차등 개인 정보 보호란 무엇이며 어떻게 내 데이터를 익명으로 유지합니까?

Apple은 귀하가 수집 한 데이터가 사적으로 유지되도록하는 데 대한 명성을 떨치고 있습니다. 방법? "차등 개인 정보 보호"라는 것을 사용합니다.

차등 개인 정보 란 무엇입니까??

Apple은 다음과 같이 설명합니다.

Apple은 차별 개인 정보 보호 기술을 사용하여 개인 정보를 손상시키지 않으면 서 다수의 사용자의 사용 패턴을 발견 할 수 있도록 도와줍니다. 차등 개인 정보 보호는 개인의 신원을 모호하게하기 위해 개인의 사용 패턴의 작은 샘플에 수학적 잡음을 추가합니다. 더 많은 사람들이 같은 패턴을 공유함에 따라 일반적인 패턴이 나타나기 시작하여 사용자 경험을 알리고 향상시킬 수 있습니다.

차등 개인 정보 보호의 기본 철학은 iPhone, iPad 또는 Mac과 같은 기기를 사용하는 모든 사용자가 더 큰 규모의 사진 (다양한 그림으로 구성된 큰 그림)에 더 많은 계산을 추가하고, 출처, 그들이 어떤 데이터를 공헌했는지.

애플도이 일을하는 유일한 회사는 아니다. 구글과 마이크로 소프트 모두조차도이를 사용하고 있었다. 그러나 애플은 2016 년 WWDC 기조 연설에서 그것에 대해 자세히 이야기함으로써 대중화했다..

그렇다면 다른 익명화 된 데이터와 어떻게 다른가요? 개인 정보가 충분하다면 익명화 된 데이터를 사용하여 개인 정보를 추론 할 수 있습니다..

해커가 회사의 급여를 나타내는 익명의 데이터베이스에 액세스 할 수 있다고 가정 해 봅시다. Employee X가 다른 지역으로 이전하고 있다는 것을 직원이 알고 있다고 가정 해 봅시다. 그러면 해커는 Employee X가 이동하기 전후에 데이터베이스에 쿼리를 보내어 쉽게 자신의 수입을 추론 할 수 있습니다.

Employee X의 민감한 정보를 보호하기 위해 Differential Privacy는 수학적 "노이즈"및 기타 기술로 데이터를 변경하므로 데이터베이스를 쿼리하면 근사 직원 X가 지불 된 금액 (또는 다른 사람).

따라서 제공된 데이터와 노이즈가 추가 된 데이터의 "차이"로 인해 개인 정보가 보존되므로 찾고있는 데이터가 실제로 특정 개인의 데이터인지 여부를 알 수 없을만큼 모호합니다.

Apple의 차별 개인 정보 보호 정책 작동 방식?

차등 개인 정보 보호는 비교적 새로운 개념이지만, 사용자가 어떤 정보를 알지 못해도 사용자의 데이터를 기반으로 한 통찰력을 제공 할 수 있다는 아이디어가 있습니다. 정확하게 데이터가 말하거나 누구로부터 유래했는지.

예를 들어 Apple은 세 가지 구성 요소를 사용하여 Mac 또는 iOS 장치에서 차등 개인 정보 보호 작업을 수행합니다. 해싱, 서브 샘플링 및 노이즈 주입.

해싱은 텍스트 문자열을 가져 와서 고정 길이로 더 짧은 값으로 바꾸고 이러한 키를 고유 한 문자 또는 "해시"의 비가역 적으로 임의의 문자열로 믹스합니다. 이렇게하면 데이터가 흐려져서 기기가 원래 형식으로 데이터를 저장하지 않습니다..

서브 샘플링이란 사람이 입력하는 모든 단어를 수집하는 대신, Apple은 더 작은 샘플만을 사용한다는 것을 의미합니다. 예를 들어, 친구와 자유롭게 이모티콘을 사용하여 긴 텍스트 대화가 있다고 가정 해 보겠습니다. 전체 대화를 수집하는 대신 하위 샘플링은 Apple에서 이모티콘과 같이 관심이있는 부분 만 사용할 수 있습니다.

마지막으로, 장치는 노이즈를 주입하여 원래의 데이터 세트에 무작위 데이터를 추가하여 더욱 모호하게 만듭니다. 이것은 애플이 너무 가면으로 가려져 결과가 정확하지 않다는 것을 의미합니다..

이 모든 일은 기기에서 발생하므로 분석을 위해 클라우드로 보내기 전에 이미 짧아지고 혼합되어 샘플링되고 흐려집니다..

Apple의 차등 개인 정보 보호 정책은 어디에 사용됩니까??

다양한 경우가 있습니다. Apple 힘 앱과 서비스를 개선하기 위해 데이터를 수집하려고합니다. 지금 당장 Apple은 4 가지 특정 영역에서 차등 개인 정보 보호만을 사용하고 있습니다..

• 충분한 사람이 특정 그림 이모티콘으로 단어를 대체하면 모든 사람을위한 제안이됩니다..
• 새로운 단어가 평범한 것으로 간주 될 수있는 충분한 현지 사전에 추가되면, Apple은 다른 모든 사전에도 그것을 추가 할 것입니다.
• Spotlight에서 검색 용어를 사용할 수 있으며 그러면 앱 제안을 제공하고 해당 앱에서 해당 링크를 열거 나 App Store에서 설치할 수 있습니다. 예를 들어, "Star Trek"을 검색하면 IMDB 앱을 제안한다고 가정 해 보겠습니다. 사람들이 IMDB 앱을 열거 나 설치할수록 모든 사람의 검색 결과에 더 많은 정보가 나타납니다..
• Notes의 조회 힌트에 대해보다 정확한 결과를 제공합니다. 예를 들어 '사과'라는 단어가있는 메모가 있다고 가정 해보십시오. 검색 검색을 수행하면 사전 정의뿐만 아니라 Apple의 웹 사이트, Apple Stores의 위치 등의 결과를 얻을 수 있습니다. 아마도 더 많은 사람들이 특정 검색 결과를 탭할수록 더 자주 검색 결과에 표시됩니다..

emojis를 예로 들어 봅시다. iOS 10에서, Apple은 iMessage에 새로운 이모티콘 교체 기능을 도입했습니다. "love"라는 단어를 입력하면 이모티콘으로 바꿀 수 있습니다. "dog"라는 단어를 입력하고 추측 했으므로 dog emoji로 바꿀 수 있습니다..

마찬가지로 아이폰이 당신이 원하는 이모티를 예측할 수 있습니다. "내가 개를 사러 갈거야"라는 메시지를 타이프하면 아이폰이 도움이되는 그림 이모티를 제안 할 것입니다.

따라서 Apple은 수집 한 모든 iMessage 데이터를 취하여이를 전체적으로 조사하고 사람들이 입력하는 내용과 어떤 맥락에서 패턴을 추론 할 수 있습니다. 즉, 아이폰은 현명한 선택을 할 수 있다는 것을 의미합니다. 왜냐하면 다른 사람들이 작성하고 생각하는 텍스트 대화에서 이익을 얻을 수 있기 때문입니다. "아마도 당신이 원하는 이모티콘입니다."

그것은 마을 (이모티콘)

차등 개인 정보 보호의 단점은 작은 샘플에서 정확한 결과를 제공하지 않는다는 것입니다. 특정 데이터를 모호하게 만드는 데있어 권력이 있으므로 모든 사용자에게 귀속 될 수 없습니다. 잘 작동하고 잘 작동하려면 많은 사용자가 참여해야합니다..

극히 가까운 비트 맵 사진을 보는 것과 같습니다. 몇 비트 만 보면 그 모습을 볼 수는 없겠지만, 뒤로 물러나 모든 것을 들여다 보면 그림이 초고속이 아니더라도 더 명확하고 명확 해집니다. 해결.

따라서 (다른 것들 중에서) 이모티콘 교체 및 예측을 향상시키기 위해 Apple은 전 세계의 iPhone 및 Mac 데이터를 수집하여 사람들이하는 일에 대한 점차 명확한 그림을 제공하고 앱과 서비스를 개선해야합니다. 이 모든 무작위, 잡음, 크라우드 소싱 데이터를 패턴으로 채취합니다. 예를 들어 얼마나 많은 사용자가 "엉덩이"대신 복숭아 그림 이모티콘을 사용하고 있습니까?

따라서 차등 개인 정보 보호의 힘은 Apple이 많은 양의 총계 데이터를 조사 할 수있는 반면, 누구에게 데이터를 전송하는 것이 현명하지 않은지 확인하는 것입니다.

iOS 및 macOS의 차등 개인 정보 차단 방법

차별 개인 정보가 귀하에게 옳다고 확신하지 못한다면, 운이 좋을 것입니다. 기기 설정에서 바로 선택 해제 할 수 있습니다..

iOS 기기에서 '설정'을 연 다음 '개인 정보'를 탭합니다..

개인 정보 화면에서 "진단 및 사용".

마지막으로, 진단 및 사용 화면에서 "보내지 않음"을 누릅니다..

macOS에서 시스템 환경 설정을 열고 "보안 및 개인 정보"를 클릭하십시오..

보안 및 개인 정보 환경 설정에서 "개인 정보"탭을 클릭 한 다음 "진단 및 사용 데이터를 Apple로 보내기"가 선택 해제되어 있는지 확인하십시오. 이 변경을 수행하려면 먼저 왼쪽 하단에있는 자물쇠 아이콘을 클릭하고 시스템 암호를 입력해야합니다..

분명히, 단순화 된 설명보다는 이론 및 응용 모두에서 차등 개인 정보 보호에 더 많은 부분이 있습니다. 그것의 고기와 감자는 진지한 수학에 크게 의존하고 있으며, 따라서 그것은 꽤 무겁고 복잡해질 수 있습니다..

그러나이 방법을 사용하면 어떻게 작동하는지 알 수 있고 확인 된 것에 대한 두려움없이 특정 데이터를 수집하는 회사에 대해 자신감을 가질 수 있기를 바랍니다..