زاوية Anderson

تحليل 25 عامًا من سياسات الخصوصية باستخدام التعلم الآلي

Martin Anderson
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةأصبحت سياسات الخصوصية أطول وأكثر غموضًا مع تعدد اللوائح دون أن تحمي المستخدمين حماية…
عرض المزيد
  • أصبحت سياسات الخصوصية أطول وأكثر غموضًا مع تعدد اللوائح دون أن تحمي المستخدمين حماية ذات معنى.
  • تصاعدت لغة التمويه بعد ظهور قوانين الخصوصية، مما جعل السياسات أصعب على القراء العاديين في الفهم.
  • نادرًا ما يعلم المستخدمون بتغييرات السياسات، ولا يُتاح لهم تقريبًا أي خيار ذي معنى عند تغيّر الشروط.

استخدمت دراسة حديثة تقنيات تحليل التعلم الآلي لتحليل قابليّة القراءة وفائدة وطول وتعقيد أكثر من 50,000 سياسة خصوصية على مواقع إلكترونية شائعة في فترة تمتد لمدة 25 عامًا من 1996 إلى 2021. وتخلص البحث إلى أن القارئ العادي سيلزمه تقديم 400 ساعة من “الوقت القرائي السنوي” (أكثر من ساعة في اليوم) من أجل اختراق زيادة عدد الكلمات واللغة الغامضة واللغة الغامضة التي تتميز بها السياسات الخصوصية الحديثة لمواقع إلكترونية شائعة.

ويذكر التقرير ما يلي:

‘لقد تضاعف متوسط طول السياسة تقريبًا في السنوات العشر الماضية، مع 2159 كلمة في مارس 2011 و 4191 كلمة في مارس 2021، وازدادت أربع مرات تقريبًا منذ عام 2000 (1146 كلمة).’

متوسط عدد الكلمات وعدد الجمل في السياسات التي تمت دراستها، على مدى فترة 25 عامًا.

متوسط عدد الكلمات وعدد الجمل في السياسات التي تمت دراستها، على مدى فترة 25 عامًا. مصدر: https://arxiv.org/pdf/2201.08739.pdf

على الرغم من أن معدل الزيادة في الطول ارتفع بشدة عندما دخلت لوائح حماية البيانات العامة (GDPR) وقانون حماية المستهلك في كاليفورنيا (CCPA) حيز التنفيذ، يرفض البحث هذه التغييرات باعتبارها “تأثيرات صغيرة” تظهر أنها غير ملحوظة مقابل الاتجاه العام على المدى الطويل. ومع ذلك، يُحدد GDPR على أنه سبب محتمل لزيادة اللغة الغامضة في السياسات (انظر أدناه).

افتراضًا أن سرعة القراءة تبلغ 250 كلمة في الدقيقة، يُدّعي البحث أن سياسة الخصوصية العادية تستغرق الآن 17 دقيقة للقراءة، بينما تستغرق السياسات الأكثر شعبية (أي السياسات المرتبطة بعدد كبير من المستخدمين) 23 دقيقة لإكمالها.

تستغرق السياسة الأطول في مجموعة البيانات، من مايكروسوفت، 152 دقيقة للاستهلاك، وفقًا للبحث، الذي استخدم عددًا من النسخ المشتقة على موديل لغة BERT من جوجل.

زيادة معدل الساعات السنوية اللازمة لقراءة سياسات الخصوصية الحديثة، افتراضًا أن القارئ يزور 1462 موقعًا فريدًا في السنة.

زيادة معدل الساعات السنوية اللازمة لقراءة سياسات الخصوصية الحديثة، افتراضًا أن القارئ يزور 1462 موقعًا فريدًا في السنة.

ينسب البحث الكثير من الزيادة الأخيرة في الإطالة والغموض في سياسات الخصوصية إلى ردود الأفعال على محاولات فرض اللوائح على مدى العقدين الماضيين، ولكن أيضًا إلى استخدام متطلبات الامتثال للوائح بشكل غير صادق كعذر لزيادة نطاق وغموض سياسات الخصوصية بشكل خفي.

‘بشكل عام، تُظهر نتائجنا أن اللوائح الخصوصية الحديثة لم تحسن من خصوصية المستخدمين على الإنترنت بشكل كبير، ولكنها أدت إلى سياسات خصوصية أكثر امتدادًا تصف ممارسات بيانات أكثر غزوًا.’

على الرغم من أن العديد من أوراق معالجة اللغة الطبيعية قد تناولت قابليّة القراءة وجوانب أخرى لسياسات الخصوصية في السنوات الأخيرة، يعتقد المؤلف أن هذا هو أول مشروع من نوعه يقدم نظرة عامة شاملة على تطور السياسات في العقود الأخيرة.

يُسمى الورقة سياسات الخصوصية عبر العصور: محتوى و قابليّة القراءة لسياسات الخصوصية 1996-2021، ويأتي من إيزابيل فاغنر في معهد التكنولوجيا الإلكترونية في جامعة دي مونتفورت في المملكة المتحدة.

اللغة المُبهمة

كما يُشير التقرير إلى أن متوسط عدد “الكلمات المُبهمة” (أي قابل للقبول، مهم، بشكل رئيسي، وغيرها من الكلمات التي لا توفر معنى محدد) في سياسات الخصوصية ازداد بشكل مطرد حتى عام 2018، ولكن ثم ازدادت من وسيط يبلغ 227 حول مارس 2018 إلى 304 في يونيو 2020.

يُدّعي المؤلف أن هذا الارتفاع يُعزى إلى آثار GDPR، ويتوصل البحث إلى أن أكثر من ثلثي الجمل (72%) في سياسات الخصوصية التي تمت دراستها تحتوي على كلمة مبهمة واحدة على الأقل.

قابليّة القراءة

عبر ثلاثة مقاييس شائعة لصعوبة القراءة، وجدت الدراسة أن سياسات الخصوصية أصبحت أكثر صعوبة في القراءة مع مرور السنوات. ويُقدر المؤلفون أن 41% من السياسات القائمة في عام 2021 كان لها وسيط فليش لسهولة القراءة (FRE، أعلى هو أفضل) يبلغ 31.8 فقط، مع ملاحظة المؤلف هذا الرقم يُشير إلى نص صعب للغاية يُفضل فهمه من قبل خريجي الجامعة.

في الوقت نفسه، لم تصل سوى 6.7% من السياسات إلى درجة FRE تُجاوز 45 (التي يُشير التقرير إلى أنها معيار القراءة المطلوب لوثائق التأمين في ولاية فلوريدا).

إدراك التغيير في السياسة

كما يعالج البحث مدى شمول سياسات الخصوصية لأدلة حول كيفية إخطار المُوافق المحتمل في حالة التحديثات اللاحقة، والتي قد تؤثر على رغبة المستخدم في الحفاظ على الاتفاق.

يلاحظ المؤلف:

‘في عام 2021، تحتوي 73% من السياسات على بيان حول تغيير السياسة. من بينها، 34% تشير إلى أن التغييرات سوف يتم الإعلان عنها من خلال إشعار في سياسة الخصوصية، و 37% سوف تنشر إشعارًا على الموقع، و 22% سوف ترسل إشعارًا شخصيًا (تُترك أنواع الإشعارات الأخرى غير محددة).’

‘ونتيجة لذلك، من غير المحتمل أن يدرك معظم المستخدمين التغييرات في سياسات الخصوصية. ‘

‘علاوة على ذلك، يتم تقديم خيارات قليلة للمستخدمين عند تغيير السياسات. من بين السياسات التي تُخبر المستخدمين بالتغيرات، لا تُقدم سوى 12% موافقة جديدة، بينما لا تُقدم 34% أي خيار، و 54% تُتركه غير محدد.’

مما وجده البحث حول الطرق المُستخدمة لإخطار المستخدمين بتغييرات في السياسات.

مما وجده البحث حول الطرق المُستخدمة لإخطار المستخدمين بتغييرات في السياسات.

الخيارات المحدودة المتعلقة بالتتبع

وفقًا للدراسة، يتم تقديم مجموعة أوسع من الآليات في سياسات الخصوصية للوصول إلى معلومات حساب المستخدم أكثر من الوصول إلى بيانات ملف المستخدم. يمكن إنشاء بيانات ملف المستخدم وتحديثها من خلال آليات آلية وغامضة، بينما يتم منح بيانات حساب المستخدم صراحة من قبل المستخدم، ويجب أن تكون قابلة للتعديل بموجب لوائح مختلفة القوانين.

تُعالج خيارات المستهلك المتعلقة بموافقة الكوكيز في سياسات الخصوصية (موضوع جذب مناقشات حامية منذ ظهور GDPR الذي أدى إلى مئات الآلاف من نافذة موافقة الكوكيز لمواقع أوروبية ودولية) بشكل عام في السياسات، لكنها تخفي طبقة أهم من البيانات الأقل إمكانية الوصول:

‘الخيارات المتعلقة بملفات تعريف الارتباط لا تكفي لحماية المستخدمين من جميع أشكال التتبع، لأن آليات الاختيار أو التحكم نادرًا ما تُتاح بشأن معلومات الحاسوب، ومعرّفات الأجهزة، والمعرّفات الشخصية التي تتيح تتبع المستخدمين باستخدام البصمة الرقمية للجهاز.’

تباين واضح في مستوى التحكم المُتاح في سياسات الخصوصية بين بيانات ملف المستخدم (التي يمكن الحصول عليها بوسائل ضمنية أو خفية) وبيانات حساب المستخدم (التي يتم منحها قدر معين من التحكم بموجب GDPR وCCPA وآليات وطنية وإقليمية مماثلة).

تباين واضح في مستوى التحكم المُتاح في سياسات الخصوصية بين بيانات ملف المستخدم (التي يمكن الحصول عليها بوسائل ضمنية أو خفية) وبيانات حساب المستخدم (التي يتم منحها قدر معين من التحكم بموجب GDPR وCCPA وآليات وطنية وإقليمية مماثلة).

البيانات

لجمع بيانات الدراسة، زحف المؤلف إلى المواقع بحثًا عن روابط سياسات الخصوصية. وكثيرًا ما اضطر إلى توسيع النطاق خارج النتيجة الأولى، بسبب السياسات غير الموحّدة التي تحيل إلى سياسات إضافية، إذ يمكن لكل منها أن يتغير مع السياسة الأم أو المرتبطة بها أو مستقلًا عنها.

استُخدمت Wayback Machine للحصول على السياسات التاريخية. وعند تفسير النتائج، كان من الضروري مراعاة السياسات التي مُنع زحف الويب إليها أو أرشفتها بواسطة ملف إعداد robots.txt، وهو ملف نصي صغير يوجّه وكلاء الزحف والفهرسة إلى الصفحات والعناصر التي يجب عدم إدراجها في فهرس عام.

جُمعت لقطة واحدة شهريًا لكل سياسة قابلة للتحديد وسارية باستمرار من Wayback Machine عبر واجهة CDX API، باستخدام Firefox تحت تحكم Selenium. ولم يتناول المشروع التعرف الضوئي على أحرف السياسات المتاحة بصيغة PDF فقط، بل اقتصر على العدد الأكبر بكثير من السياسات المتاحة بصيغة HTML.

من النتائج اللافتة أن وضوح المواقع الإباحية وقابليتها للقراءة تحسنا فعلًا خلال فترة الدراسة، ربما استباقًا للمطالب المتزايدة بمزيد من التنظيم والوضوح. ولجمع هذه الوثائق، كان لا بد من إجراء عمليات زحف إضافية من عناوين IP لاتصالات سكنية، بسبب بروتوكولات حجب المحتوى في الجامعة.

جُمعت أولًا 1,068,683 وثيقة، تعادل 120,265 وثيقة فريدة، بمتوسط 39.1 مادة أو بندًا من السياسات و4.4 نصوص سياسات فريدة لكل رابط.

الإنجليزية فقط

كما في الدراسات الحديثة المشابهة، لم يتناول المشروع سياسات الخصوصية غير الإنجليزية، إذ استُبعدت أثناء تنظيف البيانات باستخدام حزمة PYCLD2.

للتمييز بين سياسات الخصوصية والمواد الأخرى، استخدم المشروع مصنّفًا طُوّر عام 2019 ضمن مبادرة مشتركة بين جامعة ويسكونسن والمدرسة الاتحادية للفنون التطبيقية في لوزان.

بنية المصنّف IS-POLICY.المصدر: https://arxiv.org/pdf/1809.08396.pdf

بنية المصنّف IS-POLICY. المصدر: https://arxiv.org/pdf/1809.08396.pdf

رغم تدريب المصنّف IS-POLICY على المجموعة نفسها المؤلفة من 1,000 وثيقة كما في الورقة الأصلية، اضطر المؤلف إلى الحصول على وثائق جديدة ليست سياسات خصوصية للتدريب، لعدم توافر المصادر الأصلية.

بعد التصفية، تقلصت البيانات إلى 56,416 سياسة خصوصية فريدة.

* حُوّلت الإحالة الداخلية في الورقة هنا إلى رابط تشعبي؛ والتبديل بين الخط المائل والعادي منقول من الورقة.

نُشر أول مرة في 31 يناير 2022.

كاتب في مجال تعلم الآلة، متخصص في توليد صور البشر. كان رئيسًا سابقًا لمحتوى البحث في Metaphysic.ai، حتى دمجه في Brahma.ai التابعة لـ DNEG.
الموقع الإلكتروني: martinanderson.ai
للتواصل: martin@martinanderson.ai