物聯網 3 17
 使您的生活更輕鬆的設備也可能使您的隱私受到威脅。 三星的 Eric Kayne/AP 圖片

你有沒有感覺到有人在看著你? 然後你轉身,你看不到任何不尋常的東西。 但是,根據您所處的位置,您可能沒有完全想像到它。 每天有數以億計的東西在感應你。 它們無處不在,隱藏在您的電視、冰箱、汽車和辦公室中。 這些東西比你想像的更了解你,其中許多人通過互聯網傳達這些信息。

回到 2007 年,很難想像智能手機帶來的有用應用程序和服務的革命。但它們伴隨著 侵入性和隱私損失方面的成本。 如 電腦科學家 誰學習 數據管理和隱私,我們發現隨著互聯網連接擴展到家庭、辦公室和城市的設備,隱私比以往任何時候都更加危險。

物聯網

您的電器、汽車和家旨在讓您的生活更輕鬆,並自動執行您每天執行的任務:進出房間時打開和關閉燈,提醒您西紅柿即將變質,個性化房屋溫度取決於家庭中每個人的天氣和喜好。

為了施展魔法,他們需要互聯網來尋求幫助並關聯數據。 如果沒有互聯網訪問,您的智能恆溫器可以收集有關您的數據,但它不知道天氣預報是什麼,並且它的功能不足以處理所有信息以決定做什麼。


內在自我訂閱圖形


物聯網2 3 17
 Nest 智能恆溫器會跟踪您的存在並連接到互聯網。 智能家居完善/Flickr, CC BY

但是,通過互聯網進行通信的不僅僅是您家中的物品。 工作場所、商場和城市也變得越來越智能,這些地方的智能設備也有類似的要求。 事實上,物聯網(IoT)已經廣泛應用於交通物流、農業養殖、工業自動化等領域。 22 年,全球有大約 2018 億台聯網設備在使用,這個數字是 預計到 50 年將增長到超過 2030 億.

這些事情對你的了解

智能設備收集有關其用戶的廣泛數據。 歸根結底,智能安全攝像頭和智能助手是您家中的攝像頭和麥克風,用於收集有關您的存在和活動的視頻和音頻信息。 在不太明顯的一端,智能電視之類的東西使用 用於監視用戶的攝像頭和麥克風, 智能燈泡 跟踪您的睡眠和心率, 和智能吸塵器 識別您家中的物體並映射它的每一寸.

有時,這種監視作為一項功能進行銷售。 例如,一些 Wi-Fi 路由器可以收集用戶在家中的行踪信息,甚至 與其他智能設備協調以感知運動.

製造商通常承諾只有自動決策系統而不是人類才能看到您的數據。 但情況並非總是如此。 例如,亞馬遜工人 聽一些與 Alexa 的對話,轉錄它們並對其進行註釋,然後再將它們輸入自動化決策系統。

但是,即使將個人數據的訪問權限限制在自動決策系統中,也會產生不良後果。 通過互聯網共享的任何私人數據都可能容易受到世界任何地方的黑客的攻擊,並且 很少有消費者聯網設備非常安全.

了解你的弱點

對於某些設備,例如智能揚聲器或相機,用戶有時可以出於隱私考慮將其關閉。 然而,即使這是一種選擇,斷開設備與互聯網的連接也會嚴重限制它們的實用性。 當您在工作場所、商場或智能城市中時,您也沒有該選項,因此即使您沒有智能設備,您也可能容易受到攻擊。

因此,作為用戶,在購買、安裝和使用聯網設備時,通過了解隱私和舒適度之間的權衡來做出明智的決定非常重要。 這並不總是那麼容易。 研究表明,例如,智能家居個人助理的所有者 不完全了解 設備收集哪些數據,數據存儲在哪里以及誰可以訪問它。

世界各地的政府都出台了法律來保護隱私並讓人們對自己的數據有更多的控制權。 一些例子是 歐洲通用數據保護條例 (GDPR)加州消費者隱私法(CCPA). 多虧了這一點,例如,您可以 提交數據主體訪問請求 (DSAR) 發送給從聯網設備收集您的數據的組織。 這些組織必須在一個月內回复這些管轄範圍內的請求,解釋收集了哪些數據、如何在組織內使用這些數據以及是否與任何第三方共享這些數據。

限制隱私損害

法規是重要的一步; 但是,它們的實施可能需要一段時間才能趕上不斷增長的互聯網連接設備數量。 與此同時,您可以做一些事情來利用互聯網連接的一些好處,而不會洩露過多的個人數據。

如果您擁有智能設備,您可以採取措施保護它並最大限度地降低您的隱私風險。 聯邦貿易委員會提供 關於如何保護您的互聯網連接設備的建議. 兩個關鍵步驟是定期更新設備的固件並檢查其設置並禁用與您希望設備執行的操作無關的任何數據收集。 在線信任聯盟提供額外的 給消費者的提示和清單 以確保安全和私密地使用消費者聯網設備。

如果您對購買聯網設備猶豫不決,請找出它捕獲的數據以及製造商的數據管理策略來自獨立來源,例如 Mozilla 的隱私不包括在內. 通過使用此信息,您可以從認真對待用戶隱私的製造商處選擇您想要的智能設備版本。

最後但並非最不重要的一點是,您可以停下來思考一下您是否真的需要所有設備都變得智能。 例如,您是否願意提供有關您自己的信息以便能夠 口頭命令你的咖啡機給你煮咖啡?談話

關於作者

羅伯托·尤斯, 計算機科學助理教授, 馬里蘭大學巴爾的摩分校原始帕帕查, 計算機科學博士後, 賓夕法尼亞州立大學

本文重新發表 談話 根據知識共享許可。 閱讀 原創文章.