Bize habercilerden veya telefonla ulaşın.

whatsapp telegram viber phone email
+79214188555

Through social networks you can get information about people

Katılım
4 Ara 2010
Mesajlar
471
Tepkime puanı
10
Puanları
18
Yaş
59
Konum
Литва, Вильнюс +370 61354565
Through social networks you can get information about people who are not registered in them.
05/14/2012 | Based on materials from gazeta.ru

Through social networks, you can get information about those people who are not registered in them. This was demonstrated by German mathematicians who, using data from users of one of the social networks, traced the connections between people who are not registered in it. What can I learn about social network users based on the data circulating in it? Judging by the vigorous capitalization of companies that own such services, and the increased attention of advertisers, marketers, sociologists and special services to them, there are a lot: from a circle of acquaintances, interests, political views, daily activities and consumer activity and ending with movements in space, diet, condition health and even IQ level.
But what can you learn about a person who is not registered on a social network, but whose friends and relatives use it? Mathematicians from the Interdisciplinary Center for Computer Science at the University of Heidelberg (Germany) became interested in this question, whose article under the eloquent heading “One plus one equals three (for social networks)” was published in PLoS One. Using the data of users of the social network, they traced the connections between people who are not registered in it. Accumulating indirect data and improving the methods of artificial intelligence, information about such "invisibles" can be further detailed. Following one of the unwritten rules of information theory that “lack of data is also data”, you can come up with a lot of clever ways to get information about those who hide it.
So, in social networks whose users do not advertise, for example, their sexual orientation or political views, these data can be “calculated” if their friends do not hide such information about themselves. “If the acquaintance is confirmed, reconstructing the missing data is no longer a big problem for artificial intelligence systems,” says Professor Fred Hamprecht, co-founder of the Heidelberg Image Processing Laboratory. Formally, the receipt of information in this way is prohibited by the non-disclosure agreement of private information, which users of social networks conclude with the owners of services. But in the case of those who do not use these services and are not a resident of the network, the situation is different. “They do not conclude such an agreement and are defenseless against automatic systems generating the so-called shadow profiles,” says another author of the article, Professor Katarina Zweig.
“Shadow profiles” - databases containing information about people who are not users of social networks, compiled on the basis of the information present in them.
The authors of the article showed how it is possible to reconstruct communications between non-residents of the social network using e-mail contacts that Facebook users upload to the system using the “find friends” service. “Knowing who is familiar with whom on the social network, and having lists of external contacts of social network members with those who do not use it, it is possible to reconstruct with a certain accuracy how non-residents are related,” explains Anjes Horvat, who led the study. Relatively speaking, knowing that A is familiar with B, and C is familiar with D (while B and D are not familiar and are not members of the social network ω connecting A and C), then, analyzing the acquaintances of other users of the network ω, it is possible with a fairly high the probability to determine that, say, some F and S are familiar, although they are not included in ω and there is no additional information about their acquaintance in this network. It took several weeks to develop the algorithms and two days of calculations to reconstruct the offline contacts of people whose email addresses were posted on Facebook user profiles from five US university networks (approximately half of these users have lists of mail contacts downloaded via the “find friends” service "Were open). “Based on a real estimate of the share of the population covered by online social networks, and the probability with which they upload their address books to these networks, we can establish with 40 percent accuracy those who are not covered by the online social network,” the article says. “Our study demonstrates the capabilities of online social networks when it comes to obtaining information about real social networks, as well as people who are not users of well-known services. The results we have obtained based on just one simple parameter - electronic contact, are impressive, ”concludes Hamprecht.
It is clear that much more information is openly circulating in social networks than user contacts, and the list of analyzed parameters can be infinitely expanded, making up more and more detailed profiles of people not covered by the social network. That is, to make the "invisible" visible. Most likely, the methods described by German mathematicians have long been used behind Internet users by marketing companies and intelligence agencies. The latter, using the “shadow profiling” method, can, for example, track the formation of a terrorist underground that has cut off all Internet connections, or the political opposition that is only partially represented on social networks. But to judge the real extent of this activity and the threats associated with it is difficult: all technologies that provide an information advantage are a commercial and corporate secret.
 
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.

Частный детектив. Владивосток.

Зарегистрированный
Katılım
24 Haz 2010
Mesajlar
311
Tepkime puanı
9
Puanları
38
Yaş
50
Konum
Владивосток. 8 914 791 41 32
Thank you, Vytautas, interesting information!
 
Original message
Спасибо, Витаутас, интересная информация !

НСК-СБ

Yönetici
Private access level
Full members of NP "MOD"
Katılım
14 Tem 2011
Mesajlar
3,169
Tepkime puanı
2,157
Puanları
613
Konum
Новосибирск
Thanks, interesting!
 
Original message
Спасибо, интересно!

Матушкин Андрей Николаевич

Президент IAPD
Yönetici
Private access level
Full members of NP "MOD"
Katılım
1 Ocak 1970
Mesajlar
21,929
Tepkime puanı
3,755
Puanları
113
Yaş
53
Konum
Россия,
Web sitesi
o-d-b.ru
Thank you Vytautas !!!
 
Original message
Спасибо, Витаутас!!!

Частный детектив Севастополь ОДБ

Private access level
Full members of NP "MOD"
Katılım
27 Ara 2010
Mesajlar
1,828
Tepkime puanı
12
Puanları
38
Konum
Севастополь, Крым, +7 (978) 867 69 09
Yeah, you can’t keep up with technology. Thank !
 
Original message
Да уж, за технологиями не угнаться. Спасибо !

Плотников Юрий Михайлович

Private access level
Full members of NP "MOD"
Katılım
21 Tem 2010
Mesajlar
3,699
Tepkime puanı
563
Puanları
113
Yaş
71
Konum
Россия, Хабаровск. +7 914 544 16 90.
Web sitesi
www.sysk-dv.ru
Interesting, thanks!
 
Original message
Интересно, спасибо!

Патрушев Михаил Владимирович

Private access level
Full members of NP "MOD"
Katılım
25 Ocak 2011
Mesajlar
2,445
Tepkime puanı
203
Puanları
63
Konum
Сочи
Thank you, Vytautas, interesting facts have been revealed!
 
Original message
Спасибо,Витаутас, интересные факты вскрыты!