no.phhsnews.com


no.phhsnews.com / Hva er "forskjellig personvern", og hvordan holder det dataene mine anonym?

Hva er "forskjellig personvern", og hvordan holder det dataene mine anonym?


Apple stikker sitt rykte på å sikre at dataene det samler inn, forblir private. Hvordan?

Apple forklarer det som sådan:

Apple bruker Differensiell personvernsteknologi for å oppdage bruksmønstrene til et stort antall brukere uten å gå på bekostning av enkeltpersoner. personvern. For å skjule en persons identitet legger Differensiell personvern matematisk støy til en liten prøve av individets bruksmønster. Når flere mennesker deler det samme mønsteret, begynner generelle mønstre som kan informere og forbedre brukeropplevelsen.

Filosofien bak forskjellig personvern er dette: Enhver bruker hvis enhet, enten det er iPhone, iPad eller Mac, legger til en beregning til et større basseng av aggregerte data (et stort bilde dannet av varierende mindre bilder), bør ikke avsløres som kilden, enn si hvilke data de bidro.

Apple er ikke det eneste selskapet som gjør dette, enten -Både Google og Microsoft brukte det enda tidligere. Men Apple populariserte det ved å snakke om det i detalj ved sin 2016 WWDC-hovedtale.

Så hvordan er dette forskjellig fra andre anonyme data, spør du? Vel, anonymiserte data kan fortsatt brukes til å utlede personlig informasjon hvis du vet nok om en person.

La oss si at hacker kan få tilgang til en anonymisert database som viser selskapets lønn. La oss si at de også vet at Medarbeider X flytter til et annet område. Hackeren kunne da bare spørre databasen før og etter at Medarbeider X beveger seg og lett utlede sin inntekt.

For å beskytte Medarbeider Xs sensitive informasjon, endrer differensiell personvern dataene med matematisk "støy" og andre teknikker slik at hvis du spør databasen vil du bare motta en

tilnærming av hvor mye (eller noen andre) Medarbeider X ble betalt. Derfor er hans personvern bevaret på grunn av "forskjellen" mellom dataene som leveres og støyen lagt til det, så det er så uklart at det er nesten umulig å vite om dataene du ser på, egentlig er et bestemt individ.

Hvordan virker Apples forskjellig personvern?

Differensiell personvern er et relativt nytt konseptet, men ideen er at det kan gi et selskap skarp innsikt basert på data fra brukerne, uten å vite hva

nøyaktig disse dataene sier eller fra hvem den kommer fra. Apple er for eksempel avhengig av tre komponenter for å gjøre det på Dif ferentiell Personvern på din Mac eller iOS-enhet: hashing, subsampling og støyinjeksjon.

Hashing tar en streng tekst og gjør den til en kortere verdi med en fast lengde og blander disse nøklene opp i irreversibelt tilfeldige strenger med unike tegn eller "hash". Dette skjuler dataene dine, slik at enheten ikke lagrer noe av det i sin opprinnelige form.

Subsampling betyr at i stedet for å samle hvert ord til en person, vil Apple bare bruke en mindre prøve av dem. For eksempel, la oss si at du har en lang tekstsamtale med en venn som liberalt bruker emoji. I stedet for å samle hele samtalen, kan subsampling i stedet bare bruke de delene Apple er interessert i, for eksempel emoji.

Endelig injiserer enheten din støy, legger tilfeldige data inn i det opprinnelige datasettet for å gjøre det mer uklart. Dette betyr at Apple får et resultat som har blitt maskert noen gang så lite og derfor ikke helt nøyaktig.

Alt dette skjer på enheten din, så det har allerede blitt forkortet, blandet opp, samplet og uskarpt før det er jevnt Sendt til skyen for at Apple skal analysere.

Hvor er Apples forskjellig personvern brukt?

Det er en rekke tilfeller hvor Apple

kanskje vil samle inn data for å forbedre sine programmer og tjenester. Akkurat nå skjønner Apple bare forskjellig personvern på fire spesifikke områder. Når nok personer erstatter et ord med en bestemt emoji, blir det et forslag for alle.

  • Når nye ord legges til nok lokale ordbøker for å bli ansett som vanlig, vil Apple legge den til i alles ordliste også.
  • Du kan bruke et søkeord i Spotlight, og det vil da gi appforslag og åpne den linken i appen eller la deg installere den fra App Store. For eksempel, si du søker etter "Star Trek", som foreslår IMDB-appen. Jo flere folk åpner eller installerer IMDB-appen, desto mer kommer det til å vises i alles søkeresultater.
  • Det vil gi mer nøyaktige resultater for Lookup Hints i Notes. For eksempel, si at du har et notat med ordet "eple" i den. Du gjør et oppslagssøk, og det gir deg resultater ikke bare for ordboksdefinisjonen, men også Apples nettsted, steder i Apple Stores, og så videre. Formentlig, jo flere folk klikker på bestemte resultater, jo høyere og oftere vil de vises i Lookup for alle andre.
  • La oss bruke emojis som et eksempel. I IOS 10 introduserte Apple en ny emoji-utskiftingsfunksjon på iMessage. Skriv ordet "kjærlighet", og du kan erstatte det med et hjerte-emoji. Skriv inn ordet "hund" og du gjettet det - du kan erstatte det med en hundemoji.

På samme måte er det mulig for iPhone å forutsi hvilken emoji du vil ha, hvis du skriver en melding "Jeg Jeg skal gå med hunden. Din iPhone vil hjelpe hunden emoji.

Så Apple tar alle de små bitene iMessage-dataene som samles inn, undersøker dem som helhet, og kan utlede mønstre fra hva folk skriver og i hvilken sammenheng Dette betyr at iPhone kan gi deg smartere valg fordi det drar nytte av alle disse tekstsamtalene andre skaper og tenker, "dette er trolig den emoji du vil ha."

Det tar en landsby (av Emoji)

Ulempen til Differensiell personvern er at den ikke gir nøyaktige resultater i små prøver. Det er kraft i å lage bestemte data vage, slik at den ikke kan tilskrives noen bruker. For at det skal fungere og fungere godt, må mange brukere delta.

Det er som å se på et bitmapet bilde opp ekstremt nært. Du kommer ikke til å se hva det er hvis du ser på bare noen få biter, men når du går tilbake og ser på det hele, blir bildet klarere og mer definert, selv om det ikke er super høyt

For å forbedre emoji-utskifting og forutsigelse må Apple derfor samle iPhone- og Mac-data fra hele verden for å gi det et stadig tydeligere bilde av hva folk gjør og dermed forbedre sine apps og tjenester. Det vender seg til alle disse randomiserte, støyende, crowdsourced dataene, og gruver det for mønstre, for eksempel hvor mange brukere bruker ferskenemoji i stedet for "butt".

Så kraften i Differential Privacy bygger på at Apple er i stand til å undersøke store mengder aggregerte data, samtidig som det sikres at det ikke er klokere om hvem som sender dem disse dataene.

Hvordan velge bort forskjellig personvern i iOS og macOS

Hvis du fortsatt ikke er overbevist at Differensiell personvern er riktig for deg, men du har lykke til. Du kan velge bort direkte fra enhetens innstillinger.

På din iOS-enhet klikker du på "Innstillinger" og deretter "Personvern".

På skjermbildet Personvern trykker du på "Diagnostikk og bruk".

Endelig på Skjermbildet Diagnostikk og bruk, trykk på "Ikke send".

Åpne MacOS, åpne Systemvalg og klikk på "Sikkerhet og personvern".

I sikkerhets- og personvernsinnstillingene klikker du på "Personvern" -fanen og deretter sørg for at "Send diagnostisk og brukerdata til Apple" ikke er merket. Merk at du må klikke på låseikonet i nedre venstre hjørne og angi systempassordet ditt før du kan gjøre denne endringen.

Det er åpenbart at det er mye mer å forskjellig personvern, både i teori og applikasjon, enn dette forenklet forklaring. Kjøttet og potetene av det stammer sterkt fra noen alvorlig matematikk, og det kan derfor bli ganske tungt og komplisert.

Forhåpentligvis gir dette deg en ide om hvordan det fungerer, og at du føler deg tryggere om selskaper som samler inn visse data uten frykt for å bli identifisert.


Slik ser du de mest brukte appene dine på Android

Slik ser du de mest brukte appene dine på Android

Har du noen gang lurt på hvilke apper som bruker mesteparten av tiden din? Jo, det kan du anta hva du bruker mest, men å se nøyaktig hva du bruker (og hvor ofte) kan være ganske fortellende. Det beste er at det å finne denne informasjonen er like enkelt som å installere en app fra Play-butikken. For å spore appbruk, skal vi bruke en app kalt kvalitetstid.

(how-top)

Slik oppretter du separate Netflix-profiler for mer nøyaktige forslag

Slik oppretter du separate Netflix-profiler for mer nøyaktige forslag

Netflix anbefaler innhold basert på hva du har sett, men hvis det tror at alle i din husstand er den samme personen, vil dens anbefalinger bli fryktelig. Slik forbedrer du anbefalinger for alle med brukerprofiler. RELATED: Slik setter du opp foreldrekontroll i Netflix Oppsett av flere brukerprofiler fordeler alle.

(how-top)