به ردپای دیجیتال خود توجه کنید؛ لایک‌ها ممکن است اطلاعات خصوصی را فاش سازند

به نقل از ایسنا، پلتفرم‌های اجتماعی نظیر اینستاگرام به دلیل ویژگی‌های بصری و تعامل‌پذیری خود، منجر به تولید داده‌های رفتاری بسیار زیادی می‌شود. دنبال‌کنندگان تنها به‌عنوان مخاطب تلقی نمی‌شوند؛ آنها با هر نوع تعامل، اطلاعاتی درباره سلیقه‌ها، علاقه‌مندی‌ها و روابط اجتماعی خود به وجود می‌آورند. بررسی‌های علمی نشان می‌دهند که خطر به اطلاعاتی که عملاً به اشتراک گذاشته می‌شود محدود نیست؛ داده‌ها ممکن است به دست اشخاص ثالث و مخاطبان غیرمنتظره‌ای برسند.

چرا باید به حریم خصوصی دنبال‌کنندگان اهمیت داده شود؟

مطالعات قبلی اثبات کرده‌اند که حتی پسندهای ظاهراً ناچیز نیز می‌توانند برای تخمین ویژگی‌های حساس همچون تمایلات سیاسی یا مذهبی مورد استفاده قرار گیرند و الگوهای روابط اجتماعی می‌توانند هویت کاربران را در داده‌های به‌نظر ناشناس فاش کنند. به همین دلیل، حفاظت از حریم خصوصی تنها به "پنهان‌سازی اطلاعات" محدود نمی‌شود؛ بلکه کنترل تحلیل‌ها و استنباط‌ها از اطلاعات نیز بخشی از این پروسه به شمار می‌آید.

اما هوش مصنوعی در این راستا چه نقشی می‌تواند ایفا کند؟ بر مبنای آنالیز ادبیات علمی، پنج کارکرد اصلی برای این منظور شناسایی شده است؛ نخست، شناسایی حساب‌های جعلی و خودکار؛ چراکه ربات‌ها و حساب‌های ساختگی قادرند با درخواست‌ از کاربران برای دنبال کردن یا استفاده از مهندسی اجتماعی، به اطلاعات کاربران نفوذ کنند. مدل‌های یادگیری ماشین با بررسی پروفایل‌ها، رفتار و ساختار شبکه، این نوع حساب‌ها را شناسایی می‌کنند، هرچند که مهاجمان به‌طور مداوم روش‌های خود را تغییر می‌دهند.

دومین کاربرد، شناسایی رفتارهای مخرب و مهندسی اجتماعی است؛ لینک‌های فیشینگ، پیام‌های کلاهبرداری و آزارهای آنلاین با استفاده از مدل‌های پردازش زبان و تحلیل رفتار قابل تشخیص‌اند و می‌توانند ریسک افشای ناخواسته اطلاعات را کاهش دهند.

سومین کارکرد، پیشنهاد تنظیمات حریم خصوصی به کاربران است؛ بسیاری از کاربران از تمام امکانات موجود برای کنترل حریم خصوصی خود استفاده نمی‌کنند. سیستم‌های هوشمند می‌توانند بر اساس رفتار هر کاربر، تنظیمات متناسب را پیشنهاد دهند یا در مورد اشتراک‌گذاری‌های پرخطر هشدار دهند.

فناوری‌های حفظ حریم خصوصی به‌عنوان چهارمین مورد مطرح می‌شوند؛ حریم خصوصی تفاضلی با افزودن نویز کنترل‌شده و یادگیری فدرال با آموزش مدل بدون ارسال داده‌های خام، خطر نشت اطلاعات را در فرایند یادگیری به حداقل می‌رسانند.

آخرین کاربرد، تشخیص محتوای حساس است؛ به لحاظ فنی، مدل‌های بینایی ماشین و پردازش زبان می‌توانند اطلاعات حساس را در متن و تصویر شناسایی کرده و پیش از انتشار به کاربر هشدار دهند؛ با این حال، شواهد تجربی موجود درباره اثربخشی این تکنیک‌ها در اینستاگرام نسبتا محدود است.

در این زمینه، علی‌اصغر زارعی - کارشناس فناوری اطلاعات - در مصاحبه‌ای با ایسنا بیان داشت: نتایج مطالعات نشان می‌دهد که هوش مصنوعی ابزاری تکمیلی است و نمی‌تواند جایگزین مدیریت حریم خصوصی توسط کاربر و چارچوب‌های قانونی شود زیرا سیستمی که برای حفاظت از داده طراحی شده، خود به داده‌های زیادی نیاز دارد. این تناقض، جدی‌ترین چالش ماجراست.

او اظهار داشت: تحقیقات سه خطر مشخص را شناسایی کرده‌اند؛ اول، خطر حملات استنتاجی است؛ به این معنی که رفتار یک مدل می‌تواند فرض کند که آیا داده‌های یک فرد در فرایند آموزش آن استفاده شده است؛ یعنی خود مدل نیز ممکن است اطلاعات را نشت دهد. خطر دوم مربوط به خطا و سوگیری می‌شود؛ شناسایی اشتباه رفتار طبیعی به‌عنوان مشکوک یا ناتوانی در شناسایی تهدید واقعی، می‌تواند به محدودیت‌های بیجا و از دست رفتن اعتماد بینجامد.

به گفته او، فقدان شفافیت سومین خطر است؛ یعنی تصمیم‌های الگوریتمی بدون توضیحات لازم، حق اعتراض و اصلاح را از کاربر سلب می‌کنند. مقررات عمومی حفاظت از داده اتحادیه اروپا نیز در این زمینه حقوق فردی را لحاظ کرده و به‌ویژه کودکان و نوجوانان به دلیل آسیب‌پذیری بیشتر نیازمند توجه و حفاظت ویژه‌ای هستند.

اما اقداماتی که باید انجام شود چیست؟ این کارشناس تاکید دارد که دنبال‌کنندگان باید از تنظیمات حریم خصوصی خود بهره‌برداری کنند و با احتیاط درخواست‌های پیگیری از سوی حساب‌های ناشناس را بپذیرند. آنها باید به هشدارهای امنیتی توجه کرده و از باز کردن لینک‌های ناشناس پرهیز کنند. در رابطه با پلتفرم‌ها، حداقل‌سازی داده، استفاده از حریم خصوصی تفاضلی و یا یادگیری فدرال در صورت امکان، و فراهم آوردن توضیحات و امکان اعتراض در مورد تصمیم‌های خودکار باید در نظر گرفته شود.

زارعی همچنین تصریح کرد که سیاست‌گذاران و محققان باید نسبت به به‌روزرسانی قوانین حفاظت از داده‌های شخصی و ارزیابی اثرات حریم خصوصی برای سیستم‌های هوشمند اقدام کنند؛ همچنین نیاز به انجام مطالعات تجربی در مورد اثر بخشی این کارکردها در شبکه‌ای مانند اینستاگرام و بررسی نگرش کاربران ایرانی احساس می‌شود.

بنابراین، هوش مصنوعی می‌تواند در شناسایی تهدیدات و حمایت از کاربران نقش مؤثری ایفا کند، اما بدون طراحی مناسب جهت حفظ حریم خصوصی، شفافیت و آگاهی‌سازی کاربران، ممکن است خود به منبع خطر تبدیل شود. آیندهٔ حفاظت از حریم خصوصی در شبکه‌های اجتماعی به همکاری مؤثر میان کاربران، پلتفرم‌ها و قانون‌گذاران بستگی دارد.

پایان پیام