- Inscrit
- 4 Déc. 2010
- messages
- 471
- Score de réaction
- 10
- Points
- 18
- Age
- 59
- Localisation
- Литва, Вильнюс +370 61354565
Grâce aux réseaux sociaux, vous pouvez obtenir des informations sur les personnes qui n'y sont pas inscrites.
14/05/2012 | Basé sur des matériaux de gazeta.ru
Grâce aux réseaux sociaux, vous pouvez obtenir des informations sur les personnes qui n'y sont pas enregistrées. Cela a été démontré par des mathématiciens allemands qui, en utilisant les données des utilisateurs de l'un des réseaux sociaux, ont tracé les liens entre les personnes qui n'y sont pas enregistrées. Que puis-je apprendre sur les utilisateurs de réseaux sociaux sur la base des données qui y circulent? À en juger par la capitalisation vigoureuse des entreprises qui détiennent de tels services et l'attention accrue des annonceurs, des spécialistes du marketing, des sociologues et des services spéciaux, il y en a beaucoup: d'un cercle de connaissances, d'intérêts, d'opinions politiques, d'activités quotidiennes et d'activités de consommation et se terminant par des mouvements dans l'espace, l'alimentation, l'état la santé et même le niveau de QI.
Mais que pouvez-vous apprendre sur une personne qui n'est pas inscrite sur un réseau social, mais dont les amis et les proches l'utilisent? Les mathématiciens du Centre interdisciplinaire d'informatique de l'Université de Heidelberg (Allemagne) se sont intéressés à cette question, dont l'article sous le titre éloquent «Un plus un est égal à trois (pour les réseaux sociaux)» a été publié dans PLoS One. En utilisant les données des utilisateurs du réseau social, ils ont tracé les connexions entre les personnes qui n'y sont pas enregistrées. Accumulant des données indirectes et améliorant les méthodes de l'intelligence artificielle, les informations sur ces «invisibles» peuvent être plus détaillées. En suivant l'une des règles non écrites de la théorie de l'information selon laquelle «le manque de données est aussi des données», vous pouvez trouver de nombreuses façons ingénieuses d'obtenir des informations sur ceux qui les cachent.
Ainsi, dans les réseaux sociaux dont les utilisateurs ne font pas de publicité, par exemple, leur orientation sexuelle ou leurs opinions politiques, ces données peuvent être «calculées» si leurs amis ne cachent pas de telles informations sur eux-mêmes. "Si la connaissance est confirmée, la reconstruction des données manquantes n'est plus un gros problème pour les systèmes d'intelligence artificielle", a déclaré le professeur Fred Hamprecht, co-fondateur du laboratoire de traitement d'images de Heidelberg. Formellement, l'obtention d'informations de cette manière est interdite par un accord de non-divulgation d'informations privées que les utilisateurs de réseaux sociaux concluent avec les propriétaires de services. Mais dans le cas de ceux qui n'utilisent pas ces services et ne résident pas sur le réseau, la situation est différente. «Ils ne concluent pas un tel accord et sont sans défense contre les systèmes automatiques générant les soi-disant profils fantômes», explique un autre auteur de l'article, le professeur Katarina Zweig.
«Shadow profiles» - bases de données contenant des informations sur des personnes qui ne sont pas des utilisateurs de réseaux sociaux, compilées sur la base des informations qui y sont présentes.
Les auteurs de l'article ont montré comment il est possible de reconstruire les communications entre les non-résidents du réseau social à l'aide de contacts e-mail que les utilisateurs de Facebook téléchargent sur le système en utilisant le service «trouver des amis». «Savoir qui connaît qui sur le réseau social et avoir des listes de contacts externes des membres du réseau social avec ceux qui ne l'utilisent pas, il est possible de reconstituer avec une certaine précision les relations entre les non-résidents», explique Anjes Horvat, qui a dirigé l'étude. Relativement parlant, sachant que A est familier avec B, et C est familier avec D (alors que B et D ne sont pas familiers et ne sont pas membres du réseau social ω connectant A et C), puis, en analysant les connaissances d'autres utilisateurs du réseau ω, il est possible avec un niveau assez élevé la probabilité de déterminer que, par exemple, certains F et S sont familiers, bien qu'ils ne soient pas inclus dans ω et il n'y a pas d'informations supplémentaires sur leur connaissance dans ce réseau. Il a fallu plusieurs semaines pour développer les algorithmes et deux jours de calculs pour reconstruire les contacts hors ligne des personnes dont les adresses e-mail ont été publiées sur les profils d'utilisateurs Facebook de cinq réseaux universitaires américains (environ la moitié de ces utilisateurs ont des listes de contacts électroniques téléchargées via le service «trouver des amis» "Étaient ouverts). "Sur la base d'une estimation réelle de la proportion de la population couverte par les réseaux sociaux en ligne et de la probabilité avec laquelle ils téléchargent leurs carnets d'adresses sur ces réseaux, nous pouvons établir avec une précision de 40% les connexions de ceux qui ne sont pas couverts par le réseau social en ligne", indique l'article. «Notre étude démontre les capacités des réseaux sociaux en ligne lorsqu'il s'agit d'obtenir des informations sur les réseaux sociaux réels, ainsi que sur les personnes qui ne sont pas des utilisateurs de services connus. Les résultats que nous avons obtenus sur la base d'un seul paramètre simple - le contact électronique, sont impressionnants »», conclut Hamprecht.
Il est clair que beaucoup plus d'informations circulent ouvertement dans les réseaux sociaux que les contacts utilisateurs, et la liste des paramètres analysés peut être infiniment étendue, constituant des profils de plus en plus détaillés de personnes non couvertes par le réseau social. C'est-à-dire rendre visible "l'invisible". Très probablement, les méthodes décrites par les mathématiciens allemands sont utilisées depuis longtemps par les internautes par les sociétés de marketing et les agences de renseignement. Ce dernier, en utilisant la méthode du «shadow profileing», peut par exemple suivre la formation d'un clandestin terroriste qui a coupé toutes les connexions Internet, ou l'opposition politique qui n'est que partiellement représentée sur les réseaux sociaux. Mais juger de l'étendue réelle de cette activité et des menaces qui y sont associées est difficile: toutes les technologies qui fournissent un avantage informationnel sont un secret commercial et d'entreprise.
14/05/2012 | Basé sur des matériaux de gazeta.ru
Grâce aux réseaux sociaux, vous pouvez obtenir des informations sur les personnes qui n'y sont pas enregistrées. Cela a été démontré par des mathématiciens allemands qui, en utilisant les données des utilisateurs de l'un des réseaux sociaux, ont tracé les liens entre les personnes qui n'y sont pas enregistrées. Que puis-je apprendre sur les utilisateurs de réseaux sociaux sur la base des données qui y circulent? À en juger par la capitalisation vigoureuse des entreprises qui détiennent de tels services et l'attention accrue des annonceurs, des spécialistes du marketing, des sociologues et des services spéciaux, il y en a beaucoup: d'un cercle de connaissances, d'intérêts, d'opinions politiques, d'activités quotidiennes et d'activités de consommation et se terminant par des mouvements dans l'espace, l'alimentation, l'état la santé et même le niveau de QI.
Mais que pouvez-vous apprendre sur une personne qui n'est pas inscrite sur un réseau social, mais dont les amis et les proches l'utilisent? Les mathématiciens du Centre interdisciplinaire d'informatique de l'Université de Heidelberg (Allemagne) se sont intéressés à cette question, dont l'article sous le titre éloquent «Un plus un est égal à trois (pour les réseaux sociaux)» a été publié dans PLoS One. En utilisant les données des utilisateurs du réseau social, ils ont tracé les connexions entre les personnes qui n'y sont pas enregistrées. Accumulant des données indirectes et améliorant les méthodes de l'intelligence artificielle, les informations sur ces «invisibles» peuvent être plus détaillées. En suivant l'une des règles non écrites de la théorie de l'information selon laquelle «le manque de données est aussi des données», vous pouvez trouver de nombreuses façons ingénieuses d'obtenir des informations sur ceux qui les cachent.
Ainsi, dans les réseaux sociaux dont les utilisateurs ne font pas de publicité, par exemple, leur orientation sexuelle ou leurs opinions politiques, ces données peuvent être «calculées» si leurs amis ne cachent pas de telles informations sur eux-mêmes. "Si la connaissance est confirmée, la reconstruction des données manquantes n'est plus un gros problème pour les systèmes d'intelligence artificielle", a déclaré le professeur Fred Hamprecht, co-fondateur du laboratoire de traitement d'images de Heidelberg. Formellement, l'obtention d'informations de cette manière est interdite par un accord de non-divulgation d'informations privées que les utilisateurs de réseaux sociaux concluent avec les propriétaires de services. Mais dans le cas de ceux qui n'utilisent pas ces services et ne résident pas sur le réseau, la situation est différente. «Ils ne concluent pas un tel accord et sont sans défense contre les systèmes automatiques générant les soi-disant profils fantômes», explique un autre auteur de l'article, le professeur Katarina Zweig.
«Shadow profiles» - bases de données contenant des informations sur des personnes qui ne sont pas des utilisateurs de réseaux sociaux, compilées sur la base des informations qui y sont présentes.
Les auteurs de l'article ont montré comment il est possible de reconstruire les communications entre les non-résidents du réseau social à l'aide de contacts e-mail que les utilisateurs de Facebook téléchargent sur le système en utilisant le service «trouver des amis». «Savoir qui connaît qui sur le réseau social et avoir des listes de contacts externes des membres du réseau social avec ceux qui ne l'utilisent pas, il est possible de reconstituer avec une certaine précision les relations entre les non-résidents», explique Anjes Horvat, qui a dirigé l'étude. Relativement parlant, sachant que A est familier avec B, et C est familier avec D (alors que B et D ne sont pas familiers et ne sont pas membres du réseau social ω connectant A et C), puis, en analysant les connaissances d'autres utilisateurs du réseau ω, il est possible avec un niveau assez élevé la probabilité de déterminer que, par exemple, certains F et S sont familiers, bien qu'ils ne soient pas inclus dans ω et il n'y a pas d'informations supplémentaires sur leur connaissance dans ce réseau. Il a fallu plusieurs semaines pour développer les algorithmes et deux jours de calculs pour reconstruire les contacts hors ligne des personnes dont les adresses e-mail ont été publiées sur les profils d'utilisateurs Facebook de cinq réseaux universitaires américains (environ la moitié de ces utilisateurs ont des listes de contacts électroniques téléchargées via le service «trouver des amis» "Étaient ouverts). "Sur la base d'une estimation réelle de la proportion de la population couverte par les réseaux sociaux en ligne et de la probabilité avec laquelle ils téléchargent leurs carnets d'adresses sur ces réseaux, nous pouvons établir avec une précision de 40% les connexions de ceux qui ne sont pas couverts par le réseau social en ligne", indique l'article. «Notre étude démontre les capacités des réseaux sociaux en ligne lorsqu'il s'agit d'obtenir des informations sur les réseaux sociaux réels, ainsi que sur les personnes qui ne sont pas des utilisateurs de services connus. Les résultats que nous avons obtenus sur la base d'un seul paramètre simple - le contact électronique, sont impressionnants »», conclut Hamprecht.
Il est clair que beaucoup plus d'informations circulent ouvertement dans les réseaux sociaux que les contacts utilisateurs, et la liste des paramètres analysés peut être infiniment étendue, constituant des profils de plus en plus détaillés de personnes non couvertes par le réseau social. C'est-à-dire rendre visible "l'invisible". Très probablement, les méthodes décrites par les mathématiciens allemands sont utilisées depuis longtemps par les internautes par les sociétés de marketing et les agences de renseignement. Ce dernier, en utilisant la méthode du «shadow profileing», peut par exemple suivre la formation d'un clandestin terroriste qui a coupé toutes les connexions Internet, ou l'opposition politique qui n'est que partiellement représentée sur les réseaux sociaux. Mais juger de l'étendue réelle de cette activité et des menaces qui y sont associées est difficile: toutes les technologies qui fournissent un avantage informationnel sont un secret commercial et d'entreprise.
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.
