σχόλιο ID-ont: Λίγες μέρες πριν σχολιάζαμε για την πιθανή χρήση των δεδομένων των μετρητών κατανάλωσης ρεύματος και νερού εις βάρος της ιδιωτικότητάς μας (βλ. http://id-ont.blogspot.com/2019/08/blog-post_12.html).
Πριν "αλέκτωρ φωνήσαι" δημοσιεύθηκε μελέτη η οποία επιβεβαιώνει με τον πλέον εύγλωττο τρόπο ότι η πραγματικότητα είναι χειρότερη και από την χειρότερο "φανταστικό" σενάριο...
Πριν "αλέκτωρ φωνήσαι" δημοσιεύθηκε μελέτη η οποία επιβεβαιώνει με τον πλέον εύγλωττο τρόπο ότι η πραγματικότητα είναι χειρότερη και από την χειρότερο "φανταστικό" σενάριο...
Το καζανάκι θα αναδειχθεί ο καλύτερος γιατρός διάγνωσης του ...προστάτη. "Πιες περισσότερο νερό", "πήγαινε σε ουρολόγο", θα μπορούσαν να είναι πιθανά μηνύματα στην συνδεδεμένη οθόνη του κινητού σας, μέσω του wifi του σπιτιού, με το ...καζανάκι σας! Kαι η ταχύτητα συμμόρφωσης του πολίτη; Πολύτιμη πληροφορία για την κάλυψη ή όχι από τις ασφαλιστικές εταιρίες του κόστους της θεραπείας !!!
HACKADAY: Ο μέσος άνθρωπος έχει γίνει, σε απογοητευτικο βαθμό, άνετος με τη δυστοπία επιτήρησης στην οποία ζούμε. Έχει αποδεχθεί το γεγονός ότι τα δεδομένα για τη ζωή του συλλέγονται και αναλύονται συνεχώς, είτε για καλό είτε για κακό σκοπό. Βρισκόμαστε στο σημείο όπου ένα μεγάλο κομμάτι ανθρώπων πιστεύει ότι το smartphone ακούει τις προσωπικές τους συνομιλίες και προσαρμόζει τις διαφημίσεις όταν ακούσει λέξεις-κλειδιά, ωστόσο είναι απίθανο να τους ενοχλήσει αυτό αρκετά για να απενεργοποιήσουν το τηλέφωνο.
Αλλά ακόμα και ο πιο συνειδητός από εμάς σε θέματα ιδιωτικότητας, ίσως δεν θα θεωρούσε ότι η χρήση του νερού μας είναι μεγάλο μυστικό. Άλλωστε, τι μπορεί να μάθει κάποιος από τη μελέτη του πόσο νερό καταναλώνετε; Λοιπόν, όπως ο Jason Bowling απέδειξε με τη συναρπαστική του έρευνα με τα δεδομένα κατανάλωσης νερού, αποδεικνύεται ότι μπορείτε να μάθετε τρομερά πολλά πράγματα βλέποντας τα μοτίβα χρήσης του νερού. Με την επεξεργασία των δεδομένων ενός μετρητή ροής νερού σε ολόκληρο το σπίτι κάθε δευτερόλεπτο και την ανάλυση των αποτελεσμάτων που προκύπτουν από διάφορους αλγόριθμους μηχανικής μάθησης (machine learning), ο Jason διαπίστωσε ότι υπάρχουν πολλές προσωπικές πληροφορίες κρυμμένες σε αυτήν την φαινομενικά αβλαβή ροή δεδομένων.
Αλλά ακόμα και ο πιο συνειδητός από εμάς σε θέματα ιδιωτικότητας, ίσως δεν θα θεωρούσε ότι η χρήση του νερού μας είναι μεγάλο μυστικό. Άλλωστε, τι μπορεί να μάθει κάποιος από τη μελέτη του πόσο νερό καταναλώνετε; Λοιπόν, όπως ο Jason Bowling απέδειξε με τη συναρπαστική του έρευνα με τα δεδομένα κατανάλωσης νερού, αποδεικνύεται ότι μπορείτε να μάθετε τρομερά πολλά πράγματα βλέποντας τα μοτίβα χρήσης του νερού. Με την επεξεργασία των δεδομένων ενός μετρητή ροής νερού σε ολόκληρο το σπίτι κάθε δευτερόλεπτο και την ανάλυση των αποτελεσμάτων που προκύπτουν από διάφορους αλγόριθμους μηχανικής μάθησης (machine learning), ο Jason διαπίστωσε ότι υπάρχουν πολλές προσωπικές πληροφορίες κρυμμένες σε αυτήν την φαινομενικά αβλαβή ροή δεδομένων.
Το κλειδί είναι ότι κάθε συσκευή που καταναλώνει νερό στο σπίτι σας έχει ένα διακριτό "δακτυλικό αποτύπωμα" το οποίο, με αρκετό χρόνο, μπορεί να αναγνωριστεί και να "παρακολουθηθεί". Συσκευές που χρησιμοποιούν πάντα την ίδια ποσότητα νερού, όπως μια παγομηχανή ή ένα πλυντήριο πιάτων, είναι διακριτές γραμμές μεταξύ των άλλων καταναλώσεων (γράφημα κατωτέρω). Αλλά [ο Jason] μπόρεσε να κατλάβει ακόμα πιο λεπτές διαφορές, όπως ποιό ξεχωριστό καζανάκι τουαλέτας στο σπίτι λειτούργησε και πότε.
Επιπλέον, εάν παρακολουθείτε τα δεδομένα αρκετά καιρό, μπορείτε ακόμη και να αρχίσετε να εντοπίζετε πληροφορίες σχετικά με τα άτομα μέσα στο σπίτι. Θέλετε να μάθετε πόσα παιδιά έχει μια οικογένεια; Παρακολουθώντας τα συχνά λουτρά των οποίων η κατανάλωση του νερού που δεν γεμίζει μια μπανιέρα, θα ήταν μια καλή αρχή. Θέλετε να μάθετε πόσο ξεκούραστος ήταν κάποιου ο ύπνος; Μια μέτρηση του πόσες φορές το καζανάκι της τουαλέτας λειτούργησε κατα τη διάρκεια της νύχτας, θα μπορούσε να σας δώσει μια ιδέα.
Όσον αφορά για τις επιπτώσεις στην ιδιωτικότητά μας από όσα ανακάλυψε ο Jason, είμαστε ήπια τρομοκρατημένοι. Ειδικά δεδομένου ότι όπως ήδη έχουμε δει οι μετρητές κατανάλωσης μπορούν να "διαβαστούν" με τίποτα εξωτικό, απλά με ένα RTL-SDR. Αλλά από την άλλη πλευρά, η μελέτη του είναι μια φανταστική ματιά στο πώς μπορεί η "μηχανική μάθηση" να παράγει αποτελέσματα ακόμα και στις πιο απίθανες εφαρμογές. Οι πληροφορίες που συλλέγει χρησιμοποιώντας τη γλώσσα πληροφορικής Python για την ταξινόμηση των χρονολογικών σειρών και τη δημιουργία οπτικοποιήσεων, θα έχει αναμφισβήτητα πολύ ενδιαφέρον για όποιον έχει ένα μεγάλο πρόβλημα δεδομένων που θέλει να λύσει.
0 σχόλια:
Δημοσίευση σχολίου