Chính quyền Hoa Kỳ quyết định cấm ứng dụng TikTok do lo ngại về an ninh quốc gia và bảo mật quyền riêng tư. Lệnh cấm này cho thấy mối quan tâm ngày càng tăng của người Mỹ về quyền riêng tư trên không gian mạng nói chung.

Người dùng thường ngần ngại chia sẻ dữ liệu cá nhân của mình, một phần là do họ không biết ai sẽ có quyền truy cập, cũng như cách các bên, tổ chức thu thập dữ liệu. Hơn nữa, một khi người dùng biết về công nghệ bảo mật dữ liệu, họ có thể không nhận được những gì như mong đợi.

Thuật toán Differential privacy

Để bảo mật thông tin cá nhân của người dùng, đã có nhiều công nghệ mới ra đời, trong đó có Differential privacy. Đây là một trong những kỹ thuật nổi bật nhất và đang được áp dụng rộng rãi.

Giả sử, Sở du lịch muốn tìm ra các địa điểm du lịch nổi tiếng tại một khu vực. Sở sẽ thu thập tất cả các địa điểm mà người dân ghé thăm từ định vị của điện thoại di động, và thống kê tần suất từng địa điểm được ghé thăm. Mặc dù hiệu quả nhưng việc thu thập dữ liệu nhạy cảm của mọi người theo cách này có thể gây ra hậu quả nghiêm trọng. Ngay cả khi dữ liệu không có tên, các bên phân tích dữ liệu hoặc tin tặc vẫn có thể xác định và theo dõi người dân.

Để bảo vệ quyền riêng tư của người dân, Differential privacy được coi là lựa chọn hàng đầu. Thuật toán này giúp ẩn thông tin cụ thể của mỗi cá nhân, thay đổi ngẫu nhiên danh sách các địa điểm họ đã ghé thăm, hay thêm, xóa một số địa điểm khác, từ đó ngăn chặn kẻ xấu xác định danh tính của người dùng. Hơn hết, thuật toán này vẫn đảm bảo kết quả thống kê đầy đủ chính xác.

Tuy nhiên, trong thực tế, Differential privacy vẫn có một số hạn chế nhất định. Quá trình thay đổi ngẫu nhiên cần được điều chỉnh cẩn thận. Nếu thay đổi quá nhiều sẽ khiến thống kê trở nên không chính xác. Mặt khác, nếu quá ít sẽ khiến người dân dễ bị lộ danh tính. Ngoài ra, nếu quá trình thay đổi ngẫu nhiên diễn ra sau khi hoàn tất thu thập dữ liệu của người dânc, tin tặc vẫn có thể lấy được dữ liệu gốc.

Năm 2006, Differential privacy mới chỉ là một công cụ thú vị về mặt lý thuyết. Sau 8 năm, thuật toán mới thực sự được áp dụng vào thực tiễn, khi Google trở thành công ty đầu tiên bắt đầu công khai sử dụng Differential privacy để thu thập dữ liệu.

Kể từ đó, Microsoft, Google, Cục Thống kê dân số Hoa Kỳ, Apple và  Uber bắt đầu triển khai Differential privacy rộng rãi trên toàn hệ thống. Trong đó, thuật toán giúp Apple hỗ trợ các thuật toán machine learning mà không cần thu thập thông tin người dùng, và giúp Uber kiểm soát quyền truy cập dữ liệu của các nhà phân tích dữ liệu nội bộ.

Ngoài ra, Differential privacy cũng được coi là giải pháp cho các vấn đề về quyền riêng tư của ngành quảng cáo trực tuyến, cho phép các nhà quảng cáo tìm hiểu phản ứng của người xem mà không cần theo dõi họ.

Kì vọng quá mức 

Differential privacy vượt trội là vậy, nhưng liệu người dùng đã hiểu rõ về thuật toán này hay chưa?

Để tìm câu trả lời, các nhà nghiên cứu tại Đại học Boston, Viện Công nghệ Georgia và Nghiên cứu Microsoft, Viện Max Planck, đã thực hiện một cuộc khảo sát nhằm đánh giá mức độ tin tưởng của người dân Mỹ đối với các hệ thống Differential privacy.

Khảo sát trên 675 người dân, hầu hết đều cho biết họ sẵn sàng chia sẻ dữ liệu cá nhân gấp đôi nếu biết rằng dữ liệu của mình được Differential privacy bảo vệ. Người dùng kỳ vọng thuật toán này sẽ bảo vệ thông tin cá nhân của mình hoàn toàn, vì vậy, họ dễ dàng chia sẻ thông tin của mình hơn.

Tuy nhiên, Differential privacy không phải phải là một hệ thống hoàn hảo. Nhiều hệ thống Differential privacy không bảo vệ dữ liệu người dùng khỏi các cuộc điều tra của cơ quan thực thi pháp luật, trong khi 20% số người được hỏi mong đợi điều này.

Hiểu lầm này là do các công ty, phương tiện truyền thông và thậm chí các chuyên gia chưa mô tả kỹ về Differential privacy. Hầu hết các thông tin đều tập trung vào ưu điểm và bỏ qua hạn chế của Differential privacy, khiến người dùng đặt kỳ vọng quá mức vào hệ thống này.

Xây dựng niềm tin

Để có những lựa chọn sáng suốt khi chia sẻ dữ liệu, người dùng cần được biết đầy đủ thông tin về tính năng, cũng như cách thức hoạt động của Differential privacy, từ đó có kỳ vọng hợp lý và đúng đắn hơn.

Theo The Conversation

Tin liên quan: