రైడ్ షేరింగ్ గోప్యత

అనేక విభిన్న ఆన్‌లైన్ ప్లాట్‌ఫారమ్‌ల మాదిరిగానే, రైడ్ షేరింగ్ నెట్‌వర్క్‌లకు వినియోగదారు గోప్యతకు సమస్యలు ఉన్నాయి. ఈ సమస్యలలో ఆర్థిక వివరాల భద్రత (సేవ కోసం చెల్లించాల్సిన అవసరం ఉంది), వ్యక్తిగత వివరాల గోప్యత స్థానం గోప్యత ఉన్నాయి. కారులో ప్రయాణించేటప్పుడు గోప్యతా సమస్యలు కూడా జరగవచ్చు. కొంతమంది డ్రైవర్లు తమ స్వంత భద్రత భద్రత కోసం ప్రయాణీకుల కెమెరాలను ఉపయోగించాలని ఎంచుకుంటారు. రైడ్ షేరింగ్ ఎంత ఎక్కువగా ఉపయోగించబడుతుందో, మరింత రైడ్ అనుబంధ గోప్యతా సమస్యలు పెరుగుతాయి.

చరిత్రసవరించు

రైడ్ షేరింగ్ ఆలోచన రెండవ ప్రపంచ యుద్ధం నుండి ఉపయోగించబడింది.[1] ఈ కార్యక్రమం 1990 లలో ఇంటర్నెట్‌లో సాగింది. మొట్టమొదటి టెలిఫోన్ ఆధారిత రైడ్ మ్యాచింగ్ కార్యక్రమాలు వాషింగ్టన్ విశ్వవిద్యాలయం నుండి బెల్లేవ్ స్మార్ట్ ట్రావెలర్, లాస్ ఏంజిల్స్ ప్రయాణికుల రవాణా సేవల నుండి లాస్ ఏంజిల్స్ స్మార్ట్ ట్రావెలర్ సాక్రమెంటో రైడ్ షేర్ నుండి రైడ్ షేర్ ఎక్స్ప్రెస్.[1] ఏదేమైనా, ఈ టెలిఫోన్ ఆధారిత ప్రోగ్రామ్‌ల ఖర్చు దాని రాబడి కంటే చాలా ఎక్కువ, కాబట్టి ప్రత్యామ్నాయంగా, ఇంటర్నెట్ ఇమెయిల్ ఆధారిత రైడ్ మ్యాచ్‌లు కొత్త ప్రతిపాదనగా మారాయి. ఈ క్రొత్త కార్యక్రమం మొదట క్లోజ్డ్ క్యాంపస్‌లో కనిపించింది. ఇది వాషింగ్టన్ విశ్వవిద్యాలయంలోని విద్యార్థులకు ఉపాధ్యాయులకు మాత్రమే అందుబాటులో ఉంది, కానీ ఇది చాలా విజయవంతమైంది. ఈ కార్యక్రమం తరువాత, అథెనా మినెర్వా అనే రెండు ప్రోగ్రామ్‌లు ఎలక్ట్రనైజ్ చేయబడ్డాయి, కాని మంచి ఫలితాలను పొందలేదు.[1]ఇంటర్నెట్ సృష్టించడానికి ముందు, ఆన్‌లైన్ రైడ్ షేరింగ్ సృష్టించబడింది. వెబ్‌సైట్లలో కార్‌పూలింగ్ గురించి ప్రజలు సమాచారం పొందే జాబితాలు ఫోరమ్‌లు ఉన్నాయి. 1990 ల నుండి, ఇంటర్నెట్ సృష్టించబడిన తరువాత, ఈ వెబ్‌సైట్లు ప్లాట్‌ఫారమ్‌లు అభివృద్ధి చెందుతున్నాయి మరింత ఇంటరాక్టివ్‌గా మారాయి. ఈ భావన విజయవంతం కాలేదు ఎందుకంటే ఇది సాధారణ రైడ్ షేరింగ్ కంటే భిన్నంగా లేదు, ఇది రైడ్‌ను కనుగొనడం సులభం చేసింది. రైడ్ షేరింగ్ ప్రజాదరణ పొందనందున, ప్రజలు ప్రయాణించేటప్పుడు పరిమిత సమయం ఉంది, ఎందుకంటే వారికి ఇప్పటికే షెడ్యూల్ ఉంది. పెద్ద కంపెనీలు త్వరలో ఈ ఆలోచనపై ఆసక్తిని కనబరిచాయి రైడ్ షేరింగ్ ప్రజాదరణను పెంచడానికి రైడ్ మ్యాచింగ్ కంపెనీలతో భాగస్వామి కావడం ప్రారంభించాయి. టెక్నాలజీ కారణంగా ఇది మరింత అందుబాటులో ఉన్నందున ఇది ఇప్పుడు ట్రాక్షన్ పొందుతోంది.

సాఫ్ట్‌వేర్ డేటాతో వినియోగదారు ఇన్‌పుట్ / గోప్యతసవరించు

సాఫ్ట్‌వేర్సవరించు

వినియోగదారు ఇన్పుట్ లక్షణాలుసవరించు

రైడ్ షేరింగ్ ప్లాట్‌ఫాంలు చాలా ఇన్‌పుట్ లక్షణాలను కలిగి ఉన్నాయి:

  • వినియోగదారులు వారి పికప్ గమ్యాన్ని ఇన్పుట్ చేయవచ్చు.
  • వినియోగదారులు వారి డ్రాప్ ఆఫ్ గమ్యాన్ని ఇన్పుట్ చేయవచ్చు.
  • వినియోగదారులు ఇల్లు లేదా కార్యాలయ చిరునామాను సేవ్ చేయవచ్చు.
  • వినియోగదారులు ప్రతిరోజూ వారు సందర్శించే స్థలాలను సేవ్ చేయవచ్చు.
  • వినియోగదారులు మ్యాప్‌లలో కచ్చితమైన స్థానాలను గుర్తించవచ్చు.
  • వినియోగదారులు వారి క్రెడిట్ కార్డ్ సమాచారాన్ని సేవ్ చేయవచ్చు.
  • వినియోగదారులు వారి ఫోన్ సంప్రదింపు సమాచారం నుండి స్నేహితులను ఆహ్వానించవచ్చు.
  • వినియోగదారులు వారి స్వంత ప్రొఫైల్‌ను సృష్టించవచ్చు.
  • వినియోగదారులు సాధ్యం డ్రైవర్ల ప్రొఫైల్స్ సమీక్షలను చూడవచ్చు.

రైడ్ షేరింగ్ కంపెనీలు వేర్వేరు ట్రాకింగ్ లక్షణాలను కలిగి ఉంటాయి. ఏ సమాచారం సేకరించబడుతుందో అస్పష్టంగా ఉంది:

  • ప్లాట్‌ఫాం స్వయంచాలకంగా వినియోగదారుల స్థానం పరిసర ప్రాంతాలను ట్రాక్ చేస్తుంది. అప్లికేషన్ తెరిచినప్పుడు, ఒక మ్యాప్ వెంటనే హోమ్‌పేజీగా చూపబడుతుంది స్థానం వెంటనే ట్రాక్ చేయబడుతుంది.
  • శోధన చరిత్ర ఇటీవలి ప్రదేశాల గురించి సమాచారాన్ని ఉంచుతుంది.
  • ఫోన్‌లో నిల్వ చేయబడిన వ్యక్తిగత డేటాకు, పరిచయాలకు ప్రాప్యత వంటి అనువర్తనాన్ని కనెక్ట్ చేయడానికి అనుమతించడం, ఫోన్‌లోని పరిచయం కింద నిల్వ చేయబడిన ఫోన్ నంబర్లు (చిరునామాలు, వ్యక్తిగత సమాచారం) కంటే అనువర్తనాన్ని ప్రాప్యత చేయడానికి వీలు కల్పిస్తుంది.

ఉబెర్ గోప్యత

గోప్యతను మరచిపోయే ఉబెర్ సంస్థకు ఒక ఎంపిక ఉంది. వారు పారదర్శకంగా ఉన్నందున వారు ఏ సమాచారాన్ని సేకరిస్తున్నారో ఉబెర్కు తెలుసు:[2]

  • స్థానాన్ని భాగస్వామ్యం చేయగల లేదా భాగస్వామ్యం చేయగల సామర్థ్యం అలాగే స్థాన సెట్టింగ్‌లు ఎల్లప్పుడూ ఆన్‌లో ఉంటాయి.
  • వ్యక్తిగత ఖాతా ట్రిప్ గురించి నోటిఫికేషన్లు పొందగల సామర్థ్యం.
  • నిల్వ చేసిన పరిచయాలను తొలగించే సామర్థ్యం. స్థానం ట్రాక్ చేయబడినందున వ్యక్తులను కలిసి లింక్ చేయడానికి ఇది కొత్త మార్గాన్ని జోడిస్తుంది.
  • అత్యవసర పరిస్థితుల్లో ట్రిప్ వివరాలను 911 తో పంచుకునే సామర్థ్యం.
  • అనువర్తనంతో వ్యక్తిగత క్యాలెండర్‌ను సమకాలీకరించే సామర్థ్యం.

లిఫ్ట్ ప్రైవసీ

వారు ఈ సమాచారాన్ని సేకరిస్తారని లిఫ్ట్ విధానం పేర్కొంది: [3]

  • వినియోగదారు వ్యక్తిగత సమాచారం (పేరు, ఇమెయిల్, ఫోన్ నంబర్).
  • ఒక సోషల్ మీడియా ఖాతా రిజిస్ట్రేషన్‌కు అనుసంధానించబడి ఉంటే, ప్రొఫైల్ నుండి సమాచారం ఉపయోగించబడుతుంది (పేరు, లింగం, ప్రొఫైల్ చిత్రం, స్నేహితులు).
  • ఏదైనా సమాచార వినియోగదారు ప్రొఫైల్‌లో ఉంచుతారు.
  • రైడర్స్ నుండి డబ్బు పొందడానికి చెల్లింపు సమాచారం (క్రెడిట్ కార్డ్ సమాచారం నిల్వ చేయబడదు).
  • కస్టమర్ మద్దతు బృందంతో సంకర్షణ.
  • డ్రైవర్ దరఖాస్తులో అందించిన సమాచారం (పుట్టిన తేదీ, చిరునామా, సామాజిక భద్రత, లైసెన్స్ సమాచారం).
  • డ్రైవర్లకు చెల్లించాల్సిన చెల్లింపు సమాచారం.
  • సేవ్ చేసిన స్థానాలతో సహా స్థాన సమాచారం.
  • ఉపయోగించబడుతున్న పరికరం గురించి సమాచారం.
  • వినియోగ డేటా
  • డ్రైవర్ రైడర్ మధ్య కాల్స్ పాఠాలు
  • అభిప్రాయం
  • పరిచయాలు
  • కుకీలు

హార్డ్వేర్సవరించు

కారు లోపల కెమెరా

ఇటీవల, డ్రైవర్లు తమ రైడ్ షేర్ వాహనాల్లో కెమెరాలను ఉపయోగించడం ప్రారంభించారు. దీనికి ముందు, పోలీసు కార్లలో లేదా స్టాప్‌లైట్లలో మాత్రమే కెమెరాలు ఉపయోగించబడ్డాయి. ఏదేమైనా, నిరంతర-రికార్డింగ్ కెమెరాల పరిమాణం పెరిగింది, అవి రహదారిని పరిశీలించడం కారు వెలుపల ఏమి జరుగుతుందో ట్రాక్ చేయడం కాదు. రైడర్ డ్రైవర్ మధ్య పరస్పర చర్యలను రికార్డ్ చేయడానికి కార్ల లోపల కెమెరాల వాడకం కొత్తది. చాలా మంది వారి గోప్యత గురించి ఆందోళన చెందుతున్నారు ఎందుకంటే ఈ రికార్డింగ్ ట్రిప్ సమయంలో జరుగుతుంది సమ్మతి ఇవ్వబడదు. డ్రైవర్ కారులో ఉండటానికి రైడర్ సమ్మతి ఇస్తాడు కాబట్టి, రైడర్ డ్రైవర్ నియమాలను పాటించాలి. ఆడియో రికార్డింగ్ గురించి చాలా ప్రభుత్వ నియమాలు ఉన్నాయి, కానీ నిబంధనలకు "ఒక పార్టీ సమ్మతి" మాత్రమే అవసరం.


రికార్డింగ్ గురించి ప్రభుత్వ విధానాలు

1968 ఓమ్నిబస్ క్రైమ్ కంట్రోల్ అండ్ సేఫ్ స్ట్రీట్స్ యాక్ట్ ప్రకారం, ఆడియో రికార్డింగ్ గురించి విధానాలు ఉన్నాయి. ఇందులో "ఒక పార్టీ సమ్మతి" నియమం గురించి వివరాలు ఉన్నాయి. రికార్డర్ సంభాషణలో భాగం కాకపోతే సంభాషణను రికార్డ్ చేయడం చట్టవిరుద్ధం. అయితే, వారు సంభాషణలో సభ్యులైతే రికార్డ్ చేయగలుగుతారు. వారు సంభాషణలో భాగమైతే, వారు అవతలి వ్యక్తి నుండి సమ్మతి పొందకుండా రికార్డ్ చేయవచ్చు.

ఆందోళనలుసవరించు

స్థానం-ట్రాకింగ్ సంభావ్య దుర్వినియోగం

అనువర్తనం రైడర్ స్థానాన్ని ట్రాక్ చేస్తే వినియోగదారుల డేటా తప్పుగా ఉపయోగించబడే అనేక విభిన్న స్కోప్‌లు ఉన్నాయి. ప్రతి ట్రిప్ గురించి డేటా సేకరించబడినందున, రైడ్ షేరింగ్ కంపెనీ పెద్ద కంపెనీలతో భాగస్వాములైతే, ఈ కంపెనీలు భవిష్యత్ స్థానాలను అంచనా వేయడానికి ఈ డేటాను ఉపయోగించవచ్చు వారికి తగిన మార్కెట్‌ను సృష్టించండి. [4][5] ఏ షాపులు బ్రాండ్లు ఎక్కువ ప్రాచుర్యం పొందాయి సందర్శించబడుతున్నాయనే దానిపై కార్పొరేషన్లు సమాచారాన్ని సేకరించగలవు ట్రాక్ చేయగల ఆన్‌లైన్ ప్రొఫైల్‌ను నిర్మించగలవు. ప్రకటనల కంపెనీలు వినియోగదారుల వ్యక్తిగత ప్రయోజనాలను లక్ష్యంగా చేసుకోవడం ద్వారా కూడా దీన్ని చేయవచ్చు. వినియోగదారుడు ఇంతకు మునుపు సందర్శించిన చోటికి ప్రత్యేకమైన ప్రకటనలను ఇప్పుడు వినియోగదారులు పొందుతారు. *Citation*

దీని నుండి వివిధ సమస్యలు ప్రారంభమవుతాయి. వినియోగదారు వారి రాజకీయ నమ్మకాలకు సంబంధించిన కార్యాచరణలో పాల్గొంటే, కంపెనీలు ఈ సమాచారాన్ని తరువాత ఉపయోగించుకోవచ్చు వినియోగదారు కంపెనీకి వస్తే వారికి వ్యతిరేకంగా ఉపయోగించుకోవచ్చు. వైద్య, మత ఇతర చట్టపరమైన కారణాలకు కూడా ఇది వర్తిస్తుంది. మూడవ వ్యక్తి కోణం నుండి చూసినప్పుడు వినియోగదారు స్థానాలు వారు సందర్శించిన ప్రదేశాలు సమర్థించబడవు.

ఎవరైనా రైడ్ షేరింగ్‌పై మాత్రమే ఆధారపడినట్లయితే, వినియోగదారు వారి ఆన్‌లైన్ ప్రొఫైల్‌ను ఉపయోగించి వారి ఇంటి నుండి ఎంతసేపు లేదా ఎంత దూరంలో ఉన్నారో ట్రాక్ చేయడం సులభం అవుతుంది. ఈ సమయం దూరంగా ఉండటం వలన స్టాకర్ లేదా దొంగ వారి పని చేయడానికి మంచి అవకాశంగా మారుతుంది ఎందుకంటే వినియోగదారు ఇంట్లో లేరని వారికి తెలుసు. *citation* ఒక పెద్ద కోణం నుండి, ఒక వినియోగదారు సంభాషించే ప్రాంతం జనాభా ఆధారంగా, వారు ఒక నిర్దిష్ట ప్రాంతంలోని ఒకే దుకాణాలను తరచూ సందర్శిస్తే, అంచనా వేసిన ఆదాయం వంటి సమాచారాన్ని can హించవచ్చు. *citation*

యూజర్లు సులభంగా యాక్సెస్ కోసం చిరునామాలను సేవ్ చేసే అవకాశం ఉంది. సాధారణంగా, వినియోగదారులు వారి అసలు చిరునామాను ఉంచుతారు, కానీ కొన్ని సందర్భాల్లో వినియోగదారులు వారి గోప్యతను భద్రపరచడానికి వీధులకు దూరంగా ఉన్న చిరునామాలను ఉంచుతారు. అయినప్పటికీ, ఇది ప్రాథమిక స్థాయి రక్షణ మార్గం అయినప్పటికీ, కొన్ని వీధుల దూరంలో ఉన్న చిరునామా ఇప్పటికీ వినియోగదారు ఎక్కడ ఉందో సాధారణ స్థానాన్ని ఇస్తుంది.

స్థాన అవగాహన అనువర్తనాలుసవరించు

ప్రజలు వారి స్థాన సమాచారం గురించి - ఎలా, ఎప్పుడు, ఏమి - ఇతర వ్యక్తులు సమాచారాన్ని యాక్సెస్ చేయగలిగితే. సమాచార భాగస్వామ్యం ఉన్న ఏదైనా అనువర్తనం స్థానానికి ప్రాప్యత కలిగి ఉంటుంది, భాగస్వామ్య అనువర్తనాలను మాత్రమే కాకుండా. లొకేషన్ బేస్డ్ సెర్చ్ (ఎల్‌బిఎస్) అంటే యూజర్ స్థానం యూజర్ చుట్టూ ఉన్న భవనాలను శోధించినప్పుడు ట్రాక్ చేయవచ్చు. కచ్చితమైన స్థానాన్ని నిర్ణయించడానికి భవనాల దిశను చూడటానికి మ్యాప్‌ను గీయవచ్చు. [6] జియో-లొకేషన్ సేవలు వినియోగదారు ట్రాక్ చేసిన మార్గాన్ని సృష్టిస్తాయి. ఈ మార్గం యూజర్ స్థానం లెక్కింపు. ఫోన్లు ఇతర ఎలక్ట్రానిక్ పరికరాల్లో సెన్సార్లను ఉపయోగించి వినియోగదారు కచ్చితమైన స్థానం కనుగొనబడినప్పుడు మొబైల్ సెన్సింగ్. స్థాన భాగస్వామ్యం తప్పనిసరి కాదు, వినియోగదారు స్థానం నిరంతరం నవీకరించబడుతున్నప్పుడు.

వినియోగదారు సమాచారాన్ని ఉపయోగించడంసవరించు

వినియోగదారుడు రైడ్ షేరింగ్ అప్లికేషన్‌లోకి డేటాను ఇన్‌పుట్ చేసిన తర్వాత, ఈ సమాచారం వెబ్‌లో ఎప్పటికీ ఉంటుంది. వారు సమాచారాన్ని లేదా వారి అకౌట్‌ను తొలగించినప్పటికీ, వినియోగదారు అనుమతి ఇవ్వకపోయినా సమాచారం ఆన్‌లైన్ ప్లాట్‌ఫారమ్‌లో ఉంటుంది. ప్లాట్‌ఫారమ్‌లు ఫోన్ నంబర్, ఇమెయిల్ ప్రొఫైల్ పిక్చర్ వంటి సమాచారాన్ని అడుగుతాయి - ఈ సమాచారం అంతా వినియోగదారుని ట్రాక్ చేయడానికి ఉపయోగించబడుతుంది. ఈ సమాచారం డేటాబేస్లో ఉన్న తర్వాత, అది అప్లికేషన్ అప్లికేషన్ భాగస్వాములు చూడవచ్చు.

చాలా అనువర్తనాలు చెల్లింపు పద్ధతిని కలిగి ఉంటాయి, వీటిని రైడ్‌కు కనెక్ట్ చేయవచ్చు. క్రెడిట్ కార్డ్ సమాచారాన్ని సేవ్ చేసే అవకాశం ప్రజలకు ఉంది, ఇది భవిష్యత్ రైడ్లకు చెల్లించడం సులభం చేస్తుంది. పాస్‌వర్డ్‌లు లేదా వేలిముద్రలు వంటి కొన్ని భద్రతా చర్యలు ఉన్నప్పటికీ, ఇది ఇప్పటికీ పూర్తిగా సురక్షితం కాదు. ఈ సెక్యూరిటీలు వినియోగదారుడు చెల్లింపు చేస్తున్నారని మాత్రమే నిర్ధారిస్తుంది.

చిత్ర శోధనను రివర్స్ చేయండిసవరించు

వినియోగదారులు వారి అప్లికేషన్‌లో ప్రొఫైల్ చిత్రాన్ని ఉంచవచ్చు. ప్రొఫైల్ చిత్రాలు డ్రైవర్ రైడర్‌ను కనుగొనడంలో సహాయపడతాయి. కానీ, ఇది ప్రమాదకరమైనది ఎందుకంటే చిత్రం ఇప్పుడు అప్‌లోడ్ చేయబడింది వెబ్‌లో సేవ్ చేయబడింది, వ్యక్తిగత ఖాతాలకు కనెక్షన్‌లు చేయవచ్చు. ఉదాహరణకు, ఫేస్‌బుక్‌లో ముఖాన్ని గుర్తించే ప్రోగ్రామ్ ఉంది, ఇది పాత బయటి చిత్రాల నుండి వ్యక్తులను సులభంగా గుర్తించగలదు.

పరిష్కారాలుసవరించు

శబ్దం పంపిణీసవరించు

ఈ గోప్యతా సమస్యల కోసం పరిశోధకులు ఒక పరిష్కారానికి వచ్చారు - ఇది డేటా భద్రత వినియోగదారు అనామకత రెండింటికీ సహాయపడే వ్యవస్థ.[7] పరిష్కారం శబ్దం పంపిణీని సృష్టించే ప్రోగ్రామ్ కాబట్టి వినియోగదారు నిర్దిష్ట స్థానం ఆఫ్‌సెట్ అవుతుంది. ఇది ప్రాథమికంగా యూజర్ స్థానాన్ని కొన్ని గుప్తీకరణ ద్వారా ఉంచడం సిస్టమ్‌కు మాత్రమే చదవడానికి తెలిసిన ఆ స్థానాన్ని నివేదించడం, కాబట్టి ఇది వాస్తవ స్థానాన్ని మార్చడం కాదు, కానీ ఆ డేటా సిస్టమ్‌లోకి ఎలా ఇన్‌పుట్ అవుతుందో. ఈ పరిష్కారాన్ని ఇప్పటికే Mac OS Linux ఉపయోగిస్తున్నాయి. ఇది భద్రతను రక్షించే అదనపు మార్గం, ఇది వినియోగదారు సమాచారాన్ని దాచడానికి సహాయపడుతుంది. ప్రజలు భయపడుతున్నారు వారి సమాచారం దొంగిలించబడుతుందని దీనిని ఉపయోగించవచ్చు.

K- అనామకతసవరించు

K- అనామకత అనేది అనామక మూడవ పార్టీ సర్వర్, ఇది వినియోగదారుల సమాచారం అనామకంగా ప్రైవేట్‌గా ఉండటానికి సహాయపడుతుంది. లొకేషన్ షీట్ కింద యూజర్ స్థానాన్ని ప్రైవేట్‌గా ఉంచడానికి ఇది ఉపయోగించబడుతుంది - యూజర్ అసలు స్థానం తెలియదు. సాఫ్ట్‌వేర్ వేర్వేరు వినియోగదారులను వాస్తవ వినియోగదారుకు దగ్గరగా కనుగొంటుంది. కచ్చితమైన స్థానాలను సందేహాస్పదమైన అసలు వినియోగదారుతో తిరిగి పరస్పరం అనుసంధానించలేము దగ్గరగా ఉన్న వినియోగదారులకు గుర్తించలేని ఈ అనేక స్థానాలు అసలు వినియోగదారుని రక్షిస్తాయి. వేర్వేరు వ్యక్తుల మధ్య వ్యత్యాసాన్ని చెప్పడం కష్టం. [8]

మసక అనుమితి వ్యవస్థలుసవరించు

భౌగోళిక-ట్రాకింగ్ సేవలకు సంబంధించిన మసక జోక్యం వ్యవస్థలను ఉపయోగించడం వేరే పరిష్కారం.[9] ఈ పరిష్కారం వినియోగదారుని గుర్తించడానికి అంత ముఖ్యమైనది కాని విభిన్న వివరాలను ఉపయోగిస్తుంది - ఈ సమాచారం చెడు మార్గంలో ఉపయోగించబడదు. ప్రస్తుతం, స్థాన ఆధారిత సేవలు దగ్గరి మత సంస్థల వంటి అనేక సున్నితమైన సమాచారాన్ని బహిర్గతం చేయగలవు, ఇవి వినియోగదారు గుర్తింపును బహిర్గతం చేయగలవు, ఏ సంస్థలు పూర్తిగా వాణిజ్య ప్రయోజనాల కోసం ఉపయోగిస్తాయి. పరిష్కారం, అనామకరణ, ఉల్లంఘన విషయంలో డేటాను రక్షిస్తుంది. మసక అనుమితి వ్యవస్థ వివరణ ఉంది ఇది ఎలా పనిచేస్తుందో * ఇది ఎలా పనిచేస్తుందో వివరిస్తుంది * ఆపై టాక్సీ డ్రైవర్లలో సంభావ్య చిక్కు పద్ధతి ఇది ప్రజల సమాచారాన్ని రక్షించడానికి సమర్థవంతమైన మార్గం కాదా అని చూడటానికి ఎందుకంటే అనామకరణతో కాంక్రీట్ డిజైన్ లేదు అది బాగా నిరూపించబడింది. స్థాన వ్యవస్థ ఒకే వినియోగదారుని కనుగొనటానికి వివిధ మార్గాలు ఉన్నాయి. సిస్టమ్ పరిమాణాత్మక డేటాను గుణాత్మక డేటాగా చేస్తుంది, ఇది వినియోగదారు గుర్తింపును వారి స్థానాన్ని దాచిపెడుతుంది. టాక్సీ డ్రైవర్లపై ప్రయోగాలు చేసిన తరువాత, చాలా సమస్యలు కనిపించాయి, చాలా సమస్యలు మానవ తప్పుడు వ్యాఖ్యానాలు. భవిష్యత్తులో, ఈ ప్రాజెక్టులో ఎక్కువ సమయం డబ్బు పెట్టుబడి పెడితే, అది చాలా మంచి పరిష్కారం కావచ్చు. వారి స్థానం ట్రాక్ చేయబడుతుందని భయపడే వ్యక్తుల కోసం, ఈ పరిష్కారాన్ని ఉపయోగించడం వారి డేటాను మసకగా చేస్తుంది కచ్చితమైనది కాదు. ఈ పరిష్కారాన్ని ప్రయత్నించిన వ్యక్తుల కోసం సాఫ్ట్‌వేర్ ఎంత దగ్గరగా ఉందో ప్రయోగాత్మక దూరాలను చూపించే డేటా ఉంది. ఈ పరిష్కారం వేరే విధానం, ఇది రక్షణ మొత్తం సమస్యను పరిష్కరించదు, ఇది పురోగతిలో ఉన్న పని. సమస్యను పరిష్కరించడానికి ప్రయత్నిస్తున్నప్పటికీ స్థాన ట్రాకింగ్ ప్రైవేట్ కాదని ఇది మాకు చూపిస్తుంది. మెరుగైన అభివృద్ధి చెందడానికి ఈ స్టూయిడ్ రంగంలో ఎక్కువ సమయం కేటాయించాలి. [10]

స్థాన పరివర్తనసవరించు

ఒక పరిష్కారం ఒక నమూనా, ఇది ఇతర వ్యక్తులకు ప్రైవేట్ సమాచారాన్ని పొందడం ఎంత కష్టమో అంచనా వేయగలదు. ఇది జరగడానికి అనేక మార్గాలు ఉన్నాయి, ఇందులో స్థాన అస్పష్టత, కలత, గందరగోళం అణచివేత క్రిప్టోగ్రాఫిక్ పద్ధతులు ఉన్నాయి.

స్థానం అస్పష్టతసవరించు

స్థానాన్ని అస్పష్టం చేయడం అంటే స్థానాన్ని దాచడం. వినియోగదారు స్థాన కోఆర్డినేట్‌లు ఇప్పటికీ ఆదా అవుతున్నాయి, కానీ కచ్చితత్వం తగ్గించబడుతుంది. [11] అయినప్పటికీ, ఇది పూర్తి పరిష్కారం కాదు ఎందుకంటే ఇది స్థాన ఆధారిత సేవలు ఉండటానికి ప్రధాన కారణాన్ని విస్మరిస్తుంది. కాబట్టి రక్షణకు సహాయపడటానికి, ఏ అనువర్తనం అస్పష్టంగా ఉందో దాని గురించి జాగ్రత్తగా ఉండటం ముఖ్యం.

NRand అనేది వినియోగదారు స్థాన డేటాపై ఉంచబడిన అడ్డంకి మొత్తాన్ని నిర్ణయించే ప్రోగ్రామ్. ఈ కార్యక్రమంలో కొన్ని సమస్యలు ఉన్నాయి. ఎంత అదనపు సమాచారాన్ని ఉంచాలో నిర్ణయించడానికి ఒక మార్గం లేదు డేటా మార్పులు యూజర్ గోప్యతను అసలు నుండి మార్చడానికి గుర్తించలేని విధంగా మార్చడానికి సరిపోతాయి. [12]

స్థానం కలతసవరించు

మ్యాప్‌లో, ఒక ప్రదేశం సమీపంలో ఉన్నదానికి వెళుతుంది కాని అదనపు అదనపు పనికిరాని సమాచారం వినియోగదారు కచ్చితమైన స్థానానికి కాదు. ఈ అదనపు సమాచారంతో, సమీపంలో స్థానాల శ్రేణి ఉంటుంది, బహుళ స్థానాలకు పరివర్తన జోడించబడుతుంది అన్ని ఆసక్తికర అంశాలను ముసుగు చేస్తుంది.

గందరగోళం అణచివేతసవరించు

నకిలీ స్థానం నిజమైన స్థానంగా ఉపయోగించబడుతుంది. యూజర్ స్థానాన్ని బహుళ వేర్వేరు ప్రదేశాలకు సెట్ చేయడం ద్వారా నిజమైన స్థానాన్ని ఉంచడం ద్వారా ఇది జరుగుతుంది. అణచివేత అనేది ఈ విభిన్న అనువర్తనాల ఉపసమితి, ఇక్కడ స్వల్ప కాలానికి. వినియోగదారు క్రొత్త ప్రాంతంలోకి ప్రవేశించినప్పుడు, సమాచారం తాత్కాలికంగా పోతుంది గుర్తింపు పోతుంది. వారు రక్షిత ప్రాంతం నుండి నిష్క్రమించినప్పుడు, వారికి క్రొత్త గుర్తింపు ఉంటుంది.

క్రిప్టోగ్రాఫిక్ పద్ధతులుసవరించు

అసలు డేటాను ట్రాక్ చేయలేము ఎందుకంటే సమాచారం క్రిప్టోగ్రాఫిక్ ఇంటర్ప్రెటర్ ద్వారా వెళుతుంది. దీనిని అనేక విభిన్న డేటా పాయింట్లుగా మార్చవచ్చు.

అదనపు వివరాలుసవరించు

• కార్పూల్

• సిసిటివి

• డాష్‌బోర్డ్ కెమెరాలు

మూలాలుసవరించు

  1. 1.0 1.1 1.2 Chan, Nelson D.; Shaheen, Susan A. (January 2012). "Ridesharing in North America: Past, Present, and Future" (PDF). Transport Reviews. 32 (1): 93–112. doi:10.1080/01441647.2011.621557. ISSN 0144-1647.
  2. "Uber Privacy". privacy.uber.com. Retrieved 2019-03-14.
  3. Inc, Lyft. "Lyft Terms of Service". Lyft (in ఇంగ్లీష్). Retrieved 2020-12-11.
  4. Hallgren, Per; Orlandi, Claudio; Sabelfeld, Andrei (August 2017). "PrivatePool: Privacy-Preserving Ridesharing". 2017 IEEE 30th Computer Security Foundations Symposium (CSF). Santa Barbara, CA: IEEE: 276–291. doi:10.1109/CSF.2017.24. ISBN 978-1-5386-3217-8.
  5. Kikuchi, Hiroaki; Takahashi, Katsumi (July 2015). "Zipf distribution model for quantifying risk of re-identification from trajectory data". 2015 13th Annual Conference on Privacy, Security and Trust (PST). IEEE. doi:10.1109/pst.2015.7232949. ISBN 978-1-4673-7828-4.
  6. Damiani, Maria L. (Oct 2014). "Location privacy models in mobile applications: conceptual view and research directions". GeoInformatica. 18 (4): 819–842. doi:10.1007/s10707-014-0205-7. ProQuest 1562335430.
  7. Pingley, Aniket; Yu, Wei; Zhang, Nan; Fu, Xinwen; Zhao, Wei (July 2012). "A context-aware scheme for privacy-preserving location-based services". Computer Networks. 56 (11): 2551–2568. doi:10.1016/j.comnet.2012.03.022. ISSN 1389-1286.
  8. Biswas, Pratima; Sairam, Ashok Singh (July 2018). "Modeling privacy approaches for location based services". Computer Networks. 140: 1–14. doi:10.1016/j.comnet.2018.04.016. ISSN 1389-1286.
  9. Hashemi, Mahdi; Malek, Mohammad Reza (July 2012). "Protecting location privacy in mobile geoservices using fuzzy inference systems". Computers, Environment and Urban Systems. 36 (4): 311–320. doi:10.1016/j.compenvurbsys.2011.12.002. ISSN 0198-9715.
  10. Ji, Rui; Yang, Yupu (2013-06-19). "Smooth support vector learning for fuzzy rule-based classification systems". Intelligent Data Analysis. 17 (4): 679–695. doi:10.3233/ida-130600. ISSN 1571-4128.
  11. Zurbarán, Mayra; Wightman, Pedro; Brovelli, Maria; Oxoli, Daniele; Iliffe, Mark; Jimeno, Miguel; Salazar, Augusto (2018-08-17). "NRand-K: Minimizing the impact of location obfuscation in spatial analysis". Transactions in GIS. 22 (5): 1257–1274. doi:10.1111/tgis.12462. ISSN 1361-1682.
  12. Hua, Jingyu; Tong, Wei; Xu, Fengyuan; Zhong, Sheng (2017). "A Geo-Indistinguishable Location Perturbation Mechanism for Location-Based Services Supporting Frequent Queries". IEEE Transactions on Information Forensics and Security. 13 (5): 1155–1168. doi:10.1109/tifs.2017.2779402. ISSN 1556-6013.