बच्चों के ऐप बड़े पैमाने पर व्यक्तिगत डेटा एकत्र करते हैं और इसे तीसरे पक्ष को पास करते हैं

बच्चों के उत्पादों के लिए विशेष आवश्यकताओं को हमेशा आगे रखा गया है। यदि हम बच्चों के उपकरणों और सेवाओं के बारे में बात कर रहे हैं तो सुरक्षा, विश्वसनीयता, सादगी, दूर से नियंत्रण की क्षमता और भी बहुत कुछ है। "पैतृक नियंत्रण" फ़ंक्शन लगभग पूरे डिजिटल दुनिया के रूप में पुराना है, इसके अलावा, बच्चों के व्यक्तिगत डेटा की सुरक्षा का मुद्दा काफी समय से एक गंभीर मुद्दा रहा है।

लेकिन यहां तक ​​कि अगर आपके बच्चे में पर्याप्त तकनीकी साक्षरता है और नेटवर्क पर व्यवहार के नियमों से परिचित है (अपने व्यक्तिगत डेटा, निवास की वास्तविक जगह, कार्यक्रम, मार्गों, और सभी कारणों से जो हमारे लिए समझ में नहीं आता है) का खुलासा करने के लिए, वह इस जानकारी के रिसाव से सुरक्षित नहीं है। नवीनतम अध्ययन में कहा गया है कि "13 वर्ष से कम उम्र के" चिह्नित बच्चों के अनुप्रयोगों का एक विशाल द्रव्यमान उनके युवा उपयोगकर्ताओं का उसी तरह अनुसरण करता है जैसे हम वयस्क फेसबुक या Google अनुप्रयोगों का अनुसरण करते हैं।

सरल खेल, जिसका उद्देश्य बच्चे का विकास या मनोरंजन है, पूरी तरह से डिवाइस और सेंसर से सभी प्रकार की जानकारी एकत्र करता है, जिसमें जियोलोकेशन और एक्सेलेरोमीटर डेटा शामिल है। वैसे, बड़ी प्रौद्योगिकी कंपनियां और सामाजिक नेटवर्क कानून के उल्लंघन में बच्चों की निगरानी करते हैं। और यह एक गंभीर समस्या है, खासकर अगर हम आधुनिक मशीन सीखने और तंत्रिका नेटवर्क को ध्यान में रखते हैं।

कागज पर, बच्चों की रक्षा की जाती है। लेकिन केवल कागज पर

संयुक्त राज्य में, इंटरनेट अंतरिक्ष सहित युवा पीढ़ी की सुरक्षा के उद्देश्य से कई कानून हैं। इस विषय पर मुख्य अधिनियम को " चिल्ड्रन प्राइवेसी एक्ट " कहा जाता है और बच्चों के व्यक्तिगत डेटा को एकत्र करने, प्रसंस्करण और उपयोग करने के मामले में अमेरिकी कंपनियों के व्यवहार को नियंत्रित करता है। संक्षेप में: दस्तावेज़ अभिभावकों की स्पष्ट अनुमति के बिना बच्चों की साइटों पर या बच्चों के अनुप्रयोगों के माध्यम से प्राप्त जानकारी के किसी भी संग्रह या प्रसंस्करण को प्रतिबंधित करता है। यही है, साइट के तहखाने में एक सार्वजनिक प्रस्ताव या ईयूएलए गेम काम नहीं करना चाहिए। यह अधिनियम इसलिए अपनाया गया था कि निर्माता और विज्ञापनदाता सीधे तौर पर नाजुक दिमाग में हेरफेर नहीं कर सकते थे, उदाहरण के लिए, विज्ञापन और विपणन।

हालांकि, बच्चों के गोपनीयता अधिनियम का कम से कम आधे खेल डेवलपर्स (शीर्ष 10 Google Play और appStore के लोगों सहित), साथ ही Google और फेसबुक जैसी कंपनियों द्वारा सक्रिय रूप से उल्लंघन किया जाता है। इसी समय, विशेष बच्चों के खंडों को कंपनियों द्वारा "सुरक्षित" के रूप में तैनात किया जाता है, जो मामले से दूर है। यानी पूरे इंटरनेट में बच्चों की निजता का उल्लंघन होता है।

एकत्र किए गए डेटा का उपयोग करने के लिए प्रसंस्करण और बाद के उपयोग के कई पैटर्न हैं। पहला और सबसे लोकप्रिय: विज्ञापन विश्लेषण और विज्ञापन आउटपुट के समायोजन के लिए उपयोगकर्ता के व्यवहार मानचित्र (डिवाइस आईडी के संदर्भ में) का गठन। यह इस तथ्य के प्रकाश में विशेष रूप से सच है कि डेटा न केवल बड़े निगमों द्वारा एकत्र किया जाता है, बल्कि विभिन्न अनुप्रयोगों के डेवलपर्स (विज्ञापन कंपनियों को बाद में स्थानांतरण के साथ) जो सीधे अपने अनुप्रयोगों में विज्ञापन की दक्षता में सुधार करने में रुचि रखते हैं और परिणामस्वरूप, एक छाप की लागत में वृद्धि या क्लिक करते हैं। चूंकि बच्चों के लिए अधिकांश आवेदन नि: शुल्क वितरित किए जाते हैं (विज्ञापन के माध्यम से विमुद्रीकरण) इस कारण से कि बच्चों के पास पैसा नहीं है, इस तरह का मॉडल व्यापक रूप से अधिक है।

उचित प्रश्न के लिए "बाजार से बच्चों के आवेदन कैसे जानकारी एकत्र करते हैं?" न्यूयॉर्क टाइम्स के प्रकाशन में काफी विस्तृत जवाब। संक्षेप में: यह गलत लेबल के बारे में है। इसलिए, उपयोगकर्ता डेटा को मॉनिटर करने और इकट्ठा करने वाले एप्लिकेशन को "विशुद्ध रूप से बच्चों के" के रूप में तैनात नहीं किया जाता है, लेकिन "मिश्रित", जो डेवलपर्स को "चिल्ड्रन प्राइवेसी एक्ट" के प्रावधानों को दरकिनार करने और उन सभी जानकारी को इकट्ठा करने की अनुमति देता है जो उन्हें रुचि रखते हैं। यह ध्यान देने योग्य है कि इस स्थिति में, वही Google अपने हाथों को धोता है और कहता है कि प्रौद्योगिकी दिग्गज की ओर से कोई उल्लंघन नहीं हैं। यह उल्लंघन होने पर क्लासिक तस्वीर को बदल देता है, लेकिन कोई भी किसी भी तरह का दोषी नहीं है, जैसे कि।

उल्लंघनकर्ताओं के खिलाफ विशिष्ट उपाय Google द्वारा सटीक और बेहद अनिच्छा से उठाए जाते हैं। संबंधित सार्वजनिक और NYTimes के पहले "वितरण के तहत" बच्चों के खेल टिनी लैब के डेवलपर थे, जिन्होंने अपने युवा उपयोगकर्ताओं की सक्रिय रूप से निगरानी की और विज्ञापन कंपनियों के साथ उनके डेटा को मिला दिया। Google को कई कॉल करने के बाद, विशाल को उपयोगकर्ता के अनुरोधों का जवाब देना पड़ा और टिनी लैब खाते को निष्क्रिय करना पड़ा, साथ ही साथ इस डेवलपर के सभी गेम को Google Play से हटा दिया गया। लेकिन, वास्तव में, AppStore बाजार और Google Play पर दोनों में, बच्चों के हजारों और अधिक एप्लिकेशन हैं जो व्यक्तिगत डेटा एकत्र करते हैं, इसलिए टिनी लैब प्रतिबंध स्थिति को सही करने के लिए वास्तविक कदमों की तुलना में एक सांकेतिक झड़प की तरह दिखता है।

तंत्रिका नेटवर्क और मशीन सीखना

लेकिन अगर डेवलपर्स उपयोगकर्ता के बारे में केवल आभासी जानकारी एकत्र करते हैं, तो यह अभी भी आंशिक रूप से सहन किया जा सकता है। लेकिन आधुनिक नारा "सूचना सब कुछ है", मशीन सीखने के साथ बिग डेटा के बड़े प्रभुत्व की तरह, अपना समायोजन करता है। इसलिए, सभी जानकारी जो पहुंच सकती है, एकत्र की जाती है।

सबसे अधिक स्पष्ट, लेकिन एक ही समय में भौतिक (और सूचनात्मक रूप से नहीं) खतरनाक वेक्टर डिवाइस सेंसर से जानकारी का संग्रह है, जैसे कि प्रकाश सेंसर, एक्सेलेरोमीटर, और जियोलोकेशन।

वैसे, इस क्षेत्र में अनुसंधान 2013 में वापस आयोजित किया गया था । फिर, वैज्ञानिक कार्य के हिस्से के रूप में, शोधकर्ताओं के एक समूह ने रोजमर्रा की गतिविधि में उपयोगकर्ता के व्यवहार के 30 संदर्भ रिकॉर्ड बनाए। संबंधित वीडियो के प्रसंस्करण के लिए, एसवीएम प्रौद्योगिकी का उपयोग किया गया था। नतीजतन, इस अध्ययन ने एक तरह का "ढांचा" बनाया और मशीन सीखने और क्षेत्र में अन्य विशेषज्ञों द्वारा प्रासंगिक तंत्रिका नेटवर्क के निर्माण के लिए दरवाजा खोल दिया जो अपने डिवाइस के सेंसर डेटा के अनुसार उपयोगकर्ता के व्यवहार को पूरी तरह से अनुकरण करना चाहते हैं।

21 वीं अंतरराष्ट्रीय यूरोपीय मशीन लर्निंग संगोष्ठी में रिपोर्ट के बाद पांच साल बीत चुके हैं, जहां यह काम प्रस्तुत किया गया था। तब से, उपकरणों में सेंसर और एक्सेलेरोमीटर अधिक संवेदनशील और सटीक हो गए हैं और मशीन लर्निंग, न्यूरल नेटवर्क और बिग डेटा के साथ काम एक मौलिक रूप से अलग स्तर पर पहुंच गए हैं।

और आज (17 सितंबर, 2018), प्रकाशन के पांच साल बाद, "सीखने के लिए स्मार्टफोन डेटा का उपयोग करके मानव गतिविधि कैसे मॉडल करें " शीर्षक के तहत नेटवर्क पर मशीन सीखने के विशेषज्ञ जेसन ब्रौली के लिए धन्यवाद, इस काम का एक विस्तृत विश्लेषण कोड उदाहरण और सभी आवश्यक लिंक के साथ दिखाई देता है उपकरण और रिपॉजिटरी। अपने प्रकाशन में, ब्रौली बताता है कि कैसे, जियोलोकेशन डेटा, एक एक्सेलेरोमीटर और अन्य सेंसर से कॉकटेल का उपयोग करके, आप न केवल एक उपयोगकर्ता के मार्ग को पूरी तरह से बहाल कर सकते हैं, बल्कि 2013 के अध्ययन से डेटा का उपयोग करके निर्दिष्ट अवधि में अपने व्यवहार और आंदोलन को पूरी तरह से अनुकरण कर सकते हैं।

इसी समय, बरौली नोट करता है कि एक ठीक से प्रशिक्षित तंत्रिका नेटवर्क न केवल उपयोगकर्ता या समूह गतिविधि के ग्राफ़ का निर्माण कर सकता है, बल्कि पूर्वानुमान भी बना सकता है, जो हमें "साइबरपंक के एक अलग स्तर पर लाता है जिसके हम हकदार हैं।" पूरी स्थिति को सही ठहराने के लिए, यह कहने योग्य है कि किसी विशिष्ट उपयोगकर्ता की गतिविधि को पूरी तरह से संशोधित करने के लिए, मशीन सीखने में काफी तकनीकी ज्ञान और अनुभव की आवश्यकता होती है।

यदि हम संभवतया सबसे गहरे परिदृश्य को लेते हैं, तो "धन्यवाद" एप्लिकेशन और गेम डेवलपर्स की कुल निगरानी और गहनता के लिए, जो कोई भी इसे चाहता है, यदि डेटा है, तो यह निर्धारित कर सकता है कि किस आंगन में आपका बच्चा सबक या प्रशिक्षण से कट जाता है, रोशनी काम नहीं करती है, कितना शोर है और क्या अन्य लोग वहां जाते हैं। और इसके बारे में कुछ भी नहीं किया जा सकता है।

---

क्या आप एक आईटी कंपनी में अनुभवी डेवलपर, आर्किटेक्ट या मैनेजर हैं और अपनी नौकरी बदलने की सोच रहे हैं? माई सर्कल में हमारे एसए , सीए , एसईएम नौकरियों और पदों की जांच करें।
शायद वे आपको दिलचस्पी लेंगे।