Tech
即便卸载了各种社交应用，你也无法保护隐私
每个人都有不厌其烦突然爆发的时候。受不了。监听聊天内容，上传地理信息，搜什么广告就立刻跟着推送……Facebook你XX，Twitter我去▇▇。社交应用统统滚蛋，再次做一个人吧。
可悲的是，根据一项新的研究，即便物理断网，也无法保护自己的隐私。
佛蒙特大学的研究人员发现，通过您所处的社交圈子——您与之互动的网络好友——甚至可以比您自己以前发布在网络上的内容，更能揭示出您的各种信息。
他们的论文中写道：“只需分析目标个体的8-9个网络好友，就能拼凑出足够精确的信息——等效于直接分析目标本身。我们的结果具有明显的隐私寓意：个人信息如此强烈地嵌入到社交网络中，原则上，即使个体脱离了平台，也可以将个人放到其可用的社交关系中进行分析。”
为了分析社交回音现象的可预测性，该团队选出了13905名Twitter用户的超过3000万条公共推文。
庞大的数据集通过被称为信息理论估算器的计算机系统——这是一种机器学习形式，通过帖子中的语言数据进行筛选，同时参考用户活动的时间顺序——进行分析。
利用这些数据，研究人员确定了927个“自我网络”，每个网络代表一个用户(自我)和他们最常提到的15个Twitter联系人(改变者)。
在这些自我网络中，具有学习能力的算法，能够预测出“自我”以后发布的大约60％的内容。
这个数字可能听起来不太可怕，但显然比靠投硬币做决策好多了；它反映出，我们无意中在社交网络上泄露了大量的个人信息。
现在，该团队表示60％的可预测性是他们的方法所能达到的上限，但令人惊讶的是，一旦你将“自我”先前的推文从数据集中删除——并且只给算法输入“改变者”所说的内容——可预测性只会下降到57％左右。
换句话说，即使你根本不在某个特定的社交媒体平台上，机器学习系统也能够借由其他人拼凑出你的“影子形象”，这种影像来自于你最近和最亲爱的人所泄露出的大量只言片语。
如维也纳医科大学的计算机科学家David Garcia(他的研究方向相同，但没有参与这项研究)所说，在保护隐私方面，这些令人敬畏的预测能力使现行的游戏规则面目全非。
“虽然我们知道从个人的公开信息中能分析出很多隐秘的内容，同时这也使得保护隐私的法规捉襟见肘，但是大规模阴影轮廓描摹和社会形态推理的可能性指向了更严重的问题。考虑到信息会从他人处流出，我们不要以为个人遵从了保护隐私安全的指导意见就万事大吉，而应该建设全隐私模式的网络结构。”
该研究结果发表在Nature Human Behavior上。
本文译自 sciencealert，由 majer 编辑发布。