信息時代，你的朋友早就「出賣」了你

朋友推文也可以揭示出你的驚人信息量。圖片來源：ISTOCK.COM

即便你完全刪除自己的社交賬戶，也不能保證隱私。如果你可以鏈接到其他用戶，他們的活動也可以「曝光」你的信息。現在，計算機科學家已經證明，利用你的10個最親密聯繫人的推特信息流，比用自己的信息流更能預測你未來的推文。

沒有參與這項研究的奧地利維也納醫科大學計算社會科學家David Garcia表示，從這種「二手」監控中判斷一個人的性格「比看上去要容易得多」。

這裡，美國佛蒙特大學研究人員沒有預測任何人的真實推文，而是利用一種名為信息熵的測量方法，估計了一個人未來將發布的推文的可預測性。更多的熵意味著更多的隨機性和更少的重複。

他們研究了927名用戶的推特信息流，每個人都有50到500名關注者。在每個人的信息流中，他們計算出單詞序列包含了多少熵。然後，他們把這個數字輸入信息理論工具——范諾不等式，計算一個人的信息流能否準確預測其下一條推文的第一個單詞。平均而言，準確率的上限是53%。但是預測每一個連續的單詞就不那麼準確了。

接下來，研究人員計算了基於用戶信息流，外加15個與其最接近的聯繫人的信息流的預測上限：準確率上升到60%。當他們從等式中刪除用戶信息流時，這個數字下降到57%。

研究人員近日在《自然—人類行為》上發表報告稱，這意味著利用用戶聯繫人的信息流預測效果幾乎和包括用戶在內的信息流一樣準確，甚至比單獨觀察用戶信息流更好。僅僅利用10個聯繫人的信息流就超過了利用用戶個人信息流的預測準確度。相比之下，根據陌生人的推文隨機分類預測某人會寫什麼，準確率最高可達51%。

「我們用資訊理論中一些非常有趣的數學知識展示了，如果有完美的機器學習方法，你能做得怎麼樣。」研究報告第一作者、佛蒙特大學數據科學家James Bagrow說。

英國巴斯大學心理學家Joanne Hinds對此表示贊同。她說，這是一種獨特的方法，超越了該領域現有的許多工作。

Bagrow說，研究結果表明，原則上，人們可以粗略地預測那些甚至不在推特上的人會發什麼樣的推文。在現實中，這意味著找出一個人社交網路的朋友，然後找到這些朋友的動態。

目前，許多應用程序都能訪問聯繫人列表，有些甚至共享聯繫人列表。以臉書為例，它利用用戶的聯繫人列表創建甚至不在互聯網的人的「影子檔案」。

研究人員已經使用推文預測性格、抑鬱和政治傾向。基於朋友推文可能也會得出同樣的推論。

不過，Bagrow表示，這項工作的一個實際局限性是把所有辭彙都視為信息量均等，但有些人可能會比其他人更了解你。如果你的朋友發了很多關於同性戀權利的推特，或者只關注共和黨政客，這可能會特別暴露出你的性取向或政治傾向。

Garcia也發現交友網站上的聯繫人可以預測一個人的性取向和關係狀態，而推特上的聯繫人可以預測一個人的位置。Hinds說：「我們僅僅觸及了通過這種方式可以揭示的信息類型的表面。」

Bagrow說：「就隱私而言，我擔心的是，這些大平台獲取數據的方式太多了，我認為人們沒有意識到這一點的危險。」而且，人們可能沒有考慮到的另一件事是：「當他們放棄自己的數據時，他們也在放棄朋友的數據。」（唐一塵）

相關論文信息：DOI: 10.1038/s41562-018-0510-5

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！