4. Barabási munkacsoportja egy mobilszolgáltatóval állapodott meg arról, hogy 6 millió számból véletlenszerűen kiválasztva 100 ezer előfizetőjük mozgását (a hívások és az SMS-ek alapján) hat hónapon keresztül kövehetik és rögzíthetik
Először vesznek egy anonimizált, majd egy segédgráfot. A segédgráf lehet kicsi is, azaz úgy is szert lehet rá tenni, hogy egy megfelelő szoftver segítségével kinyerik egy publikus közösségi hálózat egy részét (pl. Twitter követők-követettek). Majd ebből kiválasztanak egy klikket (4-es klikkmérettel dolgoznak), és annak tulajdonságai alapján igyekeznek megtalálni azt az anonimizált gráfban. Utána pedig fokozatosan kiterjesztik az ismert területet az anonimizált gráfban. Ennyire egyszerű, és a cikk alapján elég hatékonynak tűnik: viszonylag kicsit segédgráf esetén is hatékony a de-anonimizáció; ráadásul az algoritmussal a felhasználóknak nagyjából a 31%-át sikerült megtalálni, 12% körül volt a tévedések száma, és 57%-át nem sikerült de-anonimizálni.
Az egyezség a volt adatvédelmi biztosnak fizetendő 69 millió forintos kártérítést is tartalmazza. Ez nagyjából olyan összegről szól, mint amennyit ki kellett volna fizetni a számára, ha kitöltheti a teljes hivatali idejét. Ez kártérítés, így a hatályos jog szerint adómentes.
A volt adatvédelmi biztos kártérítési igényét megjelölve panaszt tett a strasbourgi emberi jogi bíróságnál is – tájékoztatott az ügyvéd.
https://www.eff.org/deeplinks/2013/06/why-metadata-matters
http://www.zeit.de/datenschutz/malte-spitz-data-retention
http://www.northeastern.edu/physics/people/faculty/albert-laszlo-baraba…
Barabási analyses location data from mobile phone users, mapping the daily movements of millions of people over months. For his most recent study, he and his team studied data from 50,000 people randomly pulled from a research pool of ten million. They concluded that human mobility patterns are very regular -- up to 93 percent predictable.
http://apps.washingtonpost.com/g/page/world/how-the-nsa-is-tracking-peo…