Tendencias Científicas
Imagen: Ellsing. Fuente: PhotoXpress.
Con los datos de su factura de teléfono móvil, un investigador bien preparado podría deducir muchísimas cosas sobre usted.
Si llama poco, o si llama mucho; si llama siempre a un grupo reducido de personas, o a uno amplio; si recibe muchas o pocas llamadas; la duración de las mismas; o la hora a la que suele llamar, son datos muy útiles para el observador avisado.
Si una llamada provoca una serie de llamadas en cadena, señala un experto en New Scientist, podría significar que el primer número de teléfono pertenece a un dirigente de una organización (¿criminal?). Según un experto, las agencias de inteligencia agrupan a la gente por su perfil "llamador".
La noticia de que la NSA estadounidense (la Agencia de Vigilancia Nacional) analiza al detalle los registros de llamadas y de e-mails ha planteado hasta qué punto es relevante que lo hagan. Aunque las autoridades se han cuidado mucho de subrayar que no tienen acceso a las conversaciones y a los textos en sí (salvo requerimiento judicial), los análisis superficiales no son inocentes.
Yves-Alexandre de Montjoye, del Massachusetts Institute of Technology, y sus colegas, analizaron 1.5 millones de registros de llamadas (anonimizados) proporcionados por un operador de telefonía móvil, que correspondían a un periodo de 15 meses.
Descubrieron que si el conjunto de datos incluía la localización de las personas cada hora, y la resolución espacial venía dada por las antenas del operador, bastaba con cuatro puntos espacio-temporales para distinguir de manera única al 95% de los individuos.
El estudio señala que las trazas de movilidad de las personas ya no son exclusivas de los operadores de telefonía móvil. Por ejemplo, Apple reseña en su política de privacidad que puede compartir los datos con sus socios y colaboradores. Las aplicaciones de iPhone y Android localizan de manera inmediata a millones de personas.
Aunque la lista de llamadas y geolocalización sea completamente anónima, se puede combinar con otra lista de datos conocida, como una base de datos médica, y descubrir algún nombre. Por ejemplo, así se hizo en un estudio, que consiguió deducir el historial médico del gobernador de Massachussetts.
Si llama poco, o si llama mucho; si llama siempre a un grupo reducido de personas, o a uno amplio; si recibe muchas o pocas llamadas; la duración de las mismas; o la hora a la que suele llamar, son datos muy útiles para el observador avisado.
Si una llamada provoca una serie de llamadas en cadena, señala un experto en New Scientist, podría significar que el primer número de teléfono pertenece a un dirigente de una organización (¿criminal?). Según un experto, las agencias de inteligencia agrupan a la gente por su perfil "llamador".
La noticia de que la NSA estadounidense (la Agencia de Vigilancia Nacional) analiza al detalle los registros de llamadas y de e-mails ha planteado hasta qué punto es relevante que lo hagan. Aunque las autoridades se han cuidado mucho de subrayar que no tienen acceso a las conversaciones y a los textos en sí (salvo requerimiento judicial), los análisis superficiales no son inocentes.
Yves-Alexandre de Montjoye, del Massachusetts Institute of Technology, y sus colegas, analizaron 1.5 millones de registros de llamadas (anonimizados) proporcionados por un operador de telefonía móvil, que correspondían a un periodo de 15 meses.
Descubrieron que si el conjunto de datos incluía la localización de las personas cada hora, y la resolución espacial venía dada por las antenas del operador, bastaba con cuatro puntos espacio-temporales para distinguir de manera única al 95% de los individuos.
El estudio señala que las trazas de movilidad de las personas ya no son exclusivas de los operadores de telefonía móvil. Por ejemplo, Apple reseña en su política de privacidad que puede compartir los datos con sus socios y colaboradores. Las aplicaciones de iPhone y Android localizan de manera inmediata a millones de personas.
Aunque la lista de llamadas y geolocalización sea completamente anónima, se puede combinar con otra lista de datos conocida, como una base de datos médica, y descubrir algún nombre. Por ejemplo, así se hizo en un estudio, que consiguió deducir el historial médico del gobernador de Massachussetts.
Un ejemplo gráfico de cómo se localiza temporal y espacialmente una persona a partir de sus llamadas. Fuente: Nature.
El método
El estudio se basa en datos de un pequeño país centroeuropeo sin identificar, y en datos de telefonía móvil y del servicio de auto-localización Foursquare.
El número mínimo de datos necesario para descubrir la "unicidad" de una persona depende de la densidad de población, y del número de antenas de telefonía o de puntos wi-fi, es decir, de la "resolución" de la red.
Pero dado que en general ambos factores son directamente proporcionales, los investigadores consideran que sus conclusiones son generalizables.
Ampliar el campo geográfico de observación no cambia mucho las cosas, añaden, porque el 94% de los individuos se mueven en un radio medio de 100 km.
Otro dato curioso (y lógico) es que cuanto más raro sea el dato, más relevante es a la hora de "identificar" a alguien: un punto en MIT a las 3 de la madrugada es mucho más valioso que uno en el centro de Boston en una tarde de viernes.
Otros experimentos
El político alemán Malte Spitz utilizó sus datos de llamadas de seis meses, junto con datos de redes sociales y otra información de internet sobre él para crear un mapa que trazara sus movimientos y actividades. Este mapa mostraba dónde había estado Spitz en un momento dado, qué había estado haciendo, cuántas llamadas había hecho y cuánto tiempo había estado conectado a internet.
El estudio se basa en datos de un pequeño país centroeuropeo sin identificar, y en datos de telefonía móvil y del servicio de auto-localización Foursquare.
El número mínimo de datos necesario para descubrir la "unicidad" de una persona depende de la densidad de población, y del número de antenas de telefonía o de puntos wi-fi, es decir, de la "resolución" de la red.
Pero dado que en general ambos factores son directamente proporcionales, los investigadores consideran que sus conclusiones son generalizables.
Ampliar el campo geográfico de observación no cambia mucho las cosas, añaden, porque el 94% de los individuos se mueven en un radio medio de 100 km.
Otro dato curioso (y lógico) es que cuanto más raro sea el dato, más relevante es a la hora de "identificar" a alguien: un punto en MIT a las 3 de la madrugada es mucho más valioso que uno en el centro de Boston en una tarde de viernes.
Otros experimentos
El político alemán Malte Spitz utilizó sus datos de llamadas de seis meses, junto con datos de redes sociales y otra información de internet sobre él para crear un mapa que trazara sus movimientos y actividades. Este mapa mostraba dónde había estado Spitz en un momento dado, qué había estado haciendo, cuántas llamadas había hecho y cuánto tiempo había estado conectado a internet.
Referencia bibliográfica:
Yves-Alexandre de Montjoye, César A. Hidalgo, Michel Verleysen y Vincent D. Blondel. Unique in the Crowd: The privacy bounds of human mobility. Scientific Reports (2013). DOI:10.1038/srep01376.
Yves-Alexandre de Montjoye, César A. Hidalgo, Michel Verleysen y Vincent D. Blondel. Unique in the Crowd: The privacy bounds of human mobility. Scientific Reports (2013). DOI:10.1038/srep01376.
Inicio
Enviar a un amigo
Versión para imprimir
Compartir
El Internet de las Cosas se propaga rápidamente 
CIENCIA ON LINE