Apple zet hun reputatie op het spel om ervoor te zorgen dat de gegevens die het van u verzamelt privé blijven. Hoe? Door iets te gebruiken dat 'Differentiële privacy' wordt genoemd.
Wat is differentiële privacy?
appel legt het als zodanig uit:
Apple gebruikt Differential Privacy-technologie om de gebruikspatronen van een groot aantal gebruikers te helpen ontdekken zonder de persoonlijke privacy in gevaar te brengen. Om de identiteit van een persoon te verhullen, voegt Differential Privacy wiskundige ruis toe aan een kleine steekproef van het gebruikspatroon van de persoon. Naarmate meer mensen hetzelfde patroon delen, beginnen er algemene patronen te ontstaan die de gebruikerservaring kunnen informeren en verbeteren.
De filosofie achter Differential Privacy is deze: elke gebruiker wiens apparaat, of het nu een iPhone, iPad of Mac is, een berekening toevoegt aan een grotere pool van geaggregeerde gegevens (een grote afbeelding gevormd uit verschillende kleinere afbeeldingen), mag niet worden onthuld als de bron, laat staan welke gegevens ze hebben bijgedragen.
Apple is ook niet het enige bedrijf dat dit doet - zowel Google als Microsoft gebruikten het al eerder. Maar Apple maakte het populair door er in detail over te praten WWDC-keynote 2016 .
Dus hoe verschilt dit van andere geanonimiseerde gegevens, vraagt u zich af? Welnu, geanonimiseerde gegevens kunnen nog steeds worden gebruikt om persoonlijke informatie af te leiden als u genoeg weet over een persoon.
Stel dat een hacker toegang heeft tot een geanonimiseerde database die de loonlijst van een bedrijf onthult. Laten we zeggen dat ze ook weten dat werknemer X naar een ander gebied verhuist. De hacker kan dan eenvoudig de database opvragen voor en na de verhuizing van werknemer X en gemakkelijk zijn inkomen afleiden.
Om de gevoelige informatie van Werknemer X te beschermen, wijzigt Differential Privacy de gegevens met wiskundige 'ruis' en andere technieken, zodat als u de database opvraagt, u alleen een benadering van hoeveel (of iemand anders) werknemer X is betaald.
Daarom blijft zijn privacy behouden vanwege het 'verschil' tussen de geleverde gegevens en de ruis die eraan wordt toegevoegd, dus het is vaag genoeg dat het vrijwel onmogelijk is om te weten of die gegevens waar je naar kijkt, daadwerkelijk van een bepaald individu zijn.
Hoe werkt de differentiële privacy van Apple?
Differentiële privacy is een relatief nieuw concept , maar het idee is dat het een bedrijf scherpe inzichten kan geven op basis van gegevens van zijn gebruikers, zonder te weten wat precies die gegevens zeggen of van wie ze afkomstig zijn.
Apple vertrouwt bijvoorbeeld op drie componenten om Differential Privacy op je Mac- of iOS-apparaat te laten werken: hashing, subsampling en noise injection.
Hashing neemt een reeks tekst en verandert deze in een kortere waarde met een vaste lengte en mengt deze sleutels tot onomkeerbaar willekeurige reeksen van unieke tekens of "hash". Hierdoor worden uw gegevens verborgen, zodat het apparaat deze niet in de oorspronkelijke vorm opslaat.
Subsampling betekent dat Apple, in plaats van elk woord te verzamelen dat iemand typt, slechts een kleinere steekproef ervan gebruikt. Stel dat u een lang tekstgesprek voert met een vriend die royaal emoji gebruikt. In plaats van dat hele gesprek te verzamelen, kan bij subsampling in plaats daarvan alleen de delen worden gebruikt waar Apple in geïnteresseerd is, zoals de emoji.
Ten slotte injecteert uw apparaat ruis door willekeurige gegevens toe te voegen aan de originele gegevensset om deze vager te maken. Dit betekent dat Apple een resultaat krijgt dat een heel klein beetje is gemaskeerd en daarom niet helemaal exact is.
Dit gebeurt allemaal op uw apparaat, dus het is al ingekort, door elkaar gehaald, gesampled en vervaagd voordat het zelfs naar de cloud wordt gestuurd zodat Apple het kan analyseren.
Waar wordt de differentiële privacy van Apple gebruikt?
Er zijn verschillende gevallen waarin Apple macht gegevens wil verzamelen om zijn apps en services te verbeteren. Op dit moment gebruikt Apple differentiële privacy echter alleen op vier specifieke gebieden.
- Als genoeg mensen een woord vervangen door een bepaalde emoji, wordt het een suggestie voor iedereen.
- Wanneer er nieuwe woorden worden toegevoegd aan voldoende lokale woordenboeken om als alledaags te worden beschouwd, zal Apple deze ook aan het woordenboek van alle anderen toevoegen.
- Je kunt een zoekterm gebruiken in Spotlight, en het zal dan app-suggesties geven en die link openen in die app of je toestaan om het te installeren vanuit de App Store. Stel dat u zoekt naar "Star Trek", wat de IMDB-app suggereert. Hoe meer mensen de IMDB-app openen of installeren, hoe meer deze in de zoekresultaten van iedereen zal verschijnen.
- Het levert nauwkeurigere resultaten op voor opzoekhints in notities. Stel dat u een notitie heeft met het woord ‘appel’ erin. U voert een opzoekopdracht uit en het geeft u niet alleen resultaten voor de woordenboekdefinitie, maar ook voor de website van Apple, de locaties van Apple Stores, enzovoort. Waarschijnlijk geldt dat hoe meer mensen op bepaalde resultaten tikken, hoe hoger en vaker ze worden weergegeven in de zoekopdracht voor alle anderen.
Laten we emoji's als voorbeeld gebruiken. In iOS 10, Apple introduceerde een nieuwe vervangende emoji-functie op iMessage. Typ het woord 'liefde' en je kunt het vervangen door een hartemoji. typ het woord 'hond' en - je raadt het al - je kunt het vervangen door een hondenemoji.
Op dezelfde manier is het mogelijk dat uw iPhone voorspelt welke emoji u wilt, zodat als u een bericht typt "Ik ga met de hond wandelen", uw iPhone de hond-emoji nuttig zal voorstellen.
Apple neemt dus al die kleine stukjes iMessage-gegevens die het verzamelt, onderzoekt ze als geheel en kan patronen afleiden uit wat mensen typen en in welke context. Dit betekent dat je iPhone je slimmere keuzes kan bieden, omdat hij profiteert van al die tekstgesprekken die anderen maken en denkt: "Dit is waarschijnlijk de emoji die je wilt."
It Takes a Village (of Emoji)
Het nadeel van Differential Privacy is dat het geen nauwkeurige resultaten oplevert in kleine steekproeven. Het is de kracht ervan om specifieke gegevens vaag te maken, zodat ze niet aan één gebruiker kunnen worden toegeschreven. Om het te laten werken en goed te laten werken, moeten veel gebruikers deelnemen.
Het is net alsof je van heel dichtbij naar een bitmapfoto kijkt. Je zult niet kunnen zien wat het is als je maar naar een paar stukjes kijkt, maar als je een stap achteruit doet en naar het hele ding kijkt, wordt het beeld duidelijker en duidelijker, zelfs als het niet superhoog is resolutie.
Om de vervanging en voorspelling van emoji's (onder andere) te verbeteren, moet Apple dus iPhone- en Mac-gegevens van over de hele wereld verzamelen om het een steeds duidelijker beeld te geven van wat mensen doen en zo zijn apps en services te verbeteren. Het draait om al deze gerandomiseerde, luidruchtige, crowdsourced gegevens en gebruikt deze voor patronen, zoals hoeveel gebruikers de perzik-emoji gebruiken in plaats van 'kont'.
De kracht van Differential Privacy is dus afhankelijk van het feit dat Apple in staat is om grote hoeveelheden geaggregeerde gegevens te onderzoeken, en er tegelijkertijd voor te zorgen dat het niet wijzer is wie hen die gegevens stuurt.
Hoe u zich kunt afmelden voor differentiële privacy in iOS en macOS
Als je er nog steeds niet van overtuigd bent dat Differential Privacy geschikt voor je is, heb je geluk. U kunt zich rechtstreeks afmelden via de instellingen van uw apparaat.
Tik op uw iOS-apparaat op "Instellingen" openen en vervolgens op "Privacy".
Tik op het privacyscherm op "Diagnostics & Usage".
Tik ten slotte op het scherm Diagnostiek en gebruik op 'Niet verzenden'.
Open op macOS de Systeemvoorkeuren en klik op "Beveiliging en privacy".
Klik in de voorkeuren voor Beveiliging en privacy op het tabblad "Privacy" en zorg ervoor dat "Diagnostische en gebruiksgegevens naar Apple verzenden" niet is aangevinkt. Houd er rekening mee dat u op het slotpictogram in de linkerbenedenhoek moet klikken en uw systeemwachtwoord moet invoeren voordat u deze wijziging kunt aanbrengen.
Klaarblijkelijk, differentiële privacy heeft veel meer te bieden , zowel in theorie als in toepassing, dan deze vereenvoudigde uitleg. Het vlees en de aardappelen ervan zijn sterk afhankelijk van serieuze wiskunde en als zodanig kan het behoorlijk zwaar en ingewikkeld worden.
Hopelijk geeft dit je echter een idee van hoe het werkt en dat je meer vertrouwen hebt in bedrijven die bepaalde gegevens verzamelen zonder bang te hoeven zijn geïdentificeerd te worden.
