تخمین فقر و ثروت از رفتار کاربران تلفن هوشمند
به گزارش واحد امنیت سایبربان؛ در کشورهای در حال توسعه یا کشورهای درگیر جنگ که سرشماری‌های دولتی با فاصله زمانی زیاد و به ندرت انجام می‌شوند، جمع‌آوری اطلاعات در راستای ارائه خدمات عمومی و یا سیاست‌گذاری، می‌تواند مشکل، خطرناک و تقریباً غیرممکن باشد. از سوی دیگر دکل‌های ویژه تلفن همراه، حتی در مناطقی که با چالش‌های مختلفی دست و پنجه نرم می‌کنند، فرایند نصبی به‌مراتب ساده‌تر از نصب تلفن‌های ثابت دارند. این در حالی است که تلفن‌های همراه به‌طور گسترده در میان افراد فقیر و متمول مورد استفاده قرار می‌گیرند.
در جدیدترین تحقیقات، محققان دانشکده اطلاعات و دپارتمان مهندسی دانشگاه واشنگتن، روشی را برای تخمین توزیع ثروت و فقر در نواحی مختلف، آن‌هم بر مبنای مطالعه اطلاعات مربوط به تماس‌ها و پیامک‌ها بر روی تلفن‌های هوشمند، پیشنهاد داده‌اند.
این اطلاعات شامل مواردی مانند زمان، مکان و طبیعت رویدادهای مرتبط با تلفن‌های هوشمند و نه محتویات آن‌ها هستند.
جاشوا بلومن‌استک (Joshua Blumenstock) از اعضای اصلی این گروه تحقیقاتی در این خصوص می‌گوید: «اندازه‌گیری‌های دقیق کمی، کلید اتخاذ تصمیمات مهم در خصوص تخصیص رفاه اجتماعی و توزیع کمک‌های بشردوستانه هستند. اما در اکثر کشورهای در حال توسعه، چنین اطلاعات مهم و ارزشمندی وجود ندارند. آنچه ما در این تحقیق نشان دادیم و به نظر من کاملاً کاربردی و هدفمند است، استفاده از اطلاعات تلفن‌های هوشمند در جهت تخمین ثروت و فقر در جوامع مختلف است.»
لازم به ذکر است که این تحقیقات در رواندا در شرق آفریقا و با جمعیت 11 میلیون، انجام گرفته است. در این تحقیقات، مصاحبه تلفنی با هزار مالک تلفن همراه که به‌طور اتفاقی انتخاب شده بودند، انجام گرفت. این سؤالات به نحوی طراحی شده بودند تا موقعیت این افراد در نردبان اقتصادی و اجتماعی، به عنوان علامت مشخصه ثروت در اطلاعات اخذ شده مشخص شود.
در خصوص این هزار نفر، اطلاعات کاملی در خصوص ثروتمند یا فقیر بودن آن‌ها در دسترس بود و بر همین اساس، محققان این اطلاعات را با روند حاکم در میان مشترکان دیگر یک سرویس‌دهنده، در جهت مشخص کردن وضعیت اجتماعی و اقتصادی سرویس‌گیرندگان، ارتباط دادند. بدین ترتیب الگوهایی ساده و کاربردی پدیدار شدند. به عنوان مثال، افراد متمول تمایل دارند که در مقایسه با افراد فقیرتر، تعداد تماس تلفنی بیشتری برقرارکنند اما این تنها یکی از هزاران بیت داده‌ای است که به این فرایند بررسی، جهت می‌داد.
نحوه پیش پرداخت مشترکان نیز می‌تواند به عنوان یکی دیگر از موارد قابل توجه، مدنظر قرارگیرد. کاربرانی که کارت شارژهای 10 دلاری خریداری می‌کنند معمولا در مقایسه با کاربرانی که کارت شارژهای 50 سنتی می‌خرند، متمول‌تر هستند.
ریتم تماس‌های برقرارشده نیز حرف‌های زیادی برای گفتن دارد. افرادی که در طول ساعت‌های کاری طول روز با دیگرا ن تماس می‌گیرند تفاوت آشکاری با افرادی که در ساعت‌های بدون قاعده‌ای تماس می‌گیرند، دارند زیرا این افراد معمولا در زمره کارگرانی قراردارند که در ساعت‌های کاری با توجه به مشغله بالا امکان برقراری تماس را ندارند.
تعداد تماس‌های دریافتی نیز از جمله فاکتورهای مدنظر قرارگرفته در این بررسی‌ها است. با توجه به اینکه در رواندا، فرد تماس‌گیرنده هزینه تماس را پرداخت می‌کند افراد فقیرتر معمولا تعداد تماس‌های ورودی بیشتری در مقایسه با تعداد تماس‌های خروجی دارند. در این قسمت از تحقیق از پدیده‌ای به‌عنوان "flashing" نیز یادشده که در آن فرد فقیرتر با دوست متمول‌تر خود تماس می‌گیرد و سریعا تلفن را قطع می‌کند تا بدین‌ترتیب از طرف مقابل درخواست کند تا با او تماس بگیرد.
در این تحقیق از الگوریتم‌های یادگیری ماشینی به‌منظور رسیدن به هزاران الگوی متفاوت و نتیجتا شکل‌دهی صحیح‌ترین روند تشخیص ثروت و فقر استفاده شده است تا در نهایت تعمیمی بر تمامی کاربرانی که از خدمات اپراتورهای تلفن همراه استفاده می‌کنند، بدست آید. نهایتا این فاکتورها حتی بر اساس اولویت و اهمیت بیشتر آن‌ها نیز دسته‌بندی شده و بر روی نقشه مناطق مختلف، پیاده سازی شده تا دیدی تصویری و جامع از توزیع جغرافیایی ثروت بدست آید.
آن‌طور که این تیم تحقیقاتی عنوان کرده، در این بررسی‌ها تمامی استانداردهای اخلاقی و امنیت مشترکین تلفن همراه، مدنظر قرارگرفته است. دولت‌های مختلف می‌توانند با پرداخت 10 هزار دلار، این روند تحقیقاتی را خریداری و از هزینه‌های میلیون دلاری در جهت پیاده‌سازی پروژه‌ها و مطالعات مشابه، جلوگیری کنند.
