Facebook объявил о разработке технологий, повышающих уровень конфиденциальность рекламы (Privacy-enhancing technologies, PETs). Они могут также использоваться при отслеживании контактов с заболевшими COVID-19, определении тенденций миграции между городами и при отправке электронных платежей, говорится в блоге компании. По словам разработчиков, PETs используют методы из криптографии и статистики, которые «помогают свести к минимуму объем обрабатываемых данных, сохраняя при этом такие важные функции, как измерение рекламы и персонализация». Компания представила три вида технологий и способы их применения в будущем.
Multi-party computation (MPC, многосторонний подсчет)
Разработка позволяет двум или более организациям работать вместе, при этом ограничивая информацию, которую может узнать любая из сторон. Данные шифруются на всем пути от получения до хранения и использования. Функция позволит повысить конфиденциальность при создании отчетов о результатах рекламной кампании или обучении нейросети.
К примерму, у одной стороны есть данные о том, кто видел рекламу, а у другой — информация о том, кто совершает покупку. MPC и шифрование позволяют обеим сторонам узнать, как работает реклама, без необходимости передавать одной стороне оба набора данных.
В 2020 году сосцеть начала тестирование решение Private Lift Measurement, которое использует MPC. В следующем году Facebook планирует открыть его всем рекламодателям, параллельно предоставив разработчикам доступ к собственному фреймворку для MPC с открытым исходным кодом.
On-Device Learning (обучение на устройстве)
Система обучает алгоритмы на основе информации, обрабатываемой прямо на устройстве без отправки на удаленный сервер или в облако отдельных данных, таких как купленный товар или адрес электронной почты. Это позволит показывать люядм релевантную рекламу без необходимости узнавать о конкретных действиях.
Например, если большое число пользователей, которые нажимают на рекламу тренажеров, также покупают протеиновые коктейли, On-Device Learning позволит идентифицировать этот шаблон без отправки данных на сервер Facebook — позже соцсеть использует его для поиска аудитории для рекламы протеиновых коктейлей.
В Facebook поясняют, что технология со временем уточняет свои «предсказания», подобно функции автозамены, поскольку «миллионы устройств вносят свои небольшие улучшения» и начинают создавать новые шаблоны, которые обучают алгоритм. Эти данные могут быть дополнительно защищены путем объединения со следующей технологией.
Differential Privacy (дифференциальная конфиденциальность)
Данная разновидность технологии PETs может быть использована сама по себе или в сочетании с другими технологиями для защиты данных от повторной идентификации. Метод работает за счет включения в набор данных «тщательно рассчитанный шум».
Например, если 118 человек купили товар после нажатия на объявление, система добавит или вычтет случайную сумму из этого числа. Таким образом компания, использующая технологию, вместо 118 увидит, к примерму, число 120 или 114.
«Добавление этого небольшого случайного бита неверной информации затрудняет определение того, кто на самом деле купил товар после нажатия на объявление, даже если у вас есть много других данных. В результате эта технология часто используется с большими наборами данных, предоставляемыми для публичных исследований», — отмечают в Facebook.
Ранее Facebook вновь децентрализовал настройки приватности. Теперь они рассортированы по шести категориям: «Учетная запись», «Настройки», «Аудитория и видимость», «Разрешения», «Ваша информация», «Стандарты сообщества» и «Правовая политика».