你的購物習慣簡直就是百萬分之一

2006年，Netflix向全世界展示了匿名和隱私不是一回事。該公司從使用者那裡釋出了數以百萬計的電影收視率，向任何可以利用這些收視率來構建更好的推薦引擎的人提供現金獎勵。但是當研究人員將現在公開的分數與iMDB的評論進行交叉引用時，他們發現，即使客戶的名字被數字取代，他們也能有效地揭開背後的人的面紗。Netflix最終與一位女士對簿公堂，她擔心這場比賽會暴露出自己的性取向——她在公眾場合輕鬆談論的電影可能會無意中暴露出她從未想過要超越自己的佇列的那些電影。今天，麻省理工學院的研究人員發表了另一篇文章，提醒我們，無論有多少個人細節被剝離，我們的數字足跡都會令人不安地暴露出來。

如果我們所看的是一個敏感的話題，我們所買的東西就更親密，更能揭示。像Facebook Beacon這樣的程式，旨在向朋友們宣傳使用者最近購買的產品，受到廣泛的抨擊。但是，今天發表在《科學》上的這項研究並不是關於個人分享的。這是基於測試研究人員所稱的“單一性”：如果你知道一個人購物歷史的片段，你可以將它們與大量資料相匹配，從而發現他們購買的其他東西。結果是，這些可能性很大。

與Netflix不同的是，銀行不太可能向公眾釋出數以百萬計的記錄。我們已經用無數其他的方式展示了我們的購買行為——社交網路、百貨公司和廣告商，他們可以用令人毛骨悚然的精確方式將這些線索拼湊在一起。但隨著我們記錄和量化更多的生活，值得思考的是誰可能在觀看，以及他們能找到什麼。據報道，美國****局對信用卡資訊的挖掘方式與對電子郵件和電話後設資料的挖掘方式相同；它已經透過對大量匿名記錄進行電話比對來追蹤嫌疑人。考慮到之前類似的研究，研究人員推測，大多數種類的大型資料庫都會有類似的啟示。”“這裡的研究實際上是關於匿名化（對）大的、高維資料的限制——**資料、信用卡、瀏覽等等，”主要作者Yves Alexandre de Montjoye說你的行為與其他人的行為相比如何，並可能使我們與眾不同？”

三次購買可以給你94%的時間匹配

作者從110萬人三個月的信用卡交易開始，由一家未具名的經合組織國家的未具名銀行提供（主要作者，麻省理工學院的Yves Alexandre de Montjoye，不會透露更多細節）。他們隨機抽取每個人的幾件單品，然後將整件單品放入一個匿名資料庫，刪除姓名或銀行賬號等細節。資料庫只給出了一個範圍內的價格，因為知道有人在星巴克花了整整3.21美元，幾乎可以立即把它們送人。研究人員出於同樣的原因放棄了超高的支付——超過22000美元。

但事實證明，這隻是一個小小的絆腳石。當作者將某人非匿名購買的地點、日期和價格對映到整個資料庫時，通常很容易找到一個單一的、獨特的模式。三分或更多，這幾乎是肯定的。”你在那家咖啡店買了一杯咖啡，你在那家咖啡店買了牛仔褲，然後你又買了一個比薩餅。94%的可能性是你是唯一這樣做的人。把價格一筆勾銷，這些火柴就更難找了。但四次購買後，這一比例又回升到了90%。

德蒙喬伊承認，其他國家或地區可能會看到略有不同的結果；按理說，在一個特定地區使用信用卡的人越多，就越難找到匹配的人。獨身性已經因收入和性別的不同而有所不同——**比**更容易被識別，而富人比窮人更容易被識別。這些差異很可能會引起人們的猜測和成見，但作者說，找出這些差異背後的真正因素超出了本研究的範圍。

即使是最模糊的資料也會建立獨特的模式

不過，總的來說，這種推斷是可能的並不奇怪。德蒙喬伊（De Montjoye）在2012年發表了一篇類似的論文，用**位置跟蹤代替購物。如果你知道有人在四個時間點去過哪裡，那麼在150萬人的資料庫中找到他們其餘動作的幾率是95%。也許更有趣的是，德蒙喬伊認為，讓這種資訊真正匿名幾乎是不可能的。

研究人員還從更粗略的角度研究了相同的記錄，試圖創造出模糊得無法匹配的點。在某種程度上，他們成功了。在最遠的範圍內，他們進行匿名購買，精確到15天內，地理範圍為350家商店，擴大了價格範圍。有了這些變化，只有不到15%的幾率知道有人買了四樣東西能幫你找到它們。需要10個已知點才能得到80%的機會。但這仍然不能保證隱私。

至少，對於希望與“大資料”合作的研究人員和公司來說，de Montjoye希望所有者能夠找到一種方法，儘量減少他們所付出的。他建議允許訪問更抽象的程式碼，而不是原始資訊，將該系統與潘多拉的音樂基因組計劃（Music Genome Project）進行比較。潘多拉的音樂基因組計劃捕捉“獨特的音樂特徵”，在不透露播放列表的情況下展示某人的品味。而在更大的層面上，他希望向人們展示，即使是模糊的細節也能透露出一個人的多少。”我們需要重新考慮匿名化的意義或許至少要意識到風險是什麼。”