一直对儿童产品提出特殊要求。 如果我们正在谈论儿童的设备和服务，则具有安全性，可靠性，简单性，远程控制能力等。 “父母控制”功能几乎与整个数字世界一样古老，除此之外，在相当长的一段时间内，保护儿童个人数据的问题一直是一个尖锐的问题。
但是，即使您的孩子具有足够的技术素养并且熟悉网络上的行为规则（出于我们可以理解的所有原因也不披露其个人数据，真实居住地，日程安排，路线等），也不会保护他免受此类信息泄漏的影响。 最新的研究
表明 ，标记为“ 13岁以下”的大量儿童应用程序会跟随我们的年轻用户，就像我们成年人（成年人）关注Facebook或Google应用程序一样。
以孩子的成长或娱乐为目的的简单游戏会完全从设备和传感器收集各种信息，包括地理位置和加速度计数据。 顺便说一下，大型科技公司和社交网络违反法律监视儿童。 这是一个严重的问题，尤其是当我们考虑现代机器学习和神经网络时。
在纸上，儿童受到保护。 但只在纸上
在美国，有许多旨在保护年轻一代的法律，包括互联网领域。 关于此主题的主要行为称为“
儿童隐私法 ”，它规范了美国公司在收集，处理和使用儿童个人数据方面的行为。 简而言之：未经监护人的明确许可，本文档禁止收集或处理在儿童站点或通过儿童申请收到的信息。 也就是说，网站地下室或EULA游戏中的公开发售不起作用。 通过该法案是为了使制造商和广告商不能直接在广告和营销等方面操纵脆弱的头脑。
但是，至少有一半的游戏开发人员（包括来自Google Play和appStore前10名的游戏开发人员）以及Google和Facebook等公司都在积极违反《儿童隐私法》。 同时，公司将特殊儿童区设置为“安全”区，这与实际情况相去甚远。 也就是说，整个互联网都侵犯了儿童的隐私。
有几种处理模式，以及随后使用收集的数据的用途。 第一种也是最受欢迎的方式：形成用户的行为地图（参考设备ID），以用于随后的广告输出分析和调整。 考虑到以下事实尤其如此：数据不仅是由大型公司收集的，而且还由对直接提高其应用程序中的广告效率直接感兴趣并因此增加展示或点击成本的各种应用程序的开发人员（随后转移到广告公司）收集的。 由于显然有儿童没有钱的原因，为儿童提供的绝大多数应用程序都是免费分发（通过广告货币化）的，因此这种模型的应用范围非常广泛。
对于一个合理的问题，“来自市场的儿童应用程序如何收集信息？”
“纽约时报”的出版物中给出了非常详细的答案。 简而言之：都是关于错误标签的。 因此，监视和收集用户数据的应用程序不被定位为“纯粹的儿童”，而是“混合的”，这使开发人员可以规避“儿童隐私法”的规定并收集他们感兴趣的所有信息。 值得注意的是，在这种情况下，相同的Google会洗手，并说该技术巨头没有违规行为。 当发生违规时，事实证明这是经典的画面，但没有人犯任何类似的罪行。
Google严格且极不情愿地采取了针对违规者的具体措施。 有关的公众和《纽约时报》的第一个“发行版”是儿童游戏Tiny Lab的开发商，该公司积极监控其年轻用户并将其数据与广告公司合并。 在多次致电Google之后，该巨头不得不响应用户请求并停用Tiny Lab帐户，并从Google Play中删除该开发人员的所有游戏。 但是，实际上，在appStore市场和Google Play上，都有成千上万个收集个人数据的儿童应用程序，因此Tiny Lab禁令看起来更像是一种指示性鞭log，而不是纠正情况的实际步骤。
神经网络和机器学习
但是，如果开发人员仅收集有关用户的虚拟信息，那么仍然可以部分容忍这一点。 但是现代的口号“信息就是一切”，就像大数据在机器学习中的主导地位一样，它也进行了自己的调整。 因此，收集了所有可以到达的信息。
最不明显但同时也是物理上（而不是信息上）危险的矢量是来自设备传感器（例如光传感器，加速度计和地理位置）的信息收集。
顺便说一句，该领域的研究
是在2013年进行的 。 然后，作为科学研究的一部分，一组研究人员创建了30项日常活动中用户行为的参考记录。 为了处理相关视频，使用了SVM技术。 结果，这项研究创造了一种“框架”，并为机器学习和其他想根据他的设备的传感器数据完全模拟用户行为的专家创建卷积神经网络打开了大门。
自第21届国际欧洲机器学习研讨会上的报告提出以来，已经过去了五年。 从那时起，设备中的传感器和加速度计变得更加灵敏和准确，并且机器学习，神经网络和与大数据的协作达到了根本不同的水平。
今天（2018年9月17日），在该出版物发布五年之后，感谢网络上的机器学习专家Jason Brauli在标题为``
如何使用智能手机数据为人类活动建模 ''下，对该工作进行了详细分析，并提供了代码示例和所有必要链接的链接工具和存储库。 Brauli在他的出版物中讲述了如何使用来自地理位置数据，加速计和其他传感器的鸡尾酒，不仅可以完全恢复用户的路线，还可以使用2013年研究的数据完全模拟用户在指定时间段内的所有行为和运动。
同时，布劳利（Brauli）指出，训练有素的神经网络不仅可以建立用户或一群人的活动图，而且可以做出预测，从而使我们达到了“我们应得的网络朋克”水平。 为了证明整个情况的合理性，值得一提的是，要完全调节特定用户的活动，需要在机器学习方面有大量的技术知识和经验。
如果我们采取最黑暗的情况，则“感谢”应用程序和游戏开发人员的全面监视和节制，任何想知道这些数据的人都可以确定您的孩子在哪个庭院中切断课程或培训，灯不起作用，它有多嘈杂，是否有人去那里。 而且对此无能为力。
您是IT公司中经验丰富的开发人员，架构师或经理，并且正在考虑换工作吗？ 在我的圈子中查看我们的SA ， CA ， SEM工作和职位。
也许他们会让您感兴趣。