Ko sociālie tīkli zina par biedriem, kas nav biedri

Kontaktinformācija atklāj privātās izvēles

Sociālie tīkli sadala sabiedrību daļās un ārpus tās. Attiecības starp valstīm, kas nav dalībnieki, kuru e-pasta adreses tīklam ir paziņojušas (sarkanās līnijas), visticamāk, tiks prognozētas, pamatojoties uz savstarpēji saskaņotām draudzībām starp biedriem (melnas līnijas) un viņu savienojumiem ar dalībniekiem, kas nav dalībnieki (zaļas līnijas). būt. © Ágnes Horvát
lasīt skaļi

Ko sociālie tīkli internetā var zināt par cilvēkiem, kuriem pašiem nav lietotāja profila, bet ir dalībnieku biedri? Tagad pētnieki to ir izpētījuši sīkāk. Viņi atklāja, ka ar mērķtiecīgu analīzi ir iespējams noskaidrot, kuri no šiem biedriem nav savstarpēji draugi. No draugu loka zināšanām savukārt var secināt par noteiktiem vaļaspriekiem, politiskiem uzskatiem un pat kaut ko tik privātu kā seksuālā orientācija.

Zinātnieki jau vairākus gadus jautā, kādus secinājumus var izdarīt, izmantojot tieši vai netieši ievadītos datus, izmantojot datoru. Piemēram, sociālajā tīklā tādu informāciju kā seksuālo orientāciju vai politisko virzienu var aprēķināt ļoti precīzi, pat ja loceklis to nav norādījis. Pietiek, ja pietiekami daudz attiecīgā lietotāja draugu ir publiskojuši atbilstošo informāciju par sevi. "Tiklīdz ir zināmas apstiprinātas draudzības, noteiktu nezināmu īpašību prognozēšana vairs nav izaicinājums ar mašīnu darbināmai datu analīzei, " saka Freds Hamprehts, Heidelbergas universitātes Starpdisciplinārā zinātniskās skaitļošanas centra (IWR) līdzdibinātājs.

Tomēr līdz šim šāda veida izmeklēšana ir aprobežojusies tikai ar sociālo tīklu lietotājiem, ti, personām, kurām tur ir lietotāja profils, un tādējādi ir piekritušas attiecīgajiem datu aizsardzības nosacījumiem. "Tomēr personām, kas nav biedri, šādas vienošanās nav. Šī iemesla dēļ mēs esam pārbaudījuši viņu uzņēmību pret tā dēvēto ēnu profilu automātisku ģenerēšanu, "skaidro Katharina Zveiga, kas vēl nesen strādāja IWR.

Tīkli arī vāc kontaktinformāciju no valstīm, kas nav dalībnieki

Sociālajā tīklā internetā ir iespējams iegūt informāciju par biedriem, kas nav biedri, tostarp izmantojot funkciju paziņu atrašanai. Piemēram, jauniem Facebook dalībniekiem tiek lūgts reģistrēties tīklam ar pilnīgu e-pasta kontaktinformāciju - ieskaitot kontaktus ar cilvēkiem, kuri paši nav Facebook biedri. "Šīs ļoti pamatzināšanas par to, kurš ir zināms, kuru sociālajā tīklā var saistīt ar informāciju par to, ko zina lietotāji ārpus tīkla. Ar šo saikni, savukārt, var iegūt ievērojamu daļu no paziņu tīkla, kas nav biedri, "skaidro skaidrojošais Horvāts, kurš strādā IWR.

Savos aprēķinos Heidelbergas zinātnieki izmantoja standarta mašīnmācīšanās metodi, kuras pamatā ir tīklu strukturālo īpašību analīze. Tā kā šim pētījumam nepieciešamie dati nav brīvi pieejami, pētnieki ir izmantojuši reālu sākotnējo datu testa kopu. Dalīšana dalībniekos un ārpuskopienas locekļos jāimulē ar pēc iespējas plašāku metožu klāstu. Komerciālie datori dažu dienu laikā spēja aprēķināt, kuri ārpusbiedri, iespējams, draudzējas savā starpā. displejs

40 procenti uzmin pareizi

Heidelbergas zinātniekiem bija pārsteidzoši, ka visas simulācijas pieejas deva vienādus kvalitatīvos rezultātus. Ar aprēķiniem ir pierādīti reāli pieņēmumi par to, cik procenti iedzīvotāju ir sociālā tīkla dalībnieki, un vai ir iespējams augšupielādēt viņu e-pasta adrešu grāmatu. veikt aptuveni 40 procentu pareizu prognozi par paziņām starp biedriem, kas nav biedri. Ja jūs zināt draudzību, tad bieži vien varat arī izdarīt secinājumus par vēlmēm, dzīvesveidu un uzzīmēt kaut ko līdzīgu.

Mūsu izmeklēšana ir parādījusi potenciālo sociālo tīklu potenciālu informācijas iegūšanai par dalībniekiem, kas nav dalībnieki. Rezultāti ir pārsteidzoši arī tāpēc, ka tie ir balstīti uz tīru kontaktu datiem, uzsver Hamprehts. Tomēr daudziem sociālajiem tīkliem un pakalpojumu sniedzējiem ir daudz vairāk informācijas par lietotājiem, piemēram, vecums, ienākumi, izglītība vai dzīvesvieta. Izmantojot šādus datus, atbilstošu tehnisko infrastruktūru un citas tīkla analīzes struktūras pazīmes, zinātnieki, visticamāk, spēs ievērojami palielināt prognozēšanas precizitāti.

"Kopumā mūsu projekts parāda, ka mums kā sabiedrībai ir jāpanāk vienošanās par to, cik lielā mērā var izmantot informāciju, kura netiek atbrīvota no attiecīgajām personām, " saka Zveiga,

(PLoS ONE, 2012; doi: 10.1371 / journal.pone.0034740)

(Ruprecht-Karls-University Heidelberg, 04.05.2012 - NPO)