การเปิดเผยการเยี่ยม ‘ซ่อนอยู่’ ของเราด้วยข้อมูลโทรศัพท์มือถือและแมชชีนเลิร์นนิง

นักวิจัยจากจีนและสหรัฐอเมริกได้ร่วมมือกันในการวิจัยที่ใช้เทคนิคแมชชีนเลิร์นนิงเพื่อระบุ ‘การเยี่ยมซ่อนอยู่’ ที่เราทำเมื่อเราเดินทางไปรอบๆ ประเทศ แต่ไม่ได้ทำการโทรศัพท์หรือใช้โทรศัพท์มือถือเพียงพอเพื่อให้ได้ภาพที่สมบูรณ์ของการเคลื่อนไหวของเราจากบันทึกข้อมูลโทรศัพท์

บทความวิจัย เรื่องนี้ มีชื่อเรื่องว่า การระบุการเยี่ยมซ่อนอยู่จากข้อมูลบันทึกการโทรที่มีข้อมูลไม่สมบูรณ์ โดยมี Zhan Zhao จากมหาวิทยาลัยฮ่องกง เป็นผู้นำการวิจัย ร่วมกับ Haris N. Koutsopoulos จากมหาวิทยาลัย Northeastern ในบอสตัน และ Jinhua Zhao จาก MIT

แนวคิดหลักของการวิจัยคือการใช้บันทึกการเชื่อมต่อโทรศัพท์มือถือ (รวมถึงข้อมูลโทรศัพท์มือถือ, ข้อความสั้น และการโทร) ของผู้ใช้ที่มีการใช้งานสูงเพื่อพัฒนาแบบจำลองที่สามารถคาดเดาได้แม่นยำยิ่งขึ้นเกี่ยวกับรูปแบบการเคลื่อนไหวของผู้ใช้ที่มีการใช้งานน้อย

การสร้างแผนภาพสำหรับการดึงข้อมูลการเดินทางจากข้อมูลบันทึกการโทร Source: https://arxiv.org/pdf/2106.12885.pdf

แม้ว่านักวิจัยจะยอมรับว่ามีผลกระทบด้านความเป็นส่วนตัวในการพัฒนางานนี้ และแม้ว่าโครงการจะมีจุดมุ่งหมายเพื่อให้ได้รับข้อมูลที่ละเอียดและครอบคลุมมากขึ้นเกี่ยวกับการเดินทางของผู้ใช้ แต่นักวิจัยก็แย้งว่าจุดมุ่งหมายคือการสร้างภาพที่ ‘ทั่วไป’ มากขึ้นเกี่ยวกับการเคลื่อนไหว

พวกเขายังชี้ให้เห็นว่าข้อมูลบันทึกการโทรที่ใช้ในการศึกษานี้มีการแก้ไขพื้นที่ที่ต่ำและเสี่ยงต่อ ‘การสร้างเสียง’ เนื่องจากการเปลี่ยนแปลงตำแหน่งของผู้ใช้เมื่อเทียบกับหอโทรศัพท์มือถือที่พวกเขาผ่านไป และแนะนำว่าการจำกัดนี้เองเป็นรูปแบบหนึ่งของการคุ้มครองความเป็นส่วนตัว:

‘การประยุกต์ใช้งานเป้าหมายของการศึกษานี้คือการตรวจจับการเดินทางและการประมาณการ OD[*] ซึ่งทำที่ระดับรวม ไม่ใช่ระดับบุคคล แบบจำลองที่พัฒนาขึ้นสามารถใช้งานได้โดยตรงบนเซิร์ฟเวอร์ฐานข้อมูลของผู้ให้บริการโทรศัพท์มือถือ โดยไม่ต้องมีการถ่ายโอนข้อมูล นอกจากนี้ เมื่อเทียบกับข้อมูลขนาดใหญ่อื่นๆ เช่น ข้อมูลโซเชียลมีเดียหรือข้อมูลการทำธุรกรรมบัตรเครดิต ข้อมูลบันทึกการโทรมีความรุกรานน้อยกว่าในเรื่องความเป็นส่วนตัวส่วนบุคคล ในการเพิ่มเติม การที่ข้อมูลมีข้อผิดพลาดในการระบุตำแหน่งช่วยให้ปิดบังตำแหน่งของผู้ใช้จริงๆ ทำให้เกิดการคุ้มครองความเป็นส่วนตัวอีกชั้นหนึ่ง’

ช่วงเวลาที่ใช้ (ETIs)

เมื่อเราเดินทางไปรอบๆ ประเทศพร้อมกับโทรศัพท์มือถือ (ไม่จำเป็นต้องเป็นสมาร์ทโฟน) ข้อจำกัดของข้อมูลบันทึกการโทรในฐานะเครื่องมือในการกำหนดตำแหน่งจะเกิดขึ้น ช่วงเวลาที่ใช้ (ETIs) คือช่วงเวลาของการเดินทางที่ผู้ใช้โทรศัพท์มือถือไม่ได้ทำการโทรหรือรับการโทร เป็นตัวบ่งชี้ที่สำคัญในการติดตามการเคลื่อนไหวของเรา – ช่วงเวลา ‘ความเงียบ’ ที่ยาวพอที่จะทำให้เราลดลงจากเครือข่ายชั่วคราว

นักวิจัยชี้ให้เห็นว่าสิ่งนี้ขัดขวางความสามารถของระบบวิเคราะห์ในการทำสมมติฐานเกี่ยวกับการเดินทาง A>B เนื่องจากข้อมูลที่มีข้อมูลไม่สมบูรณ์อาจซ่อน ‘การเดินทางที่ไม่ได้สังเกต’ ไว้ วิธีการใหม่นี้จัดการกับปัญหานี้โดยการวิเคราะห์บริบทเชิงพื้นที่และเวลาของ ETIs รวมถึง ‘ลักษณะเฉพาะของบุคคล’ ของผู้ใช้

ชุดข้อมูล

นักวิจัยได้พัฒนาชุดข้อมูลหลักโดยใช้ข้อมูลที่จัดเตรียมโดยผู้ให้บริการโทรศัพท์มือถือรายใหญ่ในเมืองจีนซึ่งมีประชากร 6 ล้านคน ข้อมูลนี้มีการทำธุรกรรมโทรศัพท์มือถือมากกว่า 2 พันล้านรายการซึ่งสร้างขึ้นโดยผู้ใช้ 3 ล้านคนในเดือนพฤศจิกายน 2013 และมีเพียงบันทึกการโทรและข้อมูลการเข้าถึง (การใช้ข้อมูล) เท่านั้น ไม่ได้ใช้ข้อมูล SMS ซึ่งทำให้การแก้ไขข้อมูลที่มีข้อมูลไม่สมบูรณ์ยากขึ้น

ข้อมูลนี้มี ID ที่เข้ารหัสไว้, รหัสพื้นที่ที่ตั้ง (LAC), ไทม์สแตมป์, ID โทรศัพท์มือถือ ซึ่งถูกจัดกลุ่มกับ LAC เพื่อระบุหอโทรศัพท์มือถือที่ใช้ในการทำธุรกรรม และ Event ID (การโทรออก/รับหรือการใช้ข้อมูล)

ต้นไม้กระบวนการสำหรับการระบุการเยี่ยมซ่อนอยู่

ข้อมูลนี้ถูกจับคู่กับฐานข้อมูลการดำเนินงานของหอโทรศัพท์มือถือ ซึ่งช่วยให้นักวิจัยสามารถสืบค้นพิกัดละติจูดและลองจิจูดของหอที่เกี่ยวข้องกับการทำธุรกรรมได้ นักวิจัยสามารถระบุหอโทรศัพท์มือถือได้ 9,000 หอในข้อมูลนี้

นักวิจัยสังเกตเห็นว่ามันยากที่จะเดาปลายทางการเดินทางโดยอาศัยบันทึกการโทรเท่านั้น เนื่องจากบันทึกการโทรเหล่านี้จะสูงสุดในช่วงเช้าและบ่าย ซึ่งเกี่ยวข้องกับรูปแบบการเดินทางอยู่แล้ว เนื่องจากการโทรศัพท์จะเกิดขึ้นก่อนการเดินทาง (และอาจกระตุ้นให้เกิดการเดินทาง) สิ่งนี้อาจทำให้เกิดความเอนเอียงในการประมาณการปลายทาง

รูปแบบการใช้โทรศัพท์มือถือตลอดทั้งวัน

ข้อจำกัดที่คล้ายกันใช้กับการทำธุรกรรมการใช้ข้อมูลที่เริ่มต้นโดยผู้ใช้ เช่น แอปส่งข้อความ และการโต้ตอบอื่นๆ อย่างไรก็ตาม ‘การใช้ข้อมูลอัตโนมัติ’ ช่วยให้เราได้รับการระบุ – การสำรวจ API อย่างเป็นระบบสำหรับข้อความใหม่ๆ หรือข้อมูลอื่นๆ รวมถึงรายการข้อความ, GPS และทelemetry ทั่วไปสำหรับแอปที่ติดตั้ง

การประมวลผล

นักวิจัยได้เข้าใกล้ปัญหานี้ด้วยชุดกว้างของตัวจำแนกแมชชีนเลิร์นนิงที่ได้รับความนิยม รวมถึงการถดถอยเชิงลอจิสติก, สupport vector machine (SVM), random forest และวิธีการรวม gradient boosting ทั้งหมดได้รับการนำไปใช้โดยใช้ Python ผ่าน scikit-learn โดยใช้ค่าเริ่มต้น

จากแนวทางเหล่านี้ นักวิจัยพบว่าการถดถอยเชิงลอจิสติกให้จำนวนพารามิเตอร์แบบจำลองที่สามารถอธิบายได้สูงสุด

นักวิจัยยังพบว่า ETI ที่ยาวขึ้นจะเพิ่มความน่าจะเป็นที่จะเกิดการเยี่ยมซ่อนอยู่ และการเยี่ยมซ่อนอยู่เกิดขึ้นบ่อยในช่วงเช้า

นอกจากนี้ เมื่อข้อมูลบันทึกการโทรของผู้ใช้แสดงให้เห็นถึงจุดหมายปลายทางหรือจุดต่างๆ ได้อย่างชัดเจน จะมีความน่าจะเป็นที่น้อยที่สุดที่จะเกิดการเยี่ยมซ่อนอยู่ โดยทั่วไป สิ่งนี้สอดคล้องกับหลักการของการวิจัย – ว่าผู้ใช้ที่ ‘มีเสียง’ หรือมีการใช้งานมากที่สุดกำลังสร้างภาพที่มีรายละเอียดเกี่ยวกับการเคลื่อนไหวของตนเอง ซึ่งสามารถอนุมานพฤติกรรมของผู้ใช้ที่มีการใช้งานน้อยได้

ในการสรุป นักวิจัยคาดการณ์ว่าวิธีการของพวกเขาสามารถใช้ได้กับข้อมูลการเดินทางประเภทอื่นๆ รวมถึงข้อมูลบัตรสมาร์ทการ์ดและข้อมูลโซเชียลมีเดียที่มีการระบุตำแหน่ง

การวิจัยนี้ได้รับการสนับสนุนจาก Energy Foundation China และ China Sustainable Transportation Center

ผู้ใช้สามารถอนุมานได้ว่าผู้ใช้สามารถอนุมานได้ว่าการเยี่ยมซ่อนอยู่สามารถอนุมานได้จากข้อมูลที่มีอยู่

* Origin-Destination