- Registrado
- 4 Dic 2010
- Mensajes
- 471
- Puntuación de reacción
- 10
- Puntos
- 18
- Edad
- 59
- Ubicación
- Литва, Вильнюс +370 61354565
A través de las redes sociales puede obtener información sobre personas que no están registradas en ellas.
14/05/2012 | Basado en materiales de gazeta.ru
A través de las redes sociales, puede obtener información sobre aquellas personas que no están registradas en ellas. Esto fue demostrado por matemáticos alemanes que, utilizando datos de usuarios de una de las redes sociales, rastrearon las conexiones entre personas que no están registradas en ella. ¿Qué puedo aprender sobre los usuarios de las redes sociales en función de los datos que circulan en ellas? A juzgar por la vigorosa capitalización de las empresas que poseen dichos servicios, y la mayor atención de los anunciantes, comercializadores, sociólogos y servicios especiales hacia ellos, hay muchos: desde un círculo de conocidos, intereses, puntos de vista políticos, actividades diarias y actividad del consumidor y terminando con movimientos en el espacio, dieta, condición salud e incluso nivel de coeficiente intelectual.
Pero, ¿qué puede aprender sobre una persona que no está registrada en una red social, pero cuyos amigos y familiares la usan? Los matemáticos del Centro Interdisciplinario de Ciencias de la Computación de la Universidad de Heidelberg (Alemania) se interesaron en esta pregunta, cuyo artículo bajo el elocuente título "Uno más uno es igual a tres (para redes sociales)" se publicó en PLoS One. Utilizando los datos de los usuarios de la red social, rastrearon las conexiones entre las personas que no están registradas en ella. Acumulando datos indirectos y mejorando los métodos de inteligencia artificial, la información sobre tales "invisibles" puede ser más detallada. Siguiendo una de las reglas no escritas de la teoría de la información que dice que "la falta de datos también es información", puede encontrar muchas formas ingeniosas de obtener información sobre quienes la ocultan.
Entonces, en las redes sociales cuyos usuarios no anuncian, por ejemplo, su orientación sexual u opiniones políticas, estos datos se pueden "calcular" si sus amigos no ocultan dicha información sobre ellos mismos. "Si se confirma el conocimiento, la reconstrucción de los datos faltantes ya no es un gran problema para los sistemas de inteligencia artificial", dijo el profesor Fred Hamprecht, cofundador del Laboratorio de procesamiento de imágenes de Heidelberg. Formalmente, la recepción de información de esta manera está prohibida por el acuerdo de no divulgación de información privada, que los usuarios de las redes sociales concluyen con los propietarios de los servicios. Pero en el caso de aquellos que no usan estos servicios y no son residentes de la red, la situación es diferente. "No llegan a un acuerdo de este tipo y están indefensos frente a los sistemas automáticos que generan los llamados perfiles sombra", dice otra autora del artículo, la profesora Katarina Zweig.
"Perfiles de sombra": bases de datos que contienen información sobre personas que no son usuarios de redes sociales, compiladas sobre la base de la información presente en ellas.
Los autores del artículo mostraron cómo es posible reconstruir las comunicaciones entre los no residentes de la red social utilizando contactos de correo electrónico que los usuarios de Facebook cargan al sistema mediante el servicio "buscar amigos". "Al saber quién está familiarizado con quién en la red social y tener listas de contactos externos de los miembros de la red social con quienes no la usan, es posible reconstruir con cierta precisión cómo se relacionan los no residentes", explica Anjes Horvat, quien dirigió el estudio. Relativamente hablando, sabiendo que A está familiarizado con B y C está familiarizado con D (mientras que B y D no están familiarizados y no son miembros de la red social ω conectando A y C), entonces, analizando los conocidos de otros usuarios de la red ω, es posible con un nivel bastante alto la probabilidad de determinar que, por ejemplo, algunos F y S son familiares, aunque no están incluidos en ω y no hay información adicional sobre su conocimiento en esta red. Se necesitaron varias semanas para desarrollar los algoritmos y dos días de cálculos para reconstruir los contactos fuera de línea de las personas cuyas direcciones de correo electrónico se publicaron en los perfiles de usuario de Facebook de cinco redes universitarias de EE. UU. "Estaban abiertos). "En base a una estimación real de la proporción de la población cubierta por las redes sociales en línea y la probabilidad con la que cargan sus libretas de direcciones en estas redes, podemos establecer con un 40 por ciento de precisión las conexiones de aquellos que no están cubiertos por la red social en línea", dice el artículo. “Nuestro estudio demuestra las capacidades de las redes sociales en línea cuando se trata de obtener información sobre redes sociales reales, así como sobre personas que no son usuarios de servicios conocidos. Los resultados que hemos obtenido basados en un solo parámetro simple: el contacto electrónico, son impresionantes ”, concluye Hamprecht.
Está claro que circula mucha más información en las redes sociales que en los contactos de los usuarios, y la lista de parámetros analizados se puede ampliar infinitamente, creando perfiles cada vez más detallados de personas que no están cubiertas por la red social. Es decir, hacer visible lo "invisible". Lo más probable es que los métodos descritos por los matemáticos alemanes hayan sido utilizados durante mucho tiempo detrás de los usuarios de Internet por las compañías de marketing y las agencias de inteligencia. Este último, utilizando el método de "perfil en la sombra", puede, por ejemplo, rastrear la formación de un terrorista clandestino que ha cortado todas las conexiones a Internet, o la oposición política que solo está parcialmente representada en las redes sociales. Pero juzgar el alcance real de esta actividad y las amenazas asociadas con ella es difícil: todas las tecnologías que proporcionan una ventaja de información son un secreto comercial y corporativo.
14/05/2012 | Basado en materiales de gazeta.ru
A través de las redes sociales, puede obtener información sobre aquellas personas que no están registradas en ellas. Esto fue demostrado por matemáticos alemanes que, utilizando datos de usuarios de una de las redes sociales, rastrearon las conexiones entre personas que no están registradas en ella. ¿Qué puedo aprender sobre los usuarios de las redes sociales en función de los datos que circulan en ellas? A juzgar por la vigorosa capitalización de las empresas que poseen dichos servicios, y la mayor atención de los anunciantes, comercializadores, sociólogos y servicios especiales hacia ellos, hay muchos: desde un círculo de conocidos, intereses, puntos de vista políticos, actividades diarias y actividad del consumidor y terminando con movimientos en el espacio, dieta, condición salud e incluso nivel de coeficiente intelectual.
Pero, ¿qué puede aprender sobre una persona que no está registrada en una red social, pero cuyos amigos y familiares la usan? Los matemáticos del Centro Interdisciplinario de Ciencias de la Computación de la Universidad de Heidelberg (Alemania) se interesaron en esta pregunta, cuyo artículo bajo el elocuente título "Uno más uno es igual a tres (para redes sociales)" se publicó en PLoS One. Utilizando los datos de los usuarios de la red social, rastrearon las conexiones entre las personas que no están registradas en ella. Acumulando datos indirectos y mejorando los métodos de inteligencia artificial, la información sobre tales "invisibles" puede ser más detallada. Siguiendo una de las reglas no escritas de la teoría de la información que dice que "la falta de datos también es información", puede encontrar muchas formas ingeniosas de obtener información sobre quienes la ocultan.
Entonces, en las redes sociales cuyos usuarios no anuncian, por ejemplo, su orientación sexual u opiniones políticas, estos datos se pueden "calcular" si sus amigos no ocultan dicha información sobre ellos mismos. "Si se confirma el conocimiento, la reconstrucción de los datos faltantes ya no es un gran problema para los sistemas de inteligencia artificial", dijo el profesor Fred Hamprecht, cofundador del Laboratorio de procesamiento de imágenes de Heidelberg. Formalmente, la recepción de información de esta manera está prohibida por el acuerdo de no divulgación de información privada, que los usuarios de las redes sociales concluyen con los propietarios de los servicios. Pero en el caso de aquellos que no usan estos servicios y no son residentes de la red, la situación es diferente. "No llegan a un acuerdo de este tipo y están indefensos frente a los sistemas automáticos que generan los llamados perfiles sombra", dice otra autora del artículo, la profesora Katarina Zweig.
"Perfiles de sombra": bases de datos que contienen información sobre personas que no son usuarios de redes sociales, compiladas sobre la base de la información presente en ellas.
Los autores del artículo mostraron cómo es posible reconstruir las comunicaciones entre los no residentes de la red social utilizando contactos de correo electrónico que los usuarios de Facebook cargan al sistema mediante el servicio "buscar amigos". "Al saber quién está familiarizado con quién en la red social y tener listas de contactos externos de los miembros de la red social con quienes no la usan, es posible reconstruir con cierta precisión cómo se relacionan los no residentes", explica Anjes Horvat, quien dirigió el estudio. Relativamente hablando, sabiendo que A está familiarizado con B y C está familiarizado con D (mientras que B y D no están familiarizados y no son miembros de la red social ω conectando A y C), entonces, analizando los conocidos de otros usuarios de la red ω, es posible con un nivel bastante alto la probabilidad de determinar que, por ejemplo, algunos F y S son familiares, aunque no están incluidos en ω y no hay información adicional sobre su conocimiento en esta red. Se necesitaron varias semanas para desarrollar los algoritmos y dos días de cálculos para reconstruir los contactos fuera de línea de las personas cuyas direcciones de correo electrónico se publicaron en los perfiles de usuario de Facebook de cinco redes universitarias de EE. UU. "Estaban abiertos). "En base a una estimación real de la proporción de la población cubierta por las redes sociales en línea y la probabilidad con la que cargan sus libretas de direcciones en estas redes, podemos establecer con un 40 por ciento de precisión las conexiones de aquellos que no están cubiertos por la red social en línea", dice el artículo. “Nuestro estudio demuestra las capacidades de las redes sociales en línea cuando se trata de obtener información sobre redes sociales reales, así como sobre personas que no son usuarios de servicios conocidos. Los resultados que hemos obtenido basados en un solo parámetro simple: el contacto electrónico, son impresionantes ”, concluye Hamprecht.
Está claro que circula mucha más información en las redes sociales que en los contactos de los usuarios, y la lista de parámetros analizados se puede ampliar infinitamente, creando perfiles cada vez más detallados de personas que no están cubiertas por la red social. Es decir, hacer visible lo "invisible". Lo más probable es que los métodos descritos por los matemáticos alemanes hayan sido utilizados durante mucho tiempo detrás de los usuarios de Internet por las compañías de marketing y las agencias de inteligencia. Este último, utilizando el método de "perfil en la sombra", puede, por ejemplo, rastrear la formación de un terrorista clandestino que ha cortado todas las conexiones a Internet, o la oposición política que solo está parcialmente representada en las redes sociales. Pero juzgar el alcance real de esta actividad y las amenazas asociadas con ella es difícil: todas las tecnologías que proporcionan una ventaja de información son un secreto comercial y corporativo.
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.
