- Mitglied seit
- 04.12.2010
- Beiträge
- 471
- Punkte für Reaktionen
- 10
- Punkte
- 18
- Alter
- 59
Über soziale Netzwerke können Sie Informationen über Personen erhalten, die nicht in ihnen registriert sind.
14.05.2012 | Basierend auf Materialien von gazeta.ru
Über soziale Netzwerke können Sie Informationen über diejenigen Personen erhalten, die nicht in ihnen registriert sind. Dies wurde von deutschen Mathematikern demonstriert, die anhand von Daten von Benutzern eines der sozialen Netzwerke die Verbindungen zwischen Personen verfolgten, die nicht darin registriert sind. Was kann ich anhand der darin zirkulierenden Daten über Benutzer sozialer Netzwerke lernen? Gemessen an der kräftigen Kapitalisierung von Unternehmen, die solche Dienstleistungen besitzen, und der zunehmenden Aufmerksamkeit von Werbetreibenden, Vermarktern, Soziologen und speziellen Dienstleistungen für sie gibt es eine Menge: aus einem Kreis von Bekannten, Interessen, politischen Ansichten, täglichen Aktivitäten und Verbraucheraktivitäten und endend mit Bewegungen in Raum, Ernährung, Zustand Gesundheit und sogar IQ-Niveau.
Aber was können Sie über eine Person erfahren, die nicht in einem sozialen Netzwerk registriert ist, deren Freunde und Verwandte es jedoch nutzen? Mathematiker des Interdisziplinären Zentrums für Informatik der Universität Heidelberg (Deutschland) interessierten sich für diese Frage, deren Artikel unter der beredten Überschrift „Eins plus eins gleich drei (für soziale Netzwerke)“ in PLoS One veröffentlicht wurde. Mithilfe der Daten von Benutzern des sozialen Netzwerks verfolgten sie die Verbindungen zwischen Personen, die nicht darin registriert sind. Durch die Ansammlung indirekter Daten und die Verbesserung der Methoden der künstlichen Intelligenz können Informationen über solche "Unsichtbaren" weiter detailliert werden. Nach einer der ungeschriebenen Regeln der Informationstheorie, dass „Mangel an Daten auch Daten sind“, können Sie viele geniale Möglichkeiten finden, um Informationen über diejenigen zu erhalten, die sie verbergen.
In sozialen Netzwerken, deren Benutzer beispielsweise nicht für ihre sexuelle Orientierung oder ihre politischen Ansichten werben, können diese Daten „berechnet“ werden, wenn ihre Freunde solche Informationen über sich selbst nicht verbergen. „Wenn die Bekanntschaft bestätigt wird, ist die Rekonstruktion der fehlenden Daten für Systeme der künstlichen Intelligenz kein großes Problem mehr“, sagt Professor Fred Hamprecht, Mitbegründer des Heidelberger Bildverarbeitungslabors. Formal ist das Erhalten von Informationen auf diese Weise durch eine Geheimhaltungsvereinbarung für private Informationen verboten, die Benutzer sozialer Netzwerke mit den Eigentümern von Diensten abschließen. Bei denjenigen, die diese Dienste nicht nutzen und nicht im Netzwerk ansässig sind, ist die Situation jedoch anders. "Sie schließen eine solche Vereinbarung nicht ab und sind wehrlos gegen automatische Systeme, die sogenannte Schattenprofile erzeugen", sagt eine andere Autorin des Artikels, Professorin Katarina Zweig.
„Schattenprofile“ - Datenbanken mit Informationen zu Personen, die keine Benutzer sozialer Netzwerke sind, die auf der Grundlage der darin enthaltenen Informationen zusammengestellt wurden.
Die Autoren des Artikels zeigten, wie es möglich ist, die Kommunikation zwischen Nicht-Bewohnern des sozialen Netzwerks mithilfe von E-Mail-Kontakten zu rekonstruieren, die Facebook-Benutzer mithilfe des Dienstes „Freunde finden“ in das System hochladen. „Wenn man weiß, wer mit wem im sozialen Netzwerk vertraut ist und über Listen externer Kontakte von Mitgliedern des sozialen Netzwerks mit denen verfügt, die es nicht nutzen, kann man mit einer gewissen Genauigkeit nachvollziehen, wie Nichtansässige miteinander verwandt sind“, erklärt Anjes Horvat, der die Studie leitete. Wenn man relativ gesehen weiß, dass A mit B vertraut ist und C mit D vertraut ist (während B und D nicht vertraut sind und keine Mitglieder des sozialen Netzwerks ω sind, das A und C verbindet), ist es mit einem ziemlich hohen Wert möglich, die Bekanntschaften anderer Benutzer des Netzwerks ω zu analysieren die Wahrscheinlichkeit zu bestimmen, dass beispielsweise einige F und S bekannt sind, obwohl sie nicht in ω enthalten sind und es keine zusätzlichen Informationen über ihre Bekanntschaft in diesem Netzwerk gibt. Es dauerte mehrere Wochen, um die Algorithmen zu entwickeln, und zwei Tage, um die Offline-Kontakte von Personen zu rekonstruieren, deren E-Mail-Adressen in Facebook-Benutzerprofilen von fünf US-amerikanischen Universitätsnetzwerken veröffentlicht wurden (ungefähr die Hälfte dieser Benutzer verfügt über Listen von E-Mail-Kontakten, die über den Dienst „Freunde finden“ heruntergeladen wurden "Wir haben geöffnet). „Basierend auf einer realen Schätzung des Anteils der Bevölkerung, der von sozialen Online-Netzwerken abgedeckt wird, und der Wahrscheinlichkeit, mit der sie ihre Adressbücher in diese Netzwerke hochladen, können wir die Verbindungen derjenigen, die nicht vom sozialen Online-Netzwerk abgedeckt werden, mit einer Genauigkeit von 40 Prozent ermitteln“, heißt es in dem Artikel. „Unsere Studie zeigt die Fähigkeiten sozialer Online-Netzwerke, wenn es darum geht, Informationen über echte soziale Netzwerke sowie über Personen zu erhalten, die keine bekannten Dienste nutzen. Die Ergebnisse, die wir mit nur einem einfachen Parameter erzielt haben - dem elektronischen Kontakt - sind beeindruckend “, schließt Hamprecht.
Es ist klar, dass in sozialen Netzwerken viel mehr Informationen offen zirkulieren als in Benutzerkontakten, und die Liste der analysierten Parameter kann unendlich erweitert werden, wodurch immer detailliertere Profile von Personen erstellt werden, die nicht vom sozialen Netzwerk abgedeckt werden. Das heißt, das "Unsichtbare" sichtbar zu machen. Höchstwahrscheinlich werden die von deutschen Mathematikern beschriebenen Methoden von Marketingunternehmen und Geheimdiensten seit langem hinter Internetnutzern angewendet. Letztere können mithilfe der „Shadow Profiling“ -Methode beispielsweise die Bildung eines terroristischen Untergrunds verfolgen, der alle Internetverbindungen unterbrochen hat, oder die politische Opposition, die nur teilweise in sozialen Netzwerken vertreten ist. Es ist jedoch schwierig, das tatsächliche Ausmaß dieser Aktivität und die damit verbundenen Bedrohungen zu beurteilen: Alle Technologien, die einen Informationsvorteil bieten, sind ein Geschäfts- und Unternehmensgeheimnis.
14.05.2012 | Basierend auf Materialien von gazeta.ru
Über soziale Netzwerke können Sie Informationen über diejenigen Personen erhalten, die nicht in ihnen registriert sind. Dies wurde von deutschen Mathematikern demonstriert, die anhand von Daten von Benutzern eines der sozialen Netzwerke die Verbindungen zwischen Personen verfolgten, die nicht darin registriert sind. Was kann ich anhand der darin zirkulierenden Daten über Benutzer sozialer Netzwerke lernen? Gemessen an der kräftigen Kapitalisierung von Unternehmen, die solche Dienstleistungen besitzen, und der zunehmenden Aufmerksamkeit von Werbetreibenden, Vermarktern, Soziologen und speziellen Dienstleistungen für sie gibt es eine Menge: aus einem Kreis von Bekannten, Interessen, politischen Ansichten, täglichen Aktivitäten und Verbraucheraktivitäten und endend mit Bewegungen in Raum, Ernährung, Zustand Gesundheit und sogar IQ-Niveau.
Aber was können Sie über eine Person erfahren, die nicht in einem sozialen Netzwerk registriert ist, deren Freunde und Verwandte es jedoch nutzen? Mathematiker des Interdisziplinären Zentrums für Informatik der Universität Heidelberg (Deutschland) interessierten sich für diese Frage, deren Artikel unter der beredten Überschrift „Eins plus eins gleich drei (für soziale Netzwerke)“ in PLoS One veröffentlicht wurde. Mithilfe der Daten von Benutzern des sozialen Netzwerks verfolgten sie die Verbindungen zwischen Personen, die nicht darin registriert sind. Durch die Ansammlung indirekter Daten und die Verbesserung der Methoden der künstlichen Intelligenz können Informationen über solche "Unsichtbaren" weiter detailliert werden. Nach einer der ungeschriebenen Regeln der Informationstheorie, dass „Mangel an Daten auch Daten sind“, können Sie viele geniale Möglichkeiten finden, um Informationen über diejenigen zu erhalten, die sie verbergen.
In sozialen Netzwerken, deren Benutzer beispielsweise nicht für ihre sexuelle Orientierung oder ihre politischen Ansichten werben, können diese Daten „berechnet“ werden, wenn ihre Freunde solche Informationen über sich selbst nicht verbergen. „Wenn die Bekanntschaft bestätigt wird, ist die Rekonstruktion der fehlenden Daten für Systeme der künstlichen Intelligenz kein großes Problem mehr“, sagt Professor Fred Hamprecht, Mitbegründer des Heidelberger Bildverarbeitungslabors. Formal ist das Erhalten von Informationen auf diese Weise durch eine Geheimhaltungsvereinbarung für private Informationen verboten, die Benutzer sozialer Netzwerke mit den Eigentümern von Diensten abschließen. Bei denjenigen, die diese Dienste nicht nutzen und nicht im Netzwerk ansässig sind, ist die Situation jedoch anders. "Sie schließen eine solche Vereinbarung nicht ab und sind wehrlos gegen automatische Systeme, die sogenannte Schattenprofile erzeugen", sagt eine andere Autorin des Artikels, Professorin Katarina Zweig.
„Schattenprofile“ - Datenbanken mit Informationen zu Personen, die keine Benutzer sozialer Netzwerke sind, die auf der Grundlage der darin enthaltenen Informationen zusammengestellt wurden.
Die Autoren des Artikels zeigten, wie es möglich ist, die Kommunikation zwischen Nicht-Bewohnern des sozialen Netzwerks mithilfe von E-Mail-Kontakten zu rekonstruieren, die Facebook-Benutzer mithilfe des Dienstes „Freunde finden“ in das System hochladen. „Wenn man weiß, wer mit wem im sozialen Netzwerk vertraut ist und über Listen externer Kontakte von Mitgliedern des sozialen Netzwerks mit denen verfügt, die es nicht nutzen, kann man mit einer gewissen Genauigkeit nachvollziehen, wie Nichtansässige miteinander verwandt sind“, erklärt Anjes Horvat, der die Studie leitete. Wenn man relativ gesehen weiß, dass A mit B vertraut ist und C mit D vertraut ist (während B und D nicht vertraut sind und keine Mitglieder des sozialen Netzwerks ω sind, das A und C verbindet), ist es mit einem ziemlich hohen Wert möglich, die Bekanntschaften anderer Benutzer des Netzwerks ω zu analysieren die Wahrscheinlichkeit zu bestimmen, dass beispielsweise einige F und S bekannt sind, obwohl sie nicht in ω enthalten sind und es keine zusätzlichen Informationen über ihre Bekanntschaft in diesem Netzwerk gibt. Es dauerte mehrere Wochen, um die Algorithmen zu entwickeln, und zwei Tage, um die Offline-Kontakte von Personen zu rekonstruieren, deren E-Mail-Adressen in Facebook-Benutzerprofilen von fünf US-amerikanischen Universitätsnetzwerken veröffentlicht wurden (ungefähr die Hälfte dieser Benutzer verfügt über Listen von E-Mail-Kontakten, die über den Dienst „Freunde finden“ heruntergeladen wurden "Wir haben geöffnet). „Basierend auf einer realen Schätzung des Anteils der Bevölkerung, der von sozialen Online-Netzwerken abgedeckt wird, und der Wahrscheinlichkeit, mit der sie ihre Adressbücher in diese Netzwerke hochladen, können wir die Verbindungen derjenigen, die nicht vom sozialen Online-Netzwerk abgedeckt werden, mit einer Genauigkeit von 40 Prozent ermitteln“, heißt es in dem Artikel. „Unsere Studie zeigt die Fähigkeiten sozialer Online-Netzwerke, wenn es darum geht, Informationen über echte soziale Netzwerke sowie über Personen zu erhalten, die keine bekannten Dienste nutzen. Die Ergebnisse, die wir mit nur einem einfachen Parameter erzielt haben - dem elektronischen Kontakt - sind beeindruckend “, schließt Hamprecht.
Es ist klar, dass in sozialen Netzwerken viel mehr Informationen offen zirkulieren als in Benutzerkontakten, und die Liste der analysierten Parameter kann unendlich erweitert werden, wodurch immer detailliertere Profile von Personen erstellt werden, die nicht vom sozialen Netzwerk abgedeckt werden. Das heißt, das "Unsichtbare" sichtbar zu machen. Höchstwahrscheinlich werden die von deutschen Mathematikern beschriebenen Methoden von Marketingunternehmen und Geheimdiensten seit langem hinter Internetnutzern angewendet. Letztere können mithilfe der „Shadow Profiling“ -Methode beispielsweise die Bildung eines terroristischen Untergrunds verfolgen, der alle Internetverbindungen unterbrochen hat, oder die politische Opposition, die nur teilweise in sozialen Netzwerken vertreten ist. Es ist jedoch schwierig, das tatsächliche Ausmaß dieser Aktivität und die damit verbundenen Bedrohungen zu beurteilen: Alle Technologien, die einen Informationsvorteil bieten, sind ein Geschäfts- und Unternehmensgeheimnis.
Original message
Через социальные сети можно получить информацию о тех людях, которые в них не зарегистрированы
14.05.2012 | По материалам gazeta.ru
Через социальные сети можно получить информацию о тех людях, которые в них не зарегистрированы. Это продемонстрировали немецкие математики, которые, используя данные пользователей одной из соцсетей, проследили связи между людьми, которые в ней не зарегистрированы. Что можно узнать о пользователях соцсети на основе циркулирующих в ней данных? Судя по бодрой капитализации компаний, владеющих такими сервисами, и повышенному вниманию к ним рекламщиков, маркетологов, социологов и спецслужб, очень много: начиная с круга знакомств, интересов, политических взглядов, ежедневных занятий и потребительской активности и кончая перемещениями в пространстве, диетой, состоянием здоровья и даже уровнем IQ.
Но что можно узнать о человеке, не зарегистрированном в социальной сети, но чьи знакомые и родственники ею пользуются? Этим вопросом заинтересовались математики из Междисциплинарного центра компьютерных наук при Гейдельбергском университете (Германия), чья статья под красноречивым заголовком «Один плюс один равно трем (для социальных сетей)» опубликована в PLoS One. Используя данные пользователей соцсети, они проследили связи между людьми, которые в ней не зарегистрированы. Накапливая косвенные данные и совершенствуя методы искусственного интеллекта, информацию о таких «невидимках» можно детализировать и дальше. Следуя одному из негласных правил теории информации, что «отсутствие данных — тоже данные», можно придумать много хитроумных способов получения информации о тех, кто ее скрывает.
Так, в соцсетях, чьи пользователи не афишируют, например, свою сексуальную ориентацию или политические взгляды, эти данные могут быть «вычислены», если их знакомые не скрывают подобную информацию о себе. «Если знакомство подтверждено, реконструировать недостающие данные уже не является большой проблемой для систем искусственного интеллекта», уверен профессор Фред Хампрехт, сооснователь Гейдельбергской лаборатории компьютерной обработки образов. Формально получение сведений подобным способом запрещено договором о неразглашении частной информации, который пользователи соцсетей заключают с владельцами сервисов. Но в случае с теми, кто не пользуется этими сервисами и не является резидентом сети, ситуация другая. «Они не заключают такого договора и беззащитны перед автоматическими системами, генерирующими так называемые теневые профили, уверена другой автор статьи профессор Катарина Цвейг.
«Теневые профили» — базы данных, содержащие сведения о людях, которые не являются пользователями соцсетей, составленные на основе присутствующей в них информации.
Авторы статьи показали, как можно реконструировать связи между нерезидентами соцсети, используя контакты e-mail, которые пользователи «Фейсбука» загружают в систему при использовании сервиса «найди друзей». «Зная, кто с кем знаком внутри соцсети, и имея списки внешних контактов членов соцсети с теми, кто ею не пользуется, можно с известной точностью реконструировать, как связаны между собой нерезиденты», — объясняет руководившая исследованием Аньеш Хорват. Условно говоря, зная, что А знаком с В, а С — с D (при этом В и D не знакомы и не являются членами соцсети ω, объединяющей А и С), то, анализируя знакомства других юзеров сети ω, можно с достаточно высокой вероятностью определить, что, скажем, некие F и S знакомы, хотя в ω они не входят и никакой дополнительной информации об их знакомстве в этой сети нет. Потребовалось несколько недель на отработку алгоритмов и два дня вычислений, чтобы реконструировать офлайн-контакты людей, чьи электронные адреса были выложены в профилях пользователей «Фейсбука» из пяти университетских сетей США (примерно у половины этих пользователей списки почтовых контактов, загруженных через сервис «найди друзей», были открыты). «Основываясь на реальной оценке доли населения, охваченной онлайновыми соцсетями, и вероятности, с какой они загружают в эти сети свои адресные книги, мы можем устанавливать с 40-процентной точностью связи тех, кто онлайновой соцсетью не охвачен», — сообщается в статье. «Наше исследование демонстрирует возможности онлайновых соцсетей, когда речь заходит о получении информации о соцсетях реальных, а также людях, которые не являются пользователями известных сервисов. Результаты, полученные нами всего лишь на основе одного простого параметра — электронного контакта, впечатляют», — резюмирует Хампрехт.
Понятно, что в соцсетях открыто циркулирует намного больше информации, чем контакты пользователей, и список анализируемых параметров можно бесконечно увеличивать, составляя все более детальные профили людей, не охваченных соцсетью. То есть делать «невидимок» видимыми. Скорей всего, методы, описанные немецкими математиками, уже давно используются за спиной интернет-пользователей маркетинговыми компаниями и спецслужбами. Последние, используя метод «теневого профилирования», могут, например, отслеживать формирование террористического подполья, обрубившего все связи с интернетом, или политической оппозиции, представленной в соцсетях лишь частично. Но судить о реальных масштабах этой деятельности и связанных с ней угрозах сложно: все технологии, дающие информационное преимущество, являются коммерческой и корпоративной тайной.
14.05.2012 | По материалам gazeta.ru
Через социальные сети можно получить информацию о тех людях, которые в них не зарегистрированы. Это продемонстрировали немецкие математики, которые, используя данные пользователей одной из соцсетей, проследили связи между людьми, которые в ней не зарегистрированы. Что можно узнать о пользователях соцсети на основе циркулирующих в ней данных? Судя по бодрой капитализации компаний, владеющих такими сервисами, и повышенному вниманию к ним рекламщиков, маркетологов, социологов и спецслужб, очень много: начиная с круга знакомств, интересов, политических взглядов, ежедневных занятий и потребительской активности и кончая перемещениями в пространстве, диетой, состоянием здоровья и даже уровнем IQ.
Но что можно узнать о человеке, не зарегистрированном в социальной сети, но чьи знакомые и родственники ею пользуются? Этим вопросом заинтересовались математики из Междисциплинарного центра компьютерных наук при Гейдельбергском университете (Германия), чья статья под красноречивым заголовком «Один плюс один равно трем (для социальных сетей)» опубликована в PLoS One. Используя данные пользователей соцсети, они проследили связи между людьми, которые в ней не зарегистрированы. Накапливая косвенные данные и совершенствуя методы искусственного интеллекта, информацию о таких «невидимках» можно детализировать и дальше. Следуя одному из негласных правил теории информации, что «отсутствие данных — тоже данные», можно придумать много хитроумных способов получения информации о тех, кто ее скрывает.
Так, в соцсетях, чьи пользователи не афишируют, например, свою сексуальную ориентацию или политические взгляды, эти данные могут быть «вычислены», если их знакомые не скрывают подобную информацию о себе. «Если знакомство подтверждено, реконструировать недостающие данные уже не является большой проблемой для систем искусственного интеллекта», уверен профессор Фред Хампрехт, сооснователь Гейдельбергской лаборатории компьютерной обработки образов. Формально получение сведений подобным способом запрещено договором о неразглашении частной информации, который пользователи соцсетей заключают с владельцами сервисов. Но в случае с теми, кто не пользуется этими сервисами и не является резидентом сети, ситуация другая. «Они не заключают такого договора и беззащитны перед автоматическими системами, генерирующими так называемые теневые профили, уверена другой автор статьи профессор Катарина Цвейг.
«Теневые профили» — базы данных, содержащие сведения о людях, которые не являются пользователями соцсетей, составленные на основе присутствующей в них информации.
Авторы статьи показали, как можно реконструировать связи между нерезидентами соцсети, используя контакты e-mail, которые пользователи «Фейсбука» загружают в систему при использовании сервиса «найди друзей». «Зная, кто с кем знаком внутри соцсети, и имея списки внешних контактов членов соцсети с теми, кто ею не пользуется, можно с известной точностью реконструировать, как связаны между собой нерезиденты», — объясняет руководившая исследованием Аньеш Хорват. Условно говоря, зная, что А знаком с В, а С — с D (при этом В и D не знакомы и не являются членами соцсети ω, объединяющей А и С), то, анализируя знакомства других юзеров сети ω, можно с достаточно высокой вероятностью определить, что, скажем, некие F и S знакомы, хотя в ω они не входят и никакой дополнительной информации об их знакомстве в этой сети нет. Потребовалось несколько недель на отработку алгоритмов и два дня вычислений, чтобы реконструировать офлайн-контакты людей, чьи электронные адреса были выложены в профилях пользователей «Фейсбука» из пяти университетских сетей США (примерно у половины этих пользователей списки почтовых контактов, загруженных через сервис «найди друзей», были открыты). «Основываясь на реальной оценке доли населения, охваченной онлайновыми соцсетями, и вероятности, с какой они загружают в эти сети свои адресные книги, мы можем устанавливать с 40-процентной точностью связи тех, кто онлайновой соцсетью не охвачен», — сообщается в статье. «Наше исследование демонстрирует возможности онлайновых соцсетей, когда речь заходит о получении информации о соцсетях реальных, а также людях, которые не являются пользователями известных сервисов. Результаты, полученные нами всего лишь на основе одного простого параметра — электронного контакта, впечатляют», — резюмирует Хампрехт.
Понятно, что в соцсетях открыто циркулирует намного больше информации, чем контакты пользователей, и список анализируемых параметров можно бесконечно увеличивать, составляя все более детальные профили людей, не охваченных соцсетью. То есть делать «невидимок» видимыми. Скорей всего, методы, описанные немецкими математиками, уже давно используются за спиной интернет-пользователей маркетинговыми компаниями и спецслужбами. Последние, используя метод «теневого профилирования», могут, например, отслеживать формирование террористического подполья, обрубившего все связи с интернетом, или политической оппозиции, представленной в соцсетях лишь частично. Но судить о реальных масштабах этой деятельности и связанных с ней угрозах сложно: все технологии, дающие информационное преимущество, являются коммерческой и корпоративной тайной.
