Η γωνία του Anderson
Αναλύοντας 25 Χρόνια Πολιτικών Ιδιωτικότητας με Μηχανική Μάθηση

Βασικά σημείαΟι πολιτικές απορρήτου έγιναν μακρύτερες και πιο αόριστες καθώς οι κανονισμοί…
Δείτε περισσότερα
- Οι πολιτικές απορρήτου έγιναν μακρύτερες και πιο αόριστες καθώς οι κανονισμοί πολλαπλασιάστηκαν χωρίς να προστατεύουν ουσιαστικά τους χρήστες.
- Η συσκοτιστική γλώσσα εκτοξεύτηκε μετά την έλευση των νόμων περί απορρήτου, καθιστώντας τις πολιτικές δυσκολότερες στην κατανόηση για τους απλούς αναγνώστες.
- Οι χρήστες σπάνια μαθαίνουν για αλλαγές στις πολιτικές και τους προσφέρεται σχεδόν καμία ουσιαστική επιλογή όταν αλλάζουν οι όροι.
Μια πρόσφατη μελέτη έχει χρησιμοποιήσει τεχνικές ανάλυσης με μηχανική μάθηση για να χαρτογραφήσει την αναγνωσιμότητα, τη χρησιμότητα, το μήκος και τη πολυπλοκότητα περισσότερων από 50.000 πολιτικών ιδιωτικότητας σε δημοφιλείς ιστοτόπους σε μια περίοδο που καλύπτει 25 χρόνια από το 1996 έως το 2021. Η έρευνα καταλήγει στο συμπέρασμα ότι ο μέσος αναγνώστης θα χρειαζόταν να αφιερώσει 400 ώρες “ετήσιου χρόνου ανάγνωσης” (περισσότερο από μια ώρα την ημέρα) για να διεισδύσει στον αυξανόμενο αριθμό λέξεων, τη συγκαλυπτική γλώσσα και την ασάφεια που χαρακτηρίζουν τις σύγχρονες πολιτικές ιδιωτικότητας ορισμένων από τους πιο συχνά επισκεπτόμενους ιστοτόπους.
Η αναφορά αναφέρει:
‘Ο μέσος όρος του μήκους της πολιτικής έχει σχεδόν διπλασιαστεί τα τελευταία δέκα χρόνια, με 2159 λέξεις τον Μάρτιο του 2011 και 4191 λέξεις τον Μάρτιο του 2021, και έχει σχεδόν τετραπλασιαστεί από το 2000 (1146 λέξεις).’

Ο μέσος αριθμός λέξεων και προτάσεων ανά πολιτική, κατά τη διάρκεια μιας περιόδου 25 ετών. Πηγή: https://arxiv.org/pdf/2201.08739.pdf
Αν και ο ρυθμός αύξησης του μήκους αυξήθηκε όταν οι προστασίες του GDPR και του California Consumer Privacy Act (CCPA) τέθηκαν σε ισχύ, η μελέτη απορρίπτει αυτές τις διακυμάνσεις ως «μικρά μεγέθη επίδρασης» που φαίνονται αμελητέες μπροστά στη μεγαλύτερη μακροπρόθεσμη τάση. Ωστόσο, το GDPR αναγνωρίζεται ως πιθανή αιτία της αύξησης της “ασαφούς” γλώσσας στις πολιτικές (βλ. παρακάτω).
Υποθέτοντας ρυθμό ανάγνωσης 250 λέξεων ανά λεπτό, η μελέτη υποστηρίζει ότι η μέση πολιτική ιδιωτικότητας τώρα διαρκεί 17 λεπτά για να διαβαστεί, ενώ οι πιο δημοφιλείς πολιτικές (δηλ. οι πολιτικές που συνδέονται με μεγάλο αριθμό χρηστών) διαρκούν 23 λεπτά για να ολοκληρωθούν.
Η μακρύτερη πολιτική στη βάση δεδομένων, από τη Microsoft, απαιτεί 152 λεπτά για να καταναλωθεί, σύμφωνα με την έρευνα, η οποία αξιοποίησε μια σειρά από εκδόσεις του μοντέλου γλώσσας BERT της Google.

Αύξηση του ρυθμού των ετήσιων ωρών που απαιτούνται για την ανάγνωση των σύγχρονων πολιτικών ιδιωτικότητας, υποθέτοντας ότι ο αναγνώστης επισκέπτεται 1462 μοναδικούς ιστοτόπους ανά έτος.
Πολύ από την πρόσφατη αύξηση της πολυλογίας και της ασαφούς γλώσσας στις πολιτικές ιδιωτικότητας αποδίδεται από την μελέτη ως μια αντίδραση στις προσπάθειες των τελευταίων δύο δεκαετιών για την επιβολή κανονισμών, αλλά και στη δόλια χρήση των απαιτήσεων συμμόρφωσης με τους κανονισμούς ως πρόφαση για να αυξήσουν κρυφά το εύρος και την αδιαφάνεια των πολιτικών ιδιωτικότητας.
‘Συνολικά, τα αποτελέσματά μας δείχνουν ότι οι πρόσφατες κανονιστικές ρυθμίσεις δεν έχουν βελτιώσει σημαντικά την ιδιωτικότητα των χρηστών στο διαδίκτυο, αλλά οδήγησαν σε περισσότερο φουσκωμένες πολιτικές ιδιωτικότητας που περιγράφουν πιο εισβατικές πρακτικές δεδομένων.’
Αν και μια σειρά από έρευνες NLP έχουν αντιμετωπίσει την αναγνωσιμότητα και άλλες πτυχές των πολιτικών ιδιωτικότητας τα τελευταία χρόνια, ο συγγραφέας πιστεύει ότι αυτή είναι η πρώτη μελέτη του είδους της που παρέχει μια τόσο ευρεία επισκόπηση της ανάπτυξης των πολιτικών τις τελευταίες δεκαετίες.
Το έγγραφο έχει τον τίτλο Πολιτικές Ιδιωτικότητας στο Πέρασμα του Χρόνου: Περιεχόμενο και Αναγνωσιμότητα των Πολιτικών Ιδιωτικότητας 1996–2021, και προέρχεται από την Isabel Wagner στο Ινστιτούτο Κυβερνοτεχνολογίας του Πανεπιστημίου De Montfort στο Ηνωμένο Βασίλειο.
Ελλειπτική Γλώσσα
Η αναφορά προτείνει επίσης ότι ο μέσος αριθμός “ασαφών λέξεων” (δηλ. αποδεκτό, σημαντικό, κυρίως, και άλλες λέξεις που δεν παρέχουν οριστική σημασία) στις πολιτικές ιδιωτικότητας αυξήθηκε σταθερά μέχρι το 2018, αλλά στη συνέχεια αυξήθηκε από διάμεσο αριθμό 227 περίπου τον Μάρτιο του 2018 σε 304 τον Ιούνιο του 2020.
Ο συγγραφέας υποστηρίζει ότι αυτή η αύξηση οφείλεται στα αποτελέσματα του GDPR, και η μελέτη βρίσκει ότι πάνω από δύο τρίτα (72%) των προτάσεων στις μελετημένες πολιτικές ιδιωτικότητας περιείχαν τουλάχιστον μια ασαφή λέξη.
Αναγνωσιμότητα
Σε τρεις κοινές μετρήσεις της δυσκολίας ανάγνωσης, η μελέτη βρήκε ότι ‘οι πολιτικές ιδιωτικότητας έχουν γίνει ολοένα και πιο δύσκολο να διαβαστούν με τα χρόνια’. Οι συγγραφείς εκτιμούν ότι το 41% των τρέχουσων πολιτικών που ισχύουν το 2021 είχε διάμεσο Δείκτη Ευκολίας Ανάγνωσης Flesch (FRE, υψηλότερο είναι καλύτερο) μόνο 31,8, με τον συγγραφέα να παρατηρεί ‘Αυτός ο δείκτης υποδηλώνει ένα πολύ δύσκολο κείμενο που είναι καλύτερα κατανοητό από απόφοιτους πανεπιστημίου’.
Την ίδια στιγμή, μόνο 6,7% των πολιτικών πέτυχαν δείκτη FRE πάνω από 45 (ο οποίος, όπως σημειώνει η αναφορά, είναι ο τυπικός δείκτης ανάγνωσης που απαιτείται για τις ασφαλιστικές πολιτικές στην πολιτεία της Φλόριντα).
Ενημέρωση για Αλλαγές Πολιτικής
Το έργο αντιμετωπίζει επίσης το βαθμό στον οποίο οι πολιτικές ιδιωτικότητας περιλαμβάνουν λεπτομέρειες σχετικά με τον τρόπο με τον οποίο ο πιθανός συναίνων θα ειδοποιηθεί τελικά σε περίπτωση μεταγενέστερων ενημερώσεων, οι οποίες μπορεί να επηρεάσουν τη διάθεση του χρήστη να διατηρήσει τη συμφωνία.
Ο συγγραφέας παρατηρεί:
‘Το 2021, το 73% των πολιτικών περιλαμβάνει μια δήλωση σχετικά με την αλλαγή της πολιτικής. Από αυτά, το 34% δηλώνει ότι οι αλλαγές θα ανακοινωθούν με μια ειδοποίηση στην πολιτική ιδιωτικότητας, το 37% θα δημοσιεύσει μια ειδοποίηση στην ιστοσελίδα, και το 22% θα στείλει μια προσωπική ειδοποίηση (οι υπόλοιπες πολιτικές αφήνουν τον τύπο της ειδοποίησης ακαθόριστο).’
‘Ως αποτέλεσμα, οι περισσότεροι χρήστες είναι απίθανο να γίνουν ενήμεροι για αλλαγές στις πολιτικές ιδιωτικότητας.
‘Επιπλέον, οι χρήστες προσφέρονται σχεδόν καμία ουσιαστική επιλογή όταν οι πολιτικές αλλάζουν. Από τις πολιτικές που ειδοποιούν τον χρήστη για αλλαγές, μόνο το 12% προσφέρει μια νέα δυνατότητα συγκατάθεσης, ενώ το 34% δεν προσφέρει καμία επιλογή και το 54% αφήνει αυτό ακαθόριστο.’

Τα αποτελέσματα της μελέτης σχετικά με τους περιγραφόμενους τρόπους για την ενημέρωση των χρηστών σχετικά με αλλαγές πολιτικής.
Περιορισμένη Επιλογή σχετικά με την Παρακολούθηση
Σύμφωνα με τη μελέτη, ένας πολύ μεγαλύτερος αριθμός μηχανισμών προσφέρεται στις πολιτικές ιδιωτικότητας για την πρόσβαση σε πληροφορίες λογαριασμού χρήστη από ότι για την πρόσβαση σε δεδομένα προφίλ χρήστη. Τα δεδομένα προφίλ μπορούν να δημιουργηθούν και να ενημερωθούν μέσω αυτόματων και μη φανερών μηχανισμών, ενώ τα δεδομένα λογαριασμού χρήστη δεν μόνο χορηγούνται ρητά από τον χρήστη, αλλά και υποχρεούνται να είναι επεξεργάσιμα σύμφωνα με τους κανονισμούς των διαφορετικών δικαιοδοσιών.
Η επιλογή του καταναλωτή σχετικά με τη συναίνωση cookie στις πολιτικές ιδιωτικότητας (ένα θέμα που έχει προκαλέσει έντονη συζήτηση από την έναρξη του GDPR και την επακόλουθη εμφάνιση εκατοντάδων χιλιάδων αναδυόμενων παραθύρων εισαγωγικής ενημέρωσης για cookies) γενικά καλύπτεται στις πολιτικές, αλλά κρύβει ένα πιο σημαντικό στρώμα λιγότερο προσβάσιμων δεδομένων*:
‘[Οι] επιλογές σχετικά με τα cookies είναι ανεπαρκείς για την προστασία των χρηστών από όλους τους τύπους παρακολούθησης, επειδή οι μηχανισμοί επιλογής ή ελέγχου σπάνια προσφέρονται για πληροφορίες υπολογιστή, ταυτοποιητές συσκευών, και προσωπικές ταυτοποιήσεις, οι οποίες επιτρέπουν την παρακολούθηση των χρηστών μέσω ψηφιακού αποτυπώματος συσκευής.’

Μια σαφής αντίθεση στο επίπεδο ελέγχου που παρέχεται από τις πολιτικές ιδιωτικότητας μεταξύ δεδομένων προφίλ (τα οποία μπορούν να ληφθούν με έμμεσες ή κρυφές μεθόδους) και δεδομένων λογαριασμού χρήστη (τα οποία απαιτούν κάποιο βαθμό ελέγχου που απαιτείται από το GDPR, τον California Consumer Privacy Act (CCPA) και παρόμοιους εθνικούς και περιφερειακούς μηχανισμούς).
Δεδομένα
Για να ληφθούν τα δεδομένα για τη μελέτη, ο συγγραφέας σάρωσε αυτόματα ιστοσελίδες για συνδέσμους προς τις πολιτικές ιδιωτικότητας, συχνά βρήκε αναγκαίο να διευρύνει το πεδίο πέρα από το αρχικό αποτέλεσμα, λόγω του αριθμού των μη ολοκληρωμένων πολιτικών που συνδέονται με περαιτέρω πολιτικές (καθεμία από τις οποίες έχει την πιθανότητα να αλλάξει είτε σε συνδυασμό με είτε ανεξάρτητα από την γονική ή συναφής πολιτική).
Η Wayback Machine χρησιμοποιήθηκε για την απόκτηση ιστορικών πολιτικών, αν και ήταν απαραίτητο, όταν θεωρήθηκαν τα αποτελέσματα, να ληφθούν υπόψη οι πολιτικές που είχαν αποκλειστεί από τη σάρωση ή την αρχειοθέτηση μέσω ενός αρχείου robots.txt (ένα μικρό αρχείο κειμένου που περιέχει οδηγίες για τα αυτοματοποιημένα προγράμματα σάρωσης και ευρετηρίασης ιστοσελίδων σχετικά με σελίδες και άλλα στοιχεία που δεν πρέπει να περιλαμβάνονται σε δημόσιο ευρετήριο).
Μια λήψη ανά μήνα λήφθηκε από την Wayback Machine από το CDX API για κάθε αναγνωρίσιμο και συνεχές εφαρμόσιμο πολιτική, χρησιμοποιώντας Firefox μέσω Selenium. Η εκτέλεση αναγνώρισης χαρακτήρων σε πολιτικές που ήταν διαθέσιμες μόνο σε μορφή PDF δεν θεωρήθηκε για το έργο, το οποίο περιορίστηκε στον (πολύ μεγαλύτερο) αριθμό διαθέσιμων HTML πολιτικών.
Ένα ενδιαφέρον αποτέλεσμα από το έργο είναι ότι η σαφήνεια και η αναγνωσιμότητα των ιστότοπων πορνογραφίας έχουν στην πραγματικότητα βελτιωθεί κατά τη διάρκεια της μελετημένης περιόδου – πιθανώς σε αναμονή της αύξησης των απαιτήσεων για μεγαλύτερη ρύθμιση και σαφήνεια. Για να συλλέξουν αυτά τα έγγραφα, ήταν απαραίτητο να ληφθούν με πρόσθετες σαρώσεις από οικιακές διευθύνσεις IP, λόγω των πρωτοκόλλων αποκλεισμού περιεχομένου του πανεπιστημίου.
Αρχικά 1.068.683 έγγραφα λήφθηκαν, που ισοδυναμούν με 120.265 μοναδικά έγγραφα που περιέχουν κατά μέσο όρο 39,1 άρθρα πολιτικής ή ρήτρας και 4,4 μοναδικά κείμενα πολιτικής για κάθε σύνδεσμο.
Αγγλικά Μόνο
Όπως είναι σύνηθες σε παρόμοιες πρόσφατες μελέτες, το έργο δεν ήταν σε θέση να αντιμετωπίσει τις μη αγγλικές πολιτικές ιδιωτικότητας, οι οποίες απορρίφθηκαν κατά τη διάρκεια της φάσης καθαρισμού δεδομένων χρησιμοποιώντας το πακέτο PYCLD2.
Για να διακρίνουν τις πολιτικές ιδιωτικότητας από άλλα είδη υλικού, το έργο χρησιμοποίησε έναν ταξινομητή αναπτυγμένο το 2019 ως μια κοινή πρωτοβουλία από το Πανεπιστήμιο του Wisconsin και το École Polytechnique Fédérale de Lausanne.

Αρχιτεκτονική του ταξινομητή IS-POLICY. Πηγή: https://arxiv.org/pdf/1809.08396.pdf
Αν και ο ταξινομητής IS-POLICY εκπαιδεύτηκε στο ίδιο 1.000-εγγράφων σώμα με την αρχική μελέτη, ο συγγραφέας χρειάστηκε να εξασφαλίσει νέα έγγραφα που δεν ήταν πολιτικές ιδιωτικότητας για την εκπαίδευση, καθώς τα αρχικά δεδομένα δεν ήταν διαθέσιμα.
Μετά τη φιλτράρισή τους, τα δεδομένα μειώθηκαν σε 56.416 μοναδικές πολιτικές ιδιωτικότητας.
* Η εσωτερική αναφορά του εγγράφου μετατρέπεται σε υπερσύνδεσμο εδώ, η αλλαγή πλάγιας γραμμής προέρχεται από το έγγραφο.
Πρώτη δημοσίευση 31ης Ιανουαρίου 2022.












