25 वर्षों की गोपनीयता नीतियों का मशीन लर्निंग के साथ विश्लेषण

एक हालिया अध्ययन ने मशीन लर्निंग विश्लेषण तकनीकों का उपयोग करके 25 वर्षों की अवधि में लोकप्रिय वेबसाइटों पर 50,000 से अधिक गोपनीयता नीतियों की पठनीयता, उपयोगिता, लंबाई और जटिलता का नक्शा तैयार किया है। शोध के अनुसार, औसत पाठक को इन गोपनीयता नीतियों को पढ़ने के लिए 400 घंटे का “वार्षिक पढ़ाई समय” देना होगा, जो कि प्रतिदिन एक घंटे से अधिक है।

रिपोर्ट में कहा गया है:

‘औसत नीति की लंबाई पिछले दस वर्षों में लगभग दोगुनी हो गई है, मार्च 2011 में 2159 शब्द और मार्च 2021 में 4191 शब्द, और 2000 के बाद से लगभग चार गुना बढ़ गई है (1146 शब्द)।’

अध्ययन में शामिल निगम के बीच शब्द गणना और वाक्य गणना का औसत, 25 वर्षों की अवधि में। स्रोत: https://arxiv.org/pdf/2201.08739.pdf

हालांकि नीति की लंबाई में वृद्धि की दर जीडीपीआर और कैलिफोर्निया उपभोक्ता गोपनीयता अधिनियम (सीसीपीए) संरक्षण लागू होने के बाद बढ़ गई, लेकिन पत्र इस विचलन को ‘छोटे प्रभाव आकार’ के रूप में खारिज करता है, जो व्यापक दीर्घकालिक रुझान के खिलाफ महत्वहीन लगता है। हालांकि, जीडीपीआर को संभावित रूप से नीतियों में ‘अस्पष्ट’ भाषा के बढ़ने के कारण के रूप में पहचाना जाता है।

यह मान लेते हुए कि प्रति मिनट 250 शब्दों की पढ़ाई गति है, पत्र यह तर्क देता है कि औसत गोपनीयता नीति अब 17 मिनट पढ़ने में लगती है, जबकि अधिक लोकप्रिय नीतियों (अर्थात उच्च संख्या में उपयोगकर्ताओं से जुड़ी नीतियां) को पूरा करने में 23 मिनट लगते हैं।

डेटासेट में सबसे लंबी नीति, माइक्रोसॉफ्ट से, शोध के अनुसार 152 मिनट लगते हैं, जो कई वेरिएंट पर गूगल के बीईआरटी भाषा मॉडल का लाभ उठाता है।

आधुनिक गोपनीयता नीतियों को पढ़ने के लिए वार्षिक घंटों की दर में वृद्धि, यह मान लेते हुए कि पाठक प्रति वर्ष 1462 विशिष्ट वेबसाइटों पर जाता है।

गोपनीयता नीतियों में हाल के वर्षों में वाक्यांशों और अस्पष्टता में वृद्धि को पत्र नियामक प्रयासों के प्रति प्रतिक्रिया के रूप में और नियामक अनुपालन आवश्यकताओं का उपयोग करके गोपनीयता नीतियों के दायरे और अपारदर्शिता को बढ़ाने के बहाने के रूप में देखता है।

‘सामान्य तौर पर, हमारे परिणाम बताते हैं कि हाल के गोपनीयता नियमों ने ऑनलाइन उपयोगकर्ताओं की गोपनीयता में काफी हद तक सुधार नहीं किया है, बल्कि अधिक फूली हुई गोपनीयता नीतियों को जन्म दिया है जो अधिक आक्रामक डेटा प्रथाओं का वर्णन करती हैं।’

हालांकि कई प्राकृतिक भाषा प्रसंस्करण (एनएलपी) पत्रों ने हाल के वर्षों में गोपनीयता नीतियों की पठनीयता और अन्य पहलुओं को संबोधित किया है, लेखक का मानना है कि यह परियोजना अपनी तरह की पहली परियोजना है जो हाल के दशकों में नीति विकास का इतना व्यापक अवलोकन प्रदान करती है।

पत्र शीर्षक है गोपनीयता नीतियां सभी उम्र के लिए: गोपनीयता नीतियों की सामग्री और पठनीयता 1996-2021, और यह यूके में डी मोंटफोर्ट विश्वविद्यालय के साइबर प्रौद्योगिकी संस्थान के आइज़ैबल वैगनर से आया है।

वक्री भाषा

रिपोर्ट यह भी सुझाव देती है कि गोपनीयता नीतियों में ‘अस्पष्ट शब्दों’ (अर्थात स्वीकार्य, महत्वपूर्ण, मुख्य रूप से, और अन्य शब्द जो निश्चित अर्थ प्रदान नहीं करते हैं) की औसत संख्या 2018 तक लगातार बढ़ी, लेकिन फिर मार्च 2018 में 227 के मध्य से जून 2020 में 304 तक कूद गई।

लेखक का तर्क है कि यह वृद्धि जीडीपीआर के प्रभाव के कारण है, और पत्र यह पाता है कि अध्ययन की गई गोपनीयता नीतियों में से दो तिहाई (72%) में कम से कम एक अस्पष्ट शब्द था।

पठनीयता

पढ़ने में कठिनाई के तीन सामान्य उपायों के माध्यम से, अध्ययन में पाया गया कि ‘गोपनीयता नीतियां वर्षों से पढ़ने में कठिन होती जा रही हैं’. लेखक अनुमान लगाते हैं कि 2021 में उपलब्ध वर्तमान लागू नीतियों में से 41% का फ्लेश रीडिंग ईज़ (एफआरई, जितना अधिक बेहतर है) का मध्य मान केवल 31.8 था, जिसके बारे में लेखक टिप्पणी करता है ‘यह स्कोर एक बहुत ही कठिन पाठ को इंगित करता है जो विश्वविद्यालय के स्नातकों द्वारा सबसे अच्छी तरह से समझा जाता है’.

उसी समय, केवल 6.7% नीतियों ने 45 से अधिक एफआरई स्कोर प्राप्त किया (जो रिपोर्ट के अनुसार फ्लोरिडा राज्य में बीमा नीतियों के लिए आवश्यक पढ़ने का मानक है)।

नीति परिवर्तन जागरूकता

कार्य नीतियों में विवरण के स्तर को भी संबोधित करता है जो संभावित सहमति देने वाले को बाद के अद्यतनों के मामले में कैसे सूचित किया जाएगा, जो उपयोगकर्ता की सहमति बनाए रखने की इच्छा को प्रभावित कर सकता है।

लेखक टिप्पणी करता है:

‘2021 में, 73% नीतियों में नीति परिवर्तन के बारे में एक बयान शामिल है। इनमें से, 34% यह कहते हैं कि परिवर्तन गोपनीयता नीति में एक नोटिस द्वारा घोषित किए जाएंगे, 37% एक वेबसाइट पर एक नोटिस पोस्ट करेंगे, और 22% एक व्यक्तिगत नोटिस भेजेंगे (शेष नीतियों में सूचना प्रकार को निर्दिष्ट नहीं किया जाता है)।’

‘परिणामस्वरूप, अधिकांश उपयोगकर्ता नीतियों में परिवर्तनों से अवगत होने की संभावना नहीं है। ‘

‘इसके अलावा, नीतियों में परिवर्तन होने पर उपयोगकर्ताओं को लगभग कोई अर्थपूर्ण विकल्प नहीं दिया जाता है। उन नीतियों में से जो उपयोगकर्ता को परिवर्तनों के बारे में सूचित करती हैं, केवल 12% एक नई सहमति प्रदान करती हैं, जबकि 34% कोई विकल्प नहीं देती हैं और 54% इसे निर्दिष्ट नहीं करती हैं।’

पत्र के निष्कर्ष उपयोगकर्ताओं को नीति परिवर्तनों के बारे में सूचित करने के वर्णित तरीकों पर।

ट्रैकिंग के संबंध में सीमित विकल्प

अध्ययन के अनुसार, उपयोगकर्ता-प्रोफ़ाइल डेटा की तुलना में उपयोगकर्ता-खाता जानकारी तक पहुंचने के लिए गोपनीयता नीतियों में बहुत अधिक तंत्र प्रदान किए जाते हैं। प्रोफ़ाइल डेटा स्वचालित और अस्पष्ट तंत्रों के माध्यम से बनाया और अद्यतन किया जा सकता है, जबकि उपयोगकर्ता-खाता डेटा न केवल उपयोगकर्ता द्वारा स्पष्ट रूप से अनुदानित होता है, बल्कि विभिन्न क्षेत्राधिकारों के नियमों के तहत संपादन योग्य होने के लिए भी बाध्य होता है।

‘कुकी सहमति के संबंध में गोपनीयता नीतियों में विकल्प आमतौर पर संबोधित किए जाते हैं (एक विषय जिसने जीडीपीआर के आगमन के बाद अंतर्राष्ट्रीय और यूरोपीय वेबसाइटों के यूरोपीय संस्करणों के लिए सैकड़ों हजारों कुकी सहमति पॉपअप को आकर्षित किया है) लेकिन एक कम सुलभ डेटा परत को छुपाता है*:

गोपनीयता नीतियों द्वारा प्रदान किए गए नियंत्रण के स्तर में प्रोफ़ाइल डेटा (जो अंतर्निहित या चुपके साधनों से प्राप्त किया जा सकता है) और उपयोगकर्ता-खाता डेटा (जिसमें जीडीपीआर, सीसीपीए और समान राष्ट्रीय और क्षेत्रीय तंत्र द्वारा कुछ नियंत्रण का मंदता से आदेश दिया जाता है) के बीच एक तीव्र विपरीत।

डेटा

अध्ययन के लिए डेटा प्राप्त करने के लिए, लेखक ने वेबसाइटों पर उनकी गोपनीयता नीतियों के लिंक के लिए क्रॉल किया, अक्सर प्रारंभिक परिणाम से परे दायरे को बढ़ाने के लिए आवश्यक है, क्योंकि गैर-एकीकृत नीतियों की संख्या जो आगे की नीतियों में लिंक करती है (प्रत्येक के पास माता-पिता या संबंधित नीति के साथ या स्वतंत्र रूप से बदलने की संभावना होती है)।

वेबसाइटों के लिए ऐतिहासिक नीतियों को प्राप्त करने के लिए वेबैक मशीन का उपयोग किया गया था, हालांकि परिणामों पर विचार करते समय यह आवश्यक था कि उन नीतियों के लिए खाता लिया जाए जिन्हें क्रॉलिंग या आर्काइविंग से रोकने के लिए रोबोट्स.टेक्सटी फ़ाइल कॉन्फ़िगरेशन फ़ाइल (एक छोटी पाठ फ़ाइल जिसमें वेब-क्रॉलिंग इंडेक्सिंग एजेंटों के लिए निर्देश होते हैं जिन पृष्ठों और अन्य संस्थाओं को वे सार्वजनिक सूचकांक में शामिल नहीं करना चाहिए) द्वारा अवरुद्ध किया गया था।

प्रति माह एक स्नैपशॉट सीडीएक्स एपीआई द्वारा वेबैक मशीन से प्रत्येक पहचानने योग्य और निरंतर लागू नीति के लिए प्राप्त किया गया था, फ़ायरफ़ॉक्स के तहत सेलेनियम का उपयोग करके। केवल एचटीएमएल नीतियों की बहुत बड़ी संख्या तक सीमित रहते हुए, केवल पीडीएफ प्रारूप में उपलब्ध नीतियों पर ऑप्टिकल कैरेक्टर रिकग्निशन करने पर विचार नहीं किया गया था।

परियोजना का एक दिलचस्प परिणाम यह है कि अध्ययन की गई अवधि में अश्लील वेबसाइटों की स्पष्टता और पठनीयता वास्तव में बढ़ गई है – संभावित रूप से बढ़ती नियामकता और स्पष्टता की मांग की प्रत्याशा में। इन दस्तावेजों को इकट्ठा करने के लिए, यह आवश्यक था कि उन्हें आवासीय आईपी पते से अतिरिक्त क्रॉल के साथ प्राप्त किया जाए, विश्वविद्यालय के सामग्री-ब्लॉकिंग प्रोटोकॉल के कारण।

प्रारंभ में 1,068,683 दस्तावेज़ प्राप्त किए गए थे, जो 120,265 अद्वितीय दस्तावेजों के बराबर थे जिनमें प्रति लिंक 39.1 नीति लेख या खंड और 4.4 अद्वितीय नीति पाठ थे।

केवल अंग्रेजी

इसी तरह के हाल के अध्ययनों में, परियोजना गैर-अंग्रेजी गोपनीयता नीतियों को संबोधित करने में सक्षम नहीं थी, जिन्हें डेटा-सफाई चरण के दौरान पाइकेलडी2 पैकेज का उपयोग करके हटा दिया गया था।

गोपनीयता नीतियों को अन्य प्रकार की सामग्री से अलग करने के लिए, परियोजना ने 2019 में विस्कॉन्सिन विश्वविद्यालय और École Polytechnique Fédérale de Lausanne की संयुक्त पहल के रूप में विकसित एक वर्गीकारक का उपयोग किया।

आईएस-नीति वर्गीकारक की वास्तुकला। स्रोत: https://arxiv.org/pdf/1809.08396.pdf

हालांकि आईएस-नीति वर्गीकारक को मूल पत्र में उसी 1,000-दस्तावेज़ निगम के रूप में प्रशिक्षित किया गया था, लेखक को प्रशिक्षण के लिए नए गैर-नीति दस्तावेज़ प्राप्त करने थे क्योंकि मूल स्रोत उपलब्ध नहीं थे।

फ़िल्टरिंग के बाद, डेटा 56,416 अद्वितीय गोपनीयता नीतियों में कम हो गया।

* पत्र का इनलाइन उद्धरण यहां एक हाइपरलिंक में परिवर्तित हो जाता है, इटैलिक टॉगलिंग पत्र से है।

पहली बार 31 जनवरी 2022 को प्रकाशित हुआ।