no informático, a menudo legal, por lo que en el documento Viabilidad de los avisos de privacidad estructurados y legibles por máquina, el Dr. Jesus y su equipo exploraron la viabilidad de representar los avisos de privacidad en un formato legible por máquina.

El Dr. Jesús dijo: «Los avisos son esenciales para mantener informado al público y a los controladores de datos responsables, sin embargo heredan un pragmatismo que fue diseñado para diferentes contextos, como las licencias de software o para cumplir con la integridad detallada (quizás no siempre necesaria) de un contrato legal.

«Y hay más desafíos relacionados con las actualizaciones de los avisos, otro requisito por ley, y estos a menudo se comunican fuera de banda, por ejemplo, por correo electrónico si existe una cuenta de usuario».

Entre agosto y septiembre de 2022, el equipo examinó los avisos de privacidad de 50 de los sitios web más populares del Reino Unido, desde organizaciones globales como Google.com hasta sitios del Reino Unido como john-lewis.com. Cubrieron una serie de áreas como servicios en línea, noticias y moda para ser representativos.

Los investigadores identificaron manualmente la estructura aparente de los avisos y anotaron las secciones con temas comunes, luego diseñaron un esquema de Notación de Objetos JavaScript (JSON) que les permitió validar, anotar y manipular los documentos.

Después de identificar una estructura potencial general, revisaron cada aviso para convertirlos a un formato que fuera legible por máquina pero que no comprometiera el cumplimiento legal ni los derechos de las personas.

Aunque hubo trabajos previos para abordar el mismo problema, el equipo de la Universidad de Aston se centró principalmente en automatizar las políticas en lugar de la recopilación y el procesamiento de datos.

El Dr. Jesús, que trabaja en la Facultad de Ingeniería y Ciencias Físicas de la Universidad, afirmó: «Nuestro trabajo de investigación ofrece un enfoque novedoso al problema de larga data de la interfaz entre los humanos y los avisos de privacidad en línea.

«Como lo han demostrado la literatura y la práctica, e incluso el arte, durante más de una década, los avisos de privacidad casi siempre se ignoran y se «aceptan» sin pensarlo mucho, principalmente porque no es práctico ni fácil de usar depender de la lectura de un texto largo simplemente para acceder, por ejemplo, a un sitio web de noticias. Sin embargo, los avisos de privacidad son un elemento central en nuestras vidas digitales, a menudo exigidos por ley y con consecuencias nefastas, a menudo invisibles».

El papel se publicó y ganó el premio al mejor artículo en la Conferencia Internacional sobre Computación Social y del Comportamiento, en noviembre de 2023, y ahora está indexado en IEEE Xplore.

El equipo ahora está examinando si se puede utilizar la IA para acelerar aún más el proceso ofreciendo recomendaciones al usuario basadas en preferencias anteriores.