มุมมองของ Anderson

การวิเคราะห์ 25 ปีของนโยบายความเป็นส่วนตัวด้วย Machine Learning

Martin Anderson
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญนโยบายความเป็นส่วนตัวยาวขึ้นและคลุมเครือมากขึ้นเมื่อกฎระเบียบเพิ่มจำนวนขึ้นโดยไม่ได้ปกป้…
ดูเพิ่มเติม
  • นโยบายความเป็นส่วนตัวยาวขึ้นและคลุมเครือมากขึ้นเมื่อกฎระเบียบเพิ่มจำนวนขึ้นโดยไม่ได้ปกป้องผู้ใช้อย่างมีความหมาย
  • ภาษาที่ทำให้สับสนเพิ่มขึ้นอย่างมากหลังกฎหมายความเป็นส่วนตัวมีผลบังคับใช้ ทำให้ผู้้อ่านทั่วไปเข้าใจนโยบายได้ยากขึ้น
  • ผู้ใช้แทบไม่เคยได้รับรู้เกี่ยวกับการเปลี่ยนแปลงนโยบาย และแทบไม่ได้รับทางเลือกที่มีความหมายเมื่อข้อกำหนดเปลี่ยนแปลง

การศึกษาเร็วๆ นี้ได้ใช้เทคนิคการวิเคราะห์ Machine Learning เพื่อสร้างกราฟความอ่านได้ ความเป็นประโยชน์ ความยาว และความซับซ้อนของนโยบายความเป็นส่วนตัวมากกว่า 50,000 นโยบายบนเว็บไซต์ที่ได้รับความนิยมในช่วง 25 ปี ตั้งแต่ปี 1996 ถึง 2021 การวิจัยสรุปว่าผู้อ่านโดยเฉลี่ยต้องใช้เวลาอ่านต่อปี 400 ชั่วโมง หรือมากกว่าหนึ่งชั่วโมงต่อวัน ในการอ่านนโยบายความเป็นส่วนตัวที่เพิ่มขึ้นเรื่อยๆ ซึ่งประกอบด้วยคำศัพท์ที่ซับซ้อนและภาษาที่คลุมเครือที่พบในนโยบายความเป็นส่วนตัวของเว็บไซต์ที่มีผู้เข้าชมมากที่สุด

รายงานระบุว่า:

‘ความยาวเฉลี่ยของนโยบายเพิ่มขึ้นเกือบสองเท่าในรอบ 10 ปีที่ผ่านมา โดยมี 2,159 คำในเดือนมีนาคม 2011 และ 4,191 คำในเดือนมีนาคม 2021 และเพิ่มขึ้นเกือบสี่เท่าตั้งแต่ปี 2000 (1,146 คำ)’

จำนวนคำและประโยคเฉลี่ยในนโยบายความเป็นส่วนตัวที่ศึกษาในช่วง 25 ปี

จำนวนคำและประโยคเฉลี่ยในนโยบายความเป็นส่วนตัวที่ศึกษาในช่วง 25 ปี Source: https://arxiv.org/pdf/2201.08739.pdf

แม้ว่าอัตราการเพิ่มขึ้นของความยาวจะเพิ่มขึ้นเมื่อ GDPR และ California Consumer Privacy Act (CCPA) มีผลบังคับใช้ แต่รายงานไม่พบผลกระทบที่มีนัยสำคัญต่อแนวโน้มระยะยาว อย่างไรก็ตาม GDPR ถูกมองว่าอาจเป็นสาเหตุหนึ่งที่ทำให้ภาษาในนโยบายความเป็นส่วนตัวไม่ชัดเจน

โดยสมมติว่าความเร็วในการอ่านคือ 250 คำต่อนาที รายงานระบุว่านโยบายความเป็นส่วนตัวโดยเฉลี่ยต้องใช้เวลา 17 นาทีในการอ่าน ในขณะที่นโยบายที่มีผู้ใช้มากที่สุดต้องใช้เวลา 23 นาทีในการอ่าน

นโยบายที่ยาวที่สุดในฐานข้อมูลมาจาก Microsoft และต้องใช้เวลา 152 นาทีในการอ่านตามรายงาน ซึ่งใช้แบบดัดแปลงหลายแบบของแบบจำลองภาษา BERT ของ Google

การเพิ่มขึ้นของจำนวนชั่วโมงในการอ่านนโยบายความเป็นส่วนตัวต่อปี

การเพิ่มขึ้นของจำนวนชั่วโมงต่อปีที่ต้องใช้อ่านนโยบายความเป็นส่วนตัว โดยสมมติว่าผู้อ่านเข้าชมเว็บไซต์ไม่ซ้ำกัน 1,462 แห่งต่อปี

การเพิ่มขึ้นของความยาวและความไม่ชัดเจนในนโยบายความเป็นส่วนตัวส่วนใหญ่เกิดจากการที่ความพยายามกำหนดกฎระเบียบในช่วงสองทศวรรษที่ผ่านมา แต่รายงานยังระบุถึงการใช้ข้อกำหนดการปฏิบัติตามกฎหมายเป็นข้ออ้างอย่างไม่จริงใจ เพื่อขยายขอบเขตและเพิ่มความไม่โปร่งใสของนโยบายอย่างลับๆ

‘โดยรวมแล้ว ผลการวิจัยของเราพบว่ากฎระเบียบความเป็นส่วนตัวล่าสุดไม่ได้ปรับปรุงความเป็นส่วนตัวของผู้ใช้บนอินเทอร์เน็ตอย่างมีนัยสำคัญ แต่ส่งผลให้นโยบายความเป็นส่วนตัวมีความยาวและซับซ้อนมากขึ้น ซึ่งอธิบายถึงการปฏิบัติเกี่ยวกับข้อมูลที่รุกรานมากขึ้น’

แม้ว่าจะมีหลายงานวิจัยที่ใช้เทคนิคการประมวลผลภาษาธรรมชาติ (NLP) เพื่อวิเคราะห์นโยบายความเป็นส่วนตัว แต่ผู้วิจัยเชื่อว่านี่เป็นโครงการแรกที่ให้ภาพรวมที่กว้างขวางเกี่ยวกับการพัฒนานโยบายความเป็นส่วนตัวในช่วงหลายทศวรรษที่ผ่านมา

รายงานฉบับนี้มีชื่อว่า นโยบายความเป็นส่วนตัวตลอดช่วงเวลา: เนื้อหาและความอ่านได้ของนโยบายความเป็นส่วนตัว 1996-2021 และเป็นผลงานของ Isabel Wagner จาก Cyber Technology Institute ของ De Montfort University ในสหราชอาณาจักร

ภาษาที่ไม่ชัดเจน

รายงานยังพบว่าจำนวนเฉลี่ยของคำที่ทำให้ความหมายคลุมเครือ เช่น ยอมรับได้, สำคัญ และ เป็นหลัก ซึ่งเป็นคำที่ไม่ให้ความหมายชัดเจนแน่นอน ในนโยบายความเป็นส่วนตัวเพิ่มขึ้นอย่างต่อเนื่องจนถึงปี 2018 แต่เพิ่มขึ้นอย่างรวดเร็วจากค่ามัธยฐาน 227 คำราวเดือนมีนาคม 2018 เป็น 304 คำในเดือนมิถุนายน 2020

ผู้วิจัยเชื่อว่าการเพิ่มขึ้นนี้เกิดจากผลกระทบของ GDPR และพบว่ามากกว่าสองในสาม หรือ 72% ของประโยคในนโยบายความเป็นส่วนตัวที่ศึกษามีคำที่ไม่ชัดเจนอย่างน้อยหนึ่งคำ

ความอ่านได้

เมื่อใช้มาตรการความอ่านได้สามมาตรการที่พบบ่อยที่สุด รายงานพบว่า นโยบายความเป็นส่วนตัวมีความอ่านได้น้อยลงเมื่อเวลาผ่านไป ผู้วิจัยประมาณการว่า 41% ของนโยบายที่มีผลบังคับใช้ในปี 2021 มีค่ามัธยฐานของคะแนนFlesch Reading Ease (FRE ซึ่งยิ่งสูงยิ่งดี) อยู่ที่เพียง 31.8 ซึ่งผู้วิจัยระบุว่า เป็นข้อความที่ยากมากที่จะเข้าใจได้ดีที่สุดโดยผู้ที่จบมหาวิทยาลัย

ในขณะเดียวกัน มีนโยบายเพียง 6.7% ที่มีคะแนน FRE สูงกว่า 45 (ซึ่งรายงานระบุว่าเป็นมาตรฐานการอ่านสำหรับนโยบายประกันภัยในรัฐฟลอริดา)

การเปลี่ยนแปลงนโยบาย

งานวิจัยนี้ยังตรวจสอบถึงขอบเขตที่นโยบายความเป็นส่วนตัวรวมรายละเอียดเกี่ยวกับวิธีการที่ผู้ให้ความยินยอมจะถูกแจ้งในกรณีที่มีการเปลี่ยนแปลงนโยบาย ซึ่งอาจส่งผลต่อความเต็มใจของผู้ใช้ในการยอมรับนโยบาย

ผู้วิจัยพบว่า:

‘ในปี 2021 73% ของนโยบายรวมคำชี้แจงเกี่ยวกับการเปลี่ยนแปลงนโยบาย ของจำนวนนี้ 34% ระบุว่าการเปลี่ยนแปลงจะถูกประกาศโดยการแจ้งบนหน้านโยบายความเป็นส่วนตัว 37% จะโพสต์แจ้งบนเว็บไซต์ และ 22% จะส่งการแจ้งให้ผู้ใช้โดยตรง (ส่วนที่เหลือไม่ระบุวิธีการแจ้ง)

‘ดังนั้น ผู้ใช้ส่วนใหญ่จึงไม่น่าจะทราบถึงการเปลี่ยนแปลงในนโยบายความเป็นส่วนตัว’

‘นอกจากนี้ ผู้ใช้ได้รับการเลือกที่มีความหมายเพียงเล็กน้อยเมื่อนโยบายเปลี่ยนแปลง ของนโยบายที่แจ้งให้ผู้ใช้ทราบเกี่ยวกับการเปลี่ยนแปลงเพียง 12% ที่เปิดให้เลือกยินยอมใหม่ ในขณะที่ 34% ไม่เปิดให้เลือก และ 54% ไม่ได้ระบุ’

ผลการวิจัยเกี่ยวกับวิธีการแจ้งผู้ใช้เกี่ยวกับการเปลี่ยนแปลงนโยบาย

ผลการวิจัยเกี่ยวกับวิธีการแจ้งผู้ใช้เกี่ยวกับการเปลี่ยนแปลงนโยบาย

การจำกัดทางเลือกในการติดตาม

ตามรายงาน การศึกษาพบว่ามีกลไกที่หลากหลายสำหรับการเข้าถึงข้อมูลบัญชีผู้ใช้มากกว่าการเข้าถึงข้อมูลโปรไฟล์ผู้ใช้ ข้อมูลโปรไฟล์สามารถสร้างและอัปเดตได้โดยอัตโนมัติและไม่ชัดเจน ในขณะที่ข้อมูลบัญชีผู้ใช้ต้องได้รับการอนุญาตอย่างชัดเจนจากผู้ใช้และต้องสามารถแก้ไขได้ตามกฎระเบียบของเขตอำนาจศาลต่างๆ

โดยทั่วไปนโยบายกล่าวถึงทางเลือกของผู้ใช้ในการยินยอมให้ใช้คุกกี้ ซึ่งเป็นประเด็นที่เกิดการถกเถียงอย่างเผ็ดร้อนหลัง GDPR นำมาสู่หน้าต่างขอความยินยอมคุกกี้นับแสนบนเว็บไซต์ระหว่างประเทศและยุโรปที่ให้บริการในสหภาพยุโรป แต่เรื่องนี้บดบังชั้นข้อมูลที่สำคัญกว่าและเข้าถึงได้น้อยกว่า*:

‘การให้ความยินยอมในการติดตามคุกกี้ไม่เพียงพอสำหรับการปกป้องผู้ใช้จากการติดตามทั้งหมด เนื่องจากแทบไม่มีกลไกทางเลือกหรือการควบคุมสำหรับ ข้อมูลคอมพิวเตอร์, ตัวระบุอุปกรณ์ และ ตัวระบุบุคคล ซึ่งทำให้ติดตามผู้ใช้ผ่านลายนิ้วมือดิจิทัลได้’

ความแตกต่างที่ชัดเจนในระดับการควบคุมที่ให้ไว้โดยนโยบายความเป็นส่วนตัวระหว่างข้อมูลโปรไฟล์ (ซึ่งสามารถได้รับโดยวิธีการที่ไม่ชัดเจน) และข้อมูลบัญชีผู้ใช้ (ซึ่งมีการควบคุมที่กำหนดโดย GDPR, CCPA และกลไกอื่นๆ)

ความแตกต่างที่ชัดเจนในระดับการควบคุมที่ให้ไว้โดยนโยบายความเป็นส่วนตัวระหว่างข้อมูลโปรไฟล์ (ซึ่งสามารถได้รับโดยวิธีการที่ไม่ชัดเจน) และข้อมูลบัญชีผู้ใช้ (ซึ่งมีการควบคุมที่กำหนดโดย GDPR, CCPA และกลไกอื่นๆ)

ข้อมูล

ในการรวบรวมข้อมูลสำหรับการศึกษา ผู้วิจัยได้ใช้เครื่องมือในการค้นหาเว็บไซต์เพื่อค้นหาลิงก์ไปยังนโยบายความเป็นส่วนตัว ซึ่งบ่อยครั้งต้องขยายขอบเขตการค้นหาออกไปนอกเหนือจากผลลัพธ์เริ่มต้นเนื่องจากจำนวนของนโยบายที่ไม่ได้รวมไว้เป็นเอกสารเดียวและเชื่อมโยงไปยังนโยบายเพิ่มเติม ซึ่งแต่ละฉบับอาจเปลี่ยนแปลงพร้อมกันหรือเป็นอิสระจากนโยบายหลักหรือนโยบายที่เกี่ยวข้อง

เครื่องมือ Wayback Machine ถูกใช้ในการรับข้อมูลนโยบายความเป็นส่วนตัวในอดีต แต่จำเป็นต้องคำนึงถึงนโยบายที่ถูกปิดการเข้าถึงหรือเก็บถาวรผ่านไฟล์กำหนดค่า robots.txt ซึ่งเป็นไฟล์ข้อความขนาดเล็กที่แจ้งตัวเก็บข้อมูลเว็บเพื่อทำดัชนีว่าสิ่งใด เช่น หน้าเว็บ ไม่ควรถูกรวมในดัชนีสาธารณะ

หนึ่งสำเนาเอกสารต่อเดือนถูกดึงมาจาก Wayback Machine โดยใช้ CDX API สำหรับนโยบายที่สามารถระบุและใช้ได้โดยใช้ Firefox ภายใต้ Selenium การทำการรู้จำตัวอักษรแบบออปติคัลบนเอกสาร PDF ไม่ได้รับการพิจารณาในโครงการนี้ ซึ่งจำกัดตัวเองไว้เพียงนโยบาย HTML ที่มีอยู่

ผลลัพธ์ที่น่าสนใจจากโครงการคือความชัดเจนและความอ่านได้ของเว็บไซต์สำหรับผู้ใหญ่เพิ่มขึ้นในช่วงเวลาที่ศึกษา ซึ่งอาจเป็นเพราะการเตรียมพร้อมสำหรับการกำกับดูแลที่เพิ่มขึ้น

เพื่อรวบรวมเอกสารเหล่านี้ จำเป็นต้องมีการค้นหาที่เพิ่มขึ้นจากที่อยู่ IP ของผู้อยู่อาศัยเนื่องจากโปรโตคอลการปิดกั้นเนื้อหาของมหาวิทยาลัย

ในตอนแรก มีเอกสาร 1,068,683 ฉบับ ซึ่งเท่ากับเอกสาร 120,265 ฉบับที่ไม่ซ้ำกันซึ่งมีโดยเฉลี่ย 39.1 บทหรือมาตราของนโยบาย และ 4.4 ข้อความนโยบายที่ไม่ซ้ำกันต่อลิงก์

ภาษาอังกฤษเท่านั้น

เหมือนกับงานวิจัยที่คล้ายกันในระยะหลัง โครงการนี้ไม่สามารถจัดการกับนโยบายความเป็นส่วนตัวที่ไม่ใช่ภาษาอังกฤษได้ ซึ่งถูกตัดออกในช่วงการทำความสะอาดข้อมูลโดยใช้แพ็คเกจ PYCLD2

เพื่อแยกนโยบายความเป็นส่วนตัวออกจากเนื้อหาอื่นๆ โครงการใช้เครื่องจำแนกที่พัฒนาในปี 2019 โดยมหาวิทยาลัยวิสคอนซินและ École Polytechnique Fédérale de Lausanne

สถาปัตยกรรมของเครื่องจำแนก IS-POLICY

สถาปัตยกรรมของเครื่องจำแนก IS-POLICY Source: https://arxiv.org/pdf/1809.08396.pdf

แม้ว่าเครื่องจำแนก IS-POLICY จะถูกฝึกฝนบนชุดข้อมูล 1,000 เอกสารชุดเดียวกับงานวิจัยดั้งเดิม แต่ผู้วิจัยต้องได้รับเอกสารที่ไม่ใช่นโยบายใหม่สำหรับการฝึกฝน เนื่องจากแหล่งที่มาเดิมไม่มีอยู่

หลังจากการกรองข้อมูล ข้อมูลถูกลดลงเหลือ 56,416 นโยบายความเป็นส่วนตัวที่ไม่ซ้ำกัน

* การอ้างอิงในบรรทัดของรายงานถูกแปลงเป็นลิงก์ไว้ที่นี่ การสลับอิตาลิกมาจากเอกสาร

เผยแพร่ครั้งแรกเมื่อวันที่ 31 มกราคม 2022

ผู้เขียนด้านการเรียนรู้ของเครื่อง, ผู้เชี่ยวชาญด้านการสังเคราะห์ภาพมนุษย์. อดีตหัวหน้าฝ่ายเนื้อหาการวิจัยที่ Metaphysic.ai, จนกระทั่งการรวมเข้าเป็น Brahma.ai ของ DNEG.
เว็บไซต์: martinanderson.ai
ติดต่อ: martin@martinanderson.ai