Crédito:CC0 Public Domain
En un momento en que la privacidad de las redes sociales, o la falta de ella, es noticia de primera plana, dos investigadores de Stanford tienen algunos hallazgos aleccionadores sobre cómo los datos personales se están volviendo cada vez más difíciles de ocultar si tenemos presencia pública en línea.
En un artículo publicado este mes en Comportamiento humano de la naturaleza , Johan Ugander, profesor asistente de ciencias de la gestión e ingeniería, y Kristen Altenburger, un doctorado estudiante en su laboratorio, han demostrado que hay más formas de las que se pensaba anteriormente para revelar rasgos demográficos que la gente podría estar tratando de ocultar. Este trabajo se basa en uno de los principales hilos de la investigación de la privacidad, que es entender cómo se correlacionan los diferentes rasgos.
El artículo de Stanford se basa en bases de datos disponibles específicamente para la investigación. Estos reflejan el tipo de información que los sitios web ponen a disposición de los anunciantes o revelan a grupos externos cuando las personas permiten que terceros accedan a sus perfiles sociales. Dada la prevalencia de tales datos, los investigadores buscaron comprender mejor qué tipo de inferencias estadísticas podrían terminar revelando rasgos que la gente ha tratado de ocultar.
"En los datos sociales, algunas cosas son más predecibles que otras, ", Dijo Ugander." Nos propusimos estudiar la relación entre las redes de amigos y la previsibilidad, y terminó descubriendo un mecanismo de inferencia que no se había notado antes ".
Niveles de inferencia
En el nivel más simple, las personas revelan información sobre sí mismas en función de cómo se comportan en línea. Si una persona compra pañales en línea, por ejemplo, probablemente tengan un bebé. Esa es una inferencia directa.
Una segunda forma de inferencia se basa en mirar a nuestros amigos, o inferencia indirecta. Los investigadores que han estudiado las relaciones en las redes sociales han descubierto que tendemos a hacernos amigos de personas de aproximadamente nuestra misma edad, raza y creencias políticas. Entonces, incluso si una persona no revela su edad, raza o puntos de vista políticos, estos rasgos se infieren con facilidad y precisión a partir de estudios sobre la amistad. Los investigadores llaman a esta tendencia homofilia, que proviene de las palabras griegas para amor a la igualdad.
Pero no todos los rasgos desconocidos son fáciles de predecir utilizando estudios de amigos. Género, por ejemplo, exhibe lo que los investigadores llaman homofilia débil en contextos en línea.
"Si una persona desconocida en una red social tiene en su mayoría amigos varones, hay una probabilidad casi igual de que sea mujer, o viceversa, "Dijo Altenburger.
Amigos de amigos
La nueva investigación del grupo muestra que es posible inferir ciertos rasgos ocultos, siendo el género el primero, al estudiar a los amigos de nuestros amigos.
Esta técnica funciona porque Ugander y Altenburger han descrito una nueva estructura social que llaman monofilia, Griego para "amor de uno, "donde las personas tienen preferencias extremas por los rasgos, pero no necesariamente los suyos propios". Por ejemplo, "Ugander dijo, "en promedio, podría darse el caso de que los hombres no tengan una preferencia clara por amigos masculinos o femeninos, pero ese promedio puede estar ocultando el hecho de que algunos hombres tienen fuertes preferencias por los amigos varones, mientras que otros tienen fuertes preferencias por las amigas ".
Observan que cuando hay monofilia en una red, es posible predecir los rasgos de las personas basándose en los amigos de los amigos, incluso en situaciones donde no hay homofilia.
El equipo de Stanford se basó en conjuntos de datos de red estándar ampliamente estudiados por académicos. Estos conjuntos de datos mapean redes de amistad y contienen información completa sobre todos los rasgos de todos los rasgos individuales, incluido el género. Luego, los investigadores borraron los datos de género de ciertas personas, creando incógnitas artificiales, y luego usó su análisis de "amigos de amigos" para ver si podía hacer una predicción.
"Es un problema de rellenar los espacios en blanco, "dijo Ugander." Y aunque descubrimos que tus amigos no tienden a predecir tu género, las personas con las que esos amigos eligen asociarse, tus amigos de amigos, tienden a ser más similares a ti que incluso tus amigos ".
Los investigadores dijeron que el poder de su nueva perspectiva, de mirar a los amigos de nuestros amigos, destaca la importancia de proteger los datos de la red de manos indiscretas. Cualquier solución de política para preservar la privacidad de la red deberá considerar la información contenida entre los amigos de los amigos. Ahora están volviendo a aplicar su técnica a otras incógnitas para ver qué más pueden revelar los amigos de los amigos.
"No estamos seguros de qué más podría revelarse de esta manera, "Ugander dijo, agregando:"Desafortunadamente, parece que el ámbito de la privacidad de la red es incluso más pequeño de lo que pensábamos ".