DTL 2017

DTL CONFERENCIAS

DTL 2017 Becas de viaje

DTL 2017 – Becas de viaje

Nota de los presidentes del Comité de Investigación del DTL, Nikolaos Laoutaris y Claude Castelluccia:

Los 45 proyectos inscritos han sido analizados intensivamente online y 11 de ellos fueron revisados en la reunión del Comité del Programa.

Para que una propuesta pudiera ser finalista debía describir un software novedoso para los usuarios o bien ofrecer plataformas que contribuyeran a mejorar la transparencia y/o privacidad de datos/algoritmos.

Las propuestas obtenían puntos extra si estaban centradas en las areas prioritarias de investigación de la presente edición o bien si se basaban en herramientas previas del DTL.

9 de las 11 propuestas finalistas fueron presentadas durante la reunión del Comité del Programa el pasado viernes 23 de Junio de las cuales el Comité decidió financiar 6 proyectos.

Queremos agradecer el duro trabajo realizado por el Comité de Programa revisando y discutiendo ampliamente los proyectos y participando en la reunión del comité. Agradecemos al consejo sus incisivas dudas y la selección de propuestas que esperemos que puedan generar software por la transparencia.

Agradecemos a todos los participantes su tiempo y esperamos que los galardonados con la beca puedan completar su software a tiempo, desarrollar el código, dar a conocer el apoyo del DTL y disponer de suficientes datos para poder presentar sus resultados con una demo durante el próximo DTL.

Los siguientes proyectos recibirán una beca de viaje para asistir a las Conferencias DTL 2017 en Barcelona y presentar sus proyectos en una sesión de posters.

 

Controles de privacidad lógicos en asistentes de voz inteligentes

Florian Schaub (University of Michigan); Manikandan Kandadai Venkatesh (University of Michigan)

Los asistentes de voz inteligentes, tipo Alexa de Amazon o Google Home son cada vez más populares. A pesar de sus beneficios, los asistentes de voz inteligentes platean nuevos y considerables riesgos de privacidad ya que pueden actuar de modo permanente escuchando los dispositivos en los hogares y trabajos de la gente. A pesar de que estos sistemas ofrecen controles de privacidad básicos, no está claro si dirigen adecuadamente las preocupaciones en cuanto a la privacidad de los usuarios y si permiten una gestión efectiva de la privacidad. La privacidad de los asistentes de voz no ha sido estudiada hasta el momento. Este proyecto estudiará (1) el interés de las incidencias de privacidad de los asistentes de voz y (2) el desarrollo lógico de controles de privacidad para asistentes de voz que permita un contexto consciente y un detallado control de privacidad y transparencia sin sobrecargar a los usuarios con excesivas funcionalidades de gestión.

Pri-Assistant: Una herramienta para detectar filtraciones de privacidad en comandos de asistentes personales

Arti Ramesh (State University of New York, Binghamton); Yan Wang (State University of New York, Binghamton), Gissella María Bejarano Nicho (State University of New York, Binghamton), Lei Jiaxin (State University of New York, Binghamton)

Los asistentes personales o del hogar tales como Alexa o Echo de Amazon, Google home o Google now, Siri de Apple o Cortana de Microsoft son cada vez más comunes en los electrodomésticos a nivel mundial. Con la proliferación de estos dispositivos, hay un aumento de preocupación relativa a la privacidad de los datos recopilados por estos dispositivos y la filtración de información personal identificable que puede ser interceptada. En este proyecto proponemos crear un modelo de predicción de aprendizaje automático que analice los comandos dados a los asistentes para predecir posibles filtraciones de datos personales identificables. Además, proponemos integrar los resultados de nuestro modelo en una aplicación móvil sencilla que los usuarios puedan utilizar para monitorear sus comandos y purgar periódicamente aquellos comandos que puedan filtrar información personal identificable. Nuestra herramienta es una herramienta de purga tras el uso, por tanto, minimiza las preocupaciones de privacidad al mismo tiempo que maximiza la experiencia del usuario con los asistentes.

Una etiqueta nutritiva para rankings

Julia Stoyanovich (Drexel University); Ke Yang (Drexel University)

Las decisiones algorítmicas a menudo conllevan a rankear y valorar a los individuos, determinar el valor de crédito, determinar el atractivo de admisión en universidades o empleos, o el atractivo de posibles parejas. Como a menudo pasa con los procesos algorítmicos, los rankeadores pueden y se comportan erróneamente: discriminan a miembros de grupos protegidos y violan la privacidad. Además, los resultados de los rankings son a menudo inestables, los pequeños cambios en los inputs de datos o en la metodología de rankeo pueden conllevar a cambios drásticos en el output de los datos haciendo el resultado poco informativo. Los rankeadores tienden a ser opacos, discriminatorios, faltos de estabilidad y con violaciones de privacidad difíciles de detectar. A pesar de la ubicuidad de los rankeadores, no hay a nuestro entender, trabajo técnico que se centre en hacer que sean más transparentes.

En este proyecto crearemos Ranking Facts, una aplicación web que genere una etiqueta nutricional para los rankings. Nuestra etiqueta explicará los resultados al usuario, desmitificando el proceso de ordenación y sus resultados. Este trabajo ofrecerá herramientas de transparencia a los usuarios web, diseñadores de esquemas de rankeo y reguladores, así como ofrecer contribuciones fundamentales a la ciencia de la computación. Los resultados de este trabajo estarán disponibles públicamente en código abierto.

Avanzando: entiendiendo cómo los datos de localización influyen en los contenidos personalizados en el contexto móvil

Sébastien Gambs (Université du Québec à Montréal (UQAM)); Antoine Boutet (INSA-Lyon)

Este proyecto tiene como objetivo incrementar la transparencia de la publicidad segmentada y de servicios personalizados en el contexto de computación móvil. Más precisamente, proponemos investigar cómo los datos de localización de los usuarios son procesados para generar contenidos y publicidad personalizada en dispositivos móviles. Para conseguir este objetivo, proponemos desarrollar dos ejes complementarios. El primero tiene como objetivo aumentar la concienciación de la sensibilidad potencial asociada a la recopilación y explotación de datos de localización. Más precisamente, desarrollaremos una aplicación móvil que analice el rastreo de localización para informar a los usuarios respecto a esta información (p.ej. patrones de movilidad, intereses, actividades, etc.) que pueden ser deducidos de los datos recopilados. El segundo eje conducirá un análisis detallado sobre cómo los datos de localización son procesados para producir servicios personalizados. Para realizarlo, exploraremos el impacto de la movilidad en la personalización y discriminación.

Los archivos X-PAT: identificando y catalogando publicidad multiplataforma y servicios de rastreo

Rishab Nithyanand (Stony Brook University); Phillipa Gill (UMass – Amherst)

Los servicios de terceros forman parte integral del ecosistema web y móvil: permiten customizar servicios basados en datos, monitorizar servicios y facilitar integraciones en redes sociales. A pesar de ello predomina la opacidad de las actividades de estos servicios. A pesar de que se han hecho esfuerzos para revelar el comportamiento de rastreadores de terceros en contextos web y móvil, el alcance de qué servicios pueden linkar la información entre la web y las aplicaciones móviles sigue siendo desconocido.

Nuestro objetivo principal es desarrollar un ecosistema de herramientas y datasets que permitan aumentar la transparencia en este espacio. Visualizamos una suite de herramientas que empoderen a los usuarios y les permitan entender y controlar cómo sus datos son usados por rastreadores de terceros en distintas plataformas. Usando estas herramientas y experimentos controlados crearemos también datos e información que pueda ayudar a legisladores y grupos de presión en esta área. Concretamente, pleanamos usar ICSI Haystack/Lumen [2] y OpenWPM [1] para desarrollar técnicas para identificar aplicaciones y terceros que ejecutan rastreos en distintas plataformas. Esta investigación permitirá describir el predominio y actividades de los rastreadores multiplataforma. Desarrollando estas herramientas crearemos un conjunto de herramientas que permitan entender y controlar cómo sus datos están siendo usados por estos servicios.

DTL2017

Ya puedes consultar el programa y ponentes confirmados para la Conferencia DTL 2017 que tendrá lugar del 11-12 de diciembre en Barcelona. Si eres estudiante o académico consigue tu “Student ticket” a precio reducido. 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