كشف الزيارات الخفية باستخدام بيانات الهاتف المحمول والتعلم الآلي

قام باحثون من الصين والولايات المتحدة بالتعاون على بحث يستخدم تقنيات التعلم الآلي لاكتشاف “الزيارات الخفية” التي نقوم بها عند التنقل في البلاد، ولكن لا نكفي عدد المكالمات الهاتفية أو استخدام الهاتف بما يكفي لتشكيل صورة كاملة لحركاتنا من سجلات بيانات الاتصالات.

الورقة البحثية، التي حملت عنوان تحديد الزيارات الخفية من بيانات سجلات المكالمات النادرة، قادها زهان زهاو من جامعة هونغ كونغ، بالتعاون مع هاريس إن كوتسوبولوس من جامعة نورث إيسترن في بوسطن و جينهوا زهاو من معهد ماساتشوستس للتكنولوجيا.

فكرة البحث هي استخدام سجلات الاتصالات المحمولة (بما في ذلك البيانات والرسائل القصيرة والمكالمات الصوتية) للمستخدمين النشطين بشكل كبير لتطوير نموذج يمكنه تحديد أنماط الحركة للمستخدمين الأقل نشاطًا بدقة أكبر.

مخطط تخطيطي لاستخراج معلومات الرحلات من بيانات سجلات المكالمات. مصدر: https://arxiv.org/pdf/2106.12885.pdf

على الرغم من أن الباحثين يعترفون بوجود آثار على الخصوصية في تطوير هذا العمل، وعلى الرغم من هدف المشروع المعلن لتحقيق صورة أكثر تفصيلاً حول رحلات المستخدمين، فإنهم يؤكدون أن الهدف هو الحصول على صورة أكثر عمومية لحركة المرور.

كما يشيرون إلى أن بيانات سجلات المكالمات التي تغذي هذه الدراسات لها دقة مكانية منخفضة ومتعرضة لضجيج الموضع بسبب تغيير موقع المستخدم相对于 أبراج الهاتف المحمول التي يمر بها، ويشيرون إلى أن هذا القصور في حد ذاته هو شكل من أشكال حماية الخصوصية:

‘الهدف الرئيسي لدراستنا هو تحديد الرحلات وتقدير المنشأ والوجهة[*]، والذي يتم على مستوى المجموعة، وليس على مستوى الفرد. يمكن تطبيق النماذج التي تم تطويرها مباشرة على خواديم قواعد بيانات شركات الاتصالات، دون الحاجة إلى نقل البيانات. علاوة على ذلك، مقارنة ب_forms أخرى من البيانات الكبيرة، مثل بيانات وسائل التواصل الاجتماعي أو معاملات بطاقات الائتمان، فإن بيانات سجلات المكالمات أقل غزوًا لخصوصية الأفراد. بالإضافة إلى ذلك، يساهم خطأ التموضع في إخفاء المواقع الدقيقة للمستخدم، مما يوفر طبقة أخرى من حماية الخصوصية.’

فترات زمنية مرتدة (ETIs)

عندما نسافر مع الهواتف المحمولة (ليست بالضرورة هواتف ذكية)، تصبح قيود بيانات سجلات المكالمات واضحة كأداة لتحديد الموقع. فترات زمنية مرتدة (ETIs)، وهي فترات من الرحلة التي لا يتم فيها إجراء أو استقبال مكالمات، هي علامة حاسمة في تتبع حركاتنا – فترة من “السكوت” كافية لنا لنخفي أنفسنا مؤقتًا عن الشبكة.

يشير الباحثون إلى أن هذا ي干ي من قدرة الأنظمة التحليلية على افتراض رحلات من A إلى B، لأن ندرة البيانات قد تخفي رحلة غير مرئية. يعالج النهج الجديد هذه القضية من خلال تحليل السياق المكاني الزمني لفترات زمنية مرتدة، بالإضافة إلى “الخصائص الفردية للمستخدم”.

مجموعة البيانات

طور الباحثون مجموعة بياناتهم الأساسية باستخدام بيانات مقدمة من مشغل الخدمات الخلوية الرئيسي في مدينة صينية يبلغ عدد سكانها 6 ملايين شخص. تحتوي البيانات على أكثر من ملياري معاملة هاتف محمول تم إنشاؤها بواسطة 3 ملايين مستخدم في نوفمبر 2013، وتتميز بسجلات المكالمات الصوتية وبيانات الوصول (استخدام البيانات) فقط. لم يتم استخدام بيانات الرسائل القصيرة، مما جعل من الصعب التعامل مع ندرة البيانات.

تضمنت البيانات معرفًا فريدًا مشفرًا؛ رمز منطقة الموقع (LAC)؛ توقيت؛ معرف هاتف محمول، الذي تم تجميعه مع LAC لتحديد برج الهاتف المحمول المستخدم في المعاملة؛ و معرف الحدث (مكالمة متصلة أو متلقاة، أو استخدام البيانات).

شجرة عملية لتحديد الزيارات الخفية.

تم ربط هذه المعلومات ببيانات قاعدة بيانات تشغيل أبراج الهاتف المحمول، مما مكن الباحثين من استعلام إحداثيات خط الطول وخط العرض لبرج الهاتف المحمول المرتبط بالحدث الاتصالي. تمكنت الباحثون من تحديد 9000 برج هاتف محمول في مجموعة البيانات.

يشير الباحثون إلى أن من الصعب تخمين وجهات الرحلات فقط من سجلات المكالمات، لأن هذه الأنواع من السجلات تصل إلى أقصى حد في الصباح والفترة بعد الظهر، مما يتوافق مع أنماط السفر على أي حال. منذ أن تسبق المكالمات الهاتفية السفر (ويمكن أن تسبب رحلة)، يمكن أن يسبب ذلك انحيازًا في تقدير الوجهة.

أنماط استخدام الهاتف المحمول على مدار اليوم.

تطبق قيود مماثلة على معاملات استخدام البيانات المبادرة من قبل المستخدم، مثل تطبيقات المراسلة، و其他 أنواع التفاعل. ومع ذلك، فإن “استخدام البيانات التلقائي” يساعد في تحديد هويتنا – الاستطلاع المنهجي ل-APIs للحصول على رسائل جديدة أو أنواع أخرى من البيانات، بما في ذلك قوائم الرسائل وبيانات GPS والتعليمات العامة عبر التطبيقات المثبتة.

المعالجة

اقترب الباحثون من المشكلة باستخدام مجموعة واسعة من تصنيفات التعلم الآلي الشهيرة، بما في ذلك الانحدار اللوجستي وآلة دعم المتجه والغابة العشوائية ونهج التجميع بالتقوية. تم تطبيق جميع التصنيفات في بايثون عبر scikit-learn، مع الإعدادات الافتراضية.

من بين هذه النهج، وجد الباحثون أن الانحدار اللوجستي أعطى أعلى عدد من معلمات النموذج القابلة للتفسير.

كما اكتشفوا أن كلما طالت فترة زمنية مرتدة، زادت احتمالية حدوث زيارة خفية، وأن هناك زيادة في حدوث زيارات خفية في الصباح.

علاوة على ذلك، عندما تكشف بيانات سجلات المكالمات بسهولة عددًا كبيرًا من الوجهات أو نقاط التوقف،那么 هناك أقل احتمال لحدوث زيارة خفية. بشكل عام، هذا يتوافق مع مبدأ البحث العام – أن المستخدمين “الأكثر ضجيجًا” أو الأكثر نشاطًا يرسمون صورة مفصلة لحركاتهم، والتي يمكن من خلالها استنتاج سلوك المستخدمين الأقل نشاطًا.

في الختام، يتنبأ الباحثون بأن نهجهم يمكن استخدامه ل其他 أنواع بيانات النقل، بما في ذلك بيانات البطاقات الذكية والمعلومات الاجتماعية الجغرافية المكانية.

تم تمويل البحث من قبل مؤسسة الطاقة الصينية ومركز النقل المستدام في الصين.

* المنشأ والوجهة