Сети города. Люди. Технологии. Власти
Шрифт:
Один из основных поводов для беспокойства, связанных с сетевыми инфраструктурами и повсеместной городской компьютеризацией, – это создание систем и сред, которые содержат ошибки, часто ломаются, уязвимы для вирусов, сбоев, повреждений и хакерских атак [135] . Как отмечает K. Мимз [136] , любое сетевое устройство может быть взломано, а его данные похищены и использованы с преступными целями или испорчены; этими данными можно управлять на расстоянии, их можно перенаправлять, с их помощью можно шпионить за пользователями. СМИ едва ли не ежедневно сообщают о масштабных утечках данных в коммерческих компаниях и государственных учреждениях, о краже ценных
135
Kitchin R., Dodge M. Code/Space: Software and everyday life; Townsend A. Smart cities: Big data, civic hackers, and the quest for a new utopia.
136
Mims Ch. Coming soon: The cybercrime of things // The Atlantic. 2013. August 6. URL: http://www.theatlantic.com/technology/archive/2013/08/coming-soon-the-cybercrime-of-things/278409.
137
Paganini P. Israeli road control system hacked, causes traffic jam on Haifa highway // The Hacker News. 2013. October 28. URL: http://thehackernews.com/2013/10/israeli-road-control-system-hacked.html.
138
Townsend A. Smart cities: Big data, civic hackers, and the quest for a new utopia.
Большие данные о городе в настоящее время используются для выполнения широкого круга задач, от нейтральных, таких как наблюдение за городским освещением с целью улучшения его качества и снижения расходов, до более политизированных, таких как поддержание правопорядка. Беспокойство вызывает тот факт, что чем больше данных генерируется о городе и его жителях, тем более размываются границы понятия «приватность». Неприкосновенность частной жизни считается основополагающим правом человека, ценным и гарантированным условием жизни в развитых странах. Однако по мере того как датчики, камеры, смартфоны и другие встроенные и портативные устройства производят все больше данных, защищать последние становится все труднее, ведь люди оставляют все больше цифровых следов (данных, которые они производят сами) и цифровых теней (информации, которую собирают о них другие). Такие архивы данных позволяют осуществлять дата-надзор (вид цифровой слежки при помощи сортировки и просеивания массивов данных с целями идентификации, мониторинга, отслеживания, регулирования, предсказания и рекомендаций) [139] и геонадзор (отслеживание местоположения и перемещения людей, транспортных средств, товаров и услуг, мониторинг пространственных взаимодействий) [140] . Принимая во внимание, что многие из этих систем работают постоянно и идентифицируют уникальные комбинации данных, дата-надзор и геонадзор приобретают характер непрерывных процессов, поставляющих подробную информацию. Так, операторы мобильных сетей всегда могут установить местонахождение телефона, если он не выключен [141] .
139
Clarke R. Information technology and dataveillance // Communications of the ACM. 1988. Vol. 31. № 5. P. 498–512; Raley R. Dataveillance and countervailance // «Raw data» is an oxymoron / Ed. by L. Gitelman. Cambridge: MIT Press, 2013. P. 121–146.
140
Crampton J. Cartographic rationality and the politics of geosurveillance and security // Cartography and Geographic Information Science. 2003. Vol. 30. № 2. P. 135–148.
141
Dodge M., Kitchin R. Codes of life: Identification codes and the machine-readable world.
В частности, за последние двадцать лет произошел стремительный рост численности информационных брокеров, которые записывают, сводят воедино и перекомпоновывают данные для сдачи в аренду (для разового применения или использования на условиях лицензии) или перепродажи, а также производят различные вторичные данные и информационную аналитику. Фокусируясь на различных рынках, эти брокеры стремятся объединить офлайн-, онлайн- и мобильные данные, чтобы получить всестороннюю информацию о людях и местах, создавая персональные и геодемографические профили [142] . Эти профили затем используются для прогнозирования поведения и вероятной платежеспособности или дохода людей, а также для осуществления социальной сортировки граждан на основании их кредитной истории, занятости, владения недвижимостью и т. д. [143] Беспокойство вызвано тем, что такие компании практикуют своеобразный информационный детерминизм, создавая персональные профили и оценивая индивидов не только на основании того, что они сделали, но и на основании прогнозов о том, что они могут сделать в будущем, – прогнозов, создаваемых с использованием далеких от совершенства, засекреченных алгоритмов, которые никем не контролируются и не корректируются [144] . Подобное предвосхищающее управление может иметь далеко идущие последствия. Например, некоторые полицейские участки в США уже используют предсказательную аналитику, чтобы заранее определить место совершения будущих преступлений и направить туда патрули, а также для выявления индивидов, которые с наибольшей вероятностью преступят закон, присваивая им статус «будущих преступников» [145]
142
Goss J. «We know who you are and we know where you live»: The instrumental rationality of geodemographics systems // Economic Geography. 1995. Vol. 71. № 2. P. 171–198; Harris R., Sleight P., Webber R. Geodemographics, GIS and neighbourhood targeting. West Sussex, England; Hoboken, NJ: Wiley, 2005.
143
Graham S. Software-sorted geographies.
144
The privacy challenges of big data: A view from the lifeguard’s chair. Keynote address by FTC Chairwoman Edith Ramirez (as prepared for delivery). Technology Policy Institute. Aspen Forum. Aspen, Colorado. August 19, 2013 // Federal Trade Commission. URL: http//ftc.gov/speeches/ramirez/130819bigdataaspen.pdf.
145
Stroud M. The minority report: Chicago’s new police computer predicts crimes, but is it racist? // The Verge. 2014. February 19. URL: http://www.theverge.com/2014/2/19/5419854/the-minority-report-this-computer-predicts-crime-but-is-it-racist.
Конец ознакомительного фрагмента.