DTL 2015

DTLCONFERENCIAS

Becados DTL 2015.

Becados DTL 2015

El Programa de Becas del DTL apoya la investigación en el desarrollo de herramientas, datos, plataformas y metodologías que aporten luz en el uso de datos personales en servicios online, así como empoderar a los usuarios a controlar sus datos personales online.

Los ganadores de las primeras becas del DTL están listados a continuación. Cada Proyecto ha recibido una suma total de 50.000€. Clicka aquí para más información sobre la convocatoria.

Las siguientes 15 propuestas que quedaron a continuación de los becados han sido galardonadas con una beca de viaje para presentar su trabajo en las conferencias del DTL 2015. Clicka aquí para ver las propuestas.

Sensibilizando a los usuarios sobre la privacidad de datos, revelando y controlando filtraciones a través del móvil

Lorrie Faith Cranor (Carnegie Mellon University), Blase Ur (Carnegie Mellon University)

La segmentación por comportamiento, la segmentación de publicidad basada en las búsquedas a través de navegadores, se mantiene como una de las fuentes de mayor invasión de privacidad de los usuarios. Aunque algunas herramientas de privacidad como Ghostery, Lightbeam o Privacy Badger pueden ayudarnos a controlar dicha segmentación, el usuario estándar sigue completamente confuso acerca de cómo funciona la segmentación incluso después de usar estas herramientas. Proponemos ir más allá de las herramientas existentes que alertan a los usuarios de cuándo se realiza un rastreo en tiempo real y queremos diseñar y testear una herramienta basada en datos que nos permita concienciar acerca de la privacidad de manera personalizada. Nuestra hipótesis afirma que los usuarios pueden entender mejor la segmentación por comportamiento y las consecuentes amenazas si están equipados con una herramienta que muestre ejemplos de cómo están siendo rastreados a lo largo del tiempo.

Crearemos y testearemos una herramienta basada en datos que permita a los usuarios explorar exactamente qué es lo que las webs de las diferentes empresas han rastreado de ellos y cómo dichas empresas han podido deducir sus intereses. Los estudios muestran beneficios al notificar a los usuarios acerca de la recolección de datos a través de aplicaciones para smartphone. Nuestra propuesta traduce esas percepciones sobre la segmentación por comportamiento al mismo tiempo que va más allá haciendo contribuciones intelectuales a través de explorar el impacto de presentar diferentes abstracciones y granularidades sobre la información rastreada (p.ej. “DoubleClick sabe que has visitado estas 82 páginas” versus “DoubleClick concluye que te gusta “viajar por Europa“ en base a estas 82 páginas que has visitado). Además de lanzar nuestra herramienta de privacidad a través de código abierto, vamos a realizar un estudio de campo durante dos semanas con 75 participantes a modo de prueba comparando las visualizaciones personalizadas de los datos rastreados.

Revelando y controlando filtraciones de privacidad en móviles

David Choffnes (Northeastern University), Christo Wilson (Northeastern University), Alan Mislove (Northeastern University)

La combinación de sensores sofisticados y la extendida conectividad hacen de los dispositivos móviles los vectores perfectos para invadir la privacidad de los usuarios finales. Para mejorar la privacidad en este entorno se requieren sistemas de confianza por parte de terceros que permitan auditar y controlar las filtraciones de información personal (Personally Identifiable Information (PII)). A pesar de que se han realizado intentos de abordar estas filtraciones de información personal, los intentos se quedan cortos al controlar y auditar ya que se enfrentan a retos de falta de visibilidad en el tráfico generado en la red por dispositivos móviles y la incapacidad de controlar dicho tráfico.

La investigación propuesta permitirá auditar y controlar filtraciones de información personal en el tráfico de dispositivos móviles usando el sesgo para mejorar la visibilidad y el control de filtraciones de información personal en el tráfico de red móvil. Específicamente usamos características de sistemas operativos móviles para redirigir todo el tráfico de internet de los móviles a un servidor de confianza para identificar y controlar las filtraciones en el tráfico de red.

Abordaremos los principales retos sobre cómo identificar y controlar las filtraciones de información personal cuando la información personal del usuario no es conocida a priori ni tampoco lo es la configuración de las aplicaciones que filtran dicha información. Primero, para permitir la auditoria a través de transparencia mejorada, investigaremos cómo usar el aprendizaje automático para identificar de manera fiable la información personal del flujo de red e identificar los algoritmos que incorpora el feedback del usuario para adaptar el panorama cambiante de las filtraciones de privacidad. A continuación desarrollaremos herramientas que permitan a los usuarios controlar cómo quieren que su información sea compartida (o no) con segundas o terceras partes. Estas herramientas gratuitas serán desarrolladas en código abierto y podrán ser ejecutadas en numerosos escenarios, incluyendo dispositivos en la red doméstica del usuario o en entornos virtuales basados en cloud.

FDVT: herramienta de valoración de datos personales para usuarios de Facebook

Angel Cuevas (Universidad Carlos III de Madrid, co-PI), Ruben Cuevas (Universidad Carlos III de Madrid, co-PI) Raquel Aparicio (Universidad Carlos III de Madrid)

Un reciente estudio del Interactive Advertising Bureau revela que la publicidad online generó en 2014 ingresos por valor de 49,5 billones de dólares tan sólo en EEUU, lo que representó un incremento del 16% con respecto al 2013, que ya entonces excedió un 17% respecto a 2012. Una gran ventaja de la publicidad online frente a la publicidad tradicional impresa o televisiva es su capacidad de segmentar a los individuos mediante anuncios especializados hechos a medida en base a su información personal. Por ejemplo, las campañas de publicidad en Facebook (FB) permiten definir la audiencia usando más de 13 atributos distintos relativos a información personal del usuario final. Por ello, un anunciante puede lanzar una campaña segmentando una audiencia bien definida basada en atributos de información personal, y así una parte importante del negocio de FB se basa en la información de sus suscriptores. Aunque no hay duda de la legalidad de los modelos de negocio implementados por FB y otras piezas clave de internet, algunos actores solicitan el desarrollo herramientas que permitan al usuario final conocer cuál es el valor real de su información personal. O en otras palabras, cuánto dinero obtienen FB, Google y otras empresas en el mercado a través de la información personal. Ofrecer a los usuarios de internet herramientas simples y transparentes que les informen del valor que generan sus datos personales no es únicamente una petición de la sociedad sino una demanda por parte de las distintas administraciones.

El objetivo de este proyecto es desarrollar una herramienta que informe a tiempo real a los usuarios acerca del valor económico que su información personal ha generado mediante su navegación en la red. Debido a la complejidad del tema reducimos el ámbito de esta herramienta a FB, y así los usuarios de FB podrán saber a tiempo real el valor que están generando en FB. Nos referimos a esta herramienta como FB Data Valuation Tool (FDVT), herramienta de valoración de datos personales para usuarios de Facebook.

El aura digital: sensibilizando sobre el historial de navegación

Arkadiusz Stopczynski (Department of Applied Mathematics and Computer Science, Technical University of Denmark), Mieszko Piotr Manijak (Department of Applied Mathematics and Computer Science, Technical University of Denmark), Piotr Sapiezynski (Department of Applied Mathematics and Computer Science, Technical University of Denmark), Sune Lehmann (Department of Applied Mathematics and Computer Science, Technical University of Denmark)

Nuestro historial de navegación online es altamente personal. Nuestros términos de búsqueda y las páginas que visitamos revelan nuestros miedos, intereses, enfermedades y ambiciones secretas. Mientras la mayoría de gente está familiarizada con el rastreo por comportamiento y las cookies, hay menos sensibilización acerca de lo personal que es nuestro comportamiento online.

Hace unos años, el proyecto de immersión originado en el MIT Media Lab que mostraba la información social latente contenida en los encabezados de nuestros correos electrónicos recibió cobertura mediática a nivel mundial. Nuestro objetivo es hacer algo parecido con el navegador web. A través de topic models, queremos diseñar un panel de control que permita a los individuos visualizar el contenido de su navegación y observar cómo estos temas se modifican con el tiempo. Combinaremos significativamente la visualización con información de rastreadores de datos (cuántas partes hay rastreando, cuánta información se proporciona) para que los usuarios puedan ver directamente las implicaciones que tienen para ellos el rastreo de datos.

Los datos recolectados y computados serán almacenados de modo seguro e individual en un sistema de almacenamiento siguiendo las especificaciones de infraestructura OpenPDS. De este modo garantizaremos la estricta soberanía de los datos de los usuarios ipso facto.

El dilema entre privacidad y función

Yogesh Mundada (Princeton University), Nick Feamster (Princeton University), Sarthak Grover (Princeton University)

La pérdida de información personal ha sido motivo de preocupación tanto para investigadores como para usuarios medios. A pesar que haber mucha investigación en materia de seguridad y privacidad sigue faltando una herramienta personalizada que aborde ambas áreas y que sea útil para los usuarios finales. En este trabajo presentamos Appu, una extensión del navegador que detecta automáticamente información sensible del usuario, si es suficientemente segura y si está siendo filtrada a terceras partes.

Para detectar automáticamente información sensible de los usuarios hemos desarrollado un lenguaje script para obtener esta información de las cuentas existentes de los usuarios. Una vez la información de los usuarios se almacena, Appu monitoriza la interacción de los usuarios con varias cuentas de modo pasivo para detectar información que será difundida. Appu también monitariza si la información se filtra a terceras partes. Conforme avanza el tiempo, Appu presenta una imagen completa de la información personal difundida a través de la web y anima al usuario a asegurar cuentas importantes que están protegidas inadecuadamente.

Ingeniería inversa para rastreos online: de la investigación de nichos de mercado a una herramienta sencilla

Arvind Narayanan (Princeton University), Steven Englehardt (Princeton University)

El sistema de rastreo online muestra una falta de transparencia en (1) qué empresas rastrean a los usuarios, (2) qué datos de los usuarios recopilan, (3) qué tecnologías se usan para el rastreo y (4) cuál es el flujo de datos entre rastreadores. Las medidas automáticas que pueden permitir la transparencia ya han dado como resultado una mayor sensibilización a la privacidad, herramientas de privacidad mejoradas y en ocasiones la imposición de leyes reguladoras.

En Princeton hemos desarrollado OpenWPM, una plataforma para la transparencia de rastreo online. La hemos usado en diversos estudios publicados para detectar e invertir la ingeniería de rastreo online. Ahora queremos democratizar las mediciones de privacidad web: transformarlas de un nicho de investigación a una herramienta ampliamente disponible. Realizaremos esto en dos pasos: usar OpenWPM para publicar una web de “censo de privacidad” – donde mensualmente se clasifica el nivel de rastreo y privacidad de 1 millón de sites. El censo detectará y medirá gran parte o la mayoría de casos de violación de la privacidad reportados por investigadores hasta la fecha: evasión de bloqueo de cookies, filtración de información personal a terceras partes, identificación mediante huellas digitales y muchas más. A continuación desarrollaremos una plataforma de análisis que permita que cualquiera pueda analizar el censo de datos con experiencia mínima. La plataforma tendrá “1-click de reproducibilidad” que también permitirá empaquetar y distribuir el estudio de datos, scripts y resultados en un formato que sea fácil de replicar y ampliar.

DTL2017

Gracias a todos por participar en nuestro Programa de Becas. La calidad de los proyectos presentados ha sido muy alta y el Comité de selección se reunirá el próximo 22 para acabar de decidir los proyectos becados. Tan pronto sepamos su veredicto os daremos a conocer los proyectos galardonados con las becas de 50.000€ y los proyectos que obtendrán una beca de viaje para asistir a las conferencias DTL 2017 en Barcelona en noviembre. Suscríbete a nuestro Newsletter para estar al día!

This website uses cookies to improve user experience. By using our website you consent to all cookies in accordance with our Cookie Policy.

OK More information