1. Alessandro M. Martellone
a.martellone@gmail.com
Analyst Developer
La privacy in sistemi basati sulla
personalizzazione
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

2. Introduzione - La privacy
• La privacy è quella sfera personale fatta di
emozioni, convinzioni, trascorsi, sulla quale si vuole
mantenere il controllo.
• Può assumere diversi significati, a seconda:
• del contesto
• della cultura
• della conoscenza
• delle persone
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

3. Introduzione – La privacy
• Sono coinvolti:
• Utenti
• Legislatori
• Imprese
• Sociologi
• Psicologi
• Economisti
• Tecnici
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

4. Le nuove opportunità
• Social networks
• Applicazioni georeferenziate
• Marketing profilato sugli utenti
• Contenuti personalizzati
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

5. Le nuove opportunità
• Recenti indagini di mercato hanno mostrato che
gli utenti online apprezzano i contenuti
personalizzati.
• Allo stesso tempo, i contenuti personalizzati,
risultano essere una grande opportunità per i
creatori di servizi sul Web.
• In realtà però lo scenario attuale è molto più
articolato.
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

6. Lo scenario
Garante della privacy
•Cosa fa:
•Verifica che le norme sulla
privacy siano rispettate
•Suggerisce ai legislatori gli
interventi da realizzare
•E’ più a favore degli utenti
Imprese
Opportunità:
•Servizi geolocalizzati
Utenti
•Contenuti
personalizzati
•Social networks
Cosa
•Advertising profilato
vorrebbero: Cosa vorrebbero:
•Servizi altamente •Massimo controllo
innovativi sui dati degli utenti
•Basso costo •Massimo ricavo
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

7. I problemi di privacy
• Questi modelli di interazione personalizzata
portano a implicazioni sulla privacy degli utenti.
• E’ necessario collezionare informazioni sugli utenti.
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

8. La ricerca dell’equilibrio
• Di quante informazioni
relative ad un utente
abbiamo realmente
bisogno?
• Un utente, quanto è disposto
a cedere dei propri dati in
cambio di un servizio?
• Come si può mantenere un
buon livello di
personalizzazione tenendo
conto dei vincoli di privacy?
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

9. Un po’ di dati
• Negli USA (2007):
• il 94% ritiene di avere il diritto di conoscere quali
dei propri dati personali sono memorizzati da
un’azienda
• il 63% di questi indica che ha fornito informazioni
false a siti web (la qualità dei servizi è strettamente
legata alla qualità dell’informazione)
• il 69% ritiene fondamentale il controllo sui dati
collezionati su di esso e il 24% piuttosto importante
• Uno studio fatto negli Stati Uniti (Sweeney 2002) ha
dimostrato che l’87% degli americani è identificabile
univocamente solo con lo ZIP code, la data di
nascita e il sesso.
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

10. La cronaca
• Il caso Phorm:
• 12 luglio 2008, interrogazione parlamentare in
Inghilterra sulle attività della Phorm ( commercializza
un sistema di filtraggio di tutte le richieste http con
l’obiettivo di analizzare il traffico web e in base a
questo proporre del contenuto ad-hoc)
• Il caso Viacom Vs.Google (Repubblica 4 luglio 2008):
• Google dovrà fornire alla Viacom (gigante della TV,
es. Mtv) l’elenco di tutti gli utenti, nessuno escluso, e
dei video che ciascuno di essi ho visionato, dal 2005
a oggi.
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

11. Privacy-Enhanced Personalization
• Privacy-Enhanced Personalization
• Campo di ricerca che studia
• strategie
• metodi
al fine di proteggere i dati sensibili degli utenti pur
garantendo l’offerta di servizi personalizzati.
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

12. Lo scenario – Il garante della Privacy
in Italia
•Cosa fa:
•Verifica che le norme sulla
privacy siano rispettate
Garante della privacy
•Suggerisce ai legislatori gli
interventi da realizzare
•E’ più a favore degli utenti
Imprese
Utenti
Opportunità
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

13. Il Garante della privacy in Italia
• Punti salienti dell’ultima relazione:
• “I dati di traffico […] Internet sono particolarmente
delicati:[…] indirizzi email contattati, data, ora e durata
degli accessi alla rete consentono di ricostruire tutte le
relazioni di una persona e le sue abitudini”
• “Numerosi sono stati gli interventi dell’Autorità in merito
alla ricezione non richiesta di email, […], sms o mms per
fini pubblicitari o promozionali”
• “E’ necessario garantire agli interessati il diritto di
esprimere liberamente un valido consenso informato
per i trattamenti finalizzati al marketing, con modalità e
in un ambito del tutto distinto da quello relativo al
conferimento dei dati indispensabili per dare
esecuzione al rapporto contrattuale.”
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

14. Il Garante della privacy in Italia
• Punti salienti dell’ultima relazione:
• “L’inserimento tra le condizioni generali del contratto
della riserva di inviare tramite posta elettronica
comunicazioni pubblicitarie, quindi, viola il principio
di finalità.”
• Il Garante ha sanzionato delle aziende che “oltre ai
dati anagrafici e ai recapiti degli interessati
(necessari per attribuire bonus […]), ulteriori
informazioni quali il titolo di studio, la professione e il
numero dei componenti del nucleo familiare”.
• “[…] è inoltre vietato l’uso di sistemi informatici (proxy
server) non necessari né all’instradamento, né alla
fatturazione e che , interponendosi tra l’utente e i siti,
consentono la raccolta di dati relativi alle
connessioni effettuate nel corso della navigazione.”
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

15. Cosa si può fare?
• Costruire la fiducia degli utenti.
• Modellare opportunamente i dati:
• Minimizzazione e separazione dei dati.
• Progettare le applicazioni e le interfacce utente
con un “layered approach”.
• Utilizzo di Privacy Management Systems.
• Utilizzare strategie alternative:
• Trusted third party
• Client-side personalization
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

16. Cosa si può fare?
• Costruire la fiducia degli utenti.
• Modellare opportunamente i dati:
• Minimizzazione e separazione dei dati.
• Progettare le applicazioni e le interfacce utente
con un “layered approach”.
• Utilizzo di Privacy Management Systems.
• Utilizzare strategie alternative:
• Trusted third party
• Client-side personalization
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

17. Costruire la fiducia degli utenti
• L’importanza della fiducia: il 63% (USA) non
fornisce i propri dati personali ai service
provider per mancanza di fiducia nei loro
confronti.
• In Italia, invece, la realtà e’ diversa.
• Nella Provincia di Trento il 13.6% diffida di
Internet per l’acquisto di merci, perché
preoccupato di fornire dettagli personali su
Internet (fonte Servizio Statistica della Prov.
Trento, 2006).
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

18. Costruire la fiducia degli utenti
• Le applicazioni devono essere sviluppate in modo da
richiedere al primo utilizzo dell’utente la minor quantità
di dati possibili.
• Successivamente, all’aumentare della fiducia da parte
degli utenti, dar loro la possibilità di aumentare il
dettaglio del proprio profilo.
• Altri fattori:
• Assenza di errori
• Design professionale
• Usabilità dell’applicazione
• Possibilità di richiedere informazioni all’azienda
• Servizio efficiente di helpdesk
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

19. Costruire la fiducia degli utenti
• Stringere alleanze con operatori o organizzazioni
che operano verifiche sulle modalità di
trattamento dei dati.
• Ad es. LinkedIn si è avvalsa di TRUSTe
(www.truste.org), una organizzazione no-profit che
monitora il trattamento dei dati degli utenti e che
ne certifica l’utilizzo corretto. Essa verifica:
• privacy policy
• possibilità di recedere dall’iscrizione
• possibilità di modificare i propri dati
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

20. Costruire la fiducia degli utenti
• Rendere chiari i “Termini di servizio” e le “Norme
sulla privacy”.
• Quasi sempre la loro comprensione è difficile.
• Solo una piccola porzione degli utenti ne legge e
comprende l’intero contenuto.
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

21. www.cuil.com
• Quando la privacy degli utenti diventa colonna portante
del proprio business.
“Privacy is a hot topic these days”
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

22. Cosa si può fare?
• Costruire la fiducia degli utenti.
• Modellare opportunamente i dati:
• Minimizzazione e separazione dei dati.
• Progettare le applicazioni e le interfacce utente
con un “layered approach”.
• Utilizzo di Privacy Management Systems.
• Utilizzare strategie alternative:
• Trusted third party
• Client-side personalization
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

23. Minimizzazione e separazione dei dati
• Minimizzazione dei dati
• Richiedere solo i dati strettamente necessari
• Eventualmente, in un secondo momento, dar la
possibilita’ agli utenti di aggiornare o ampliare il proprio
profilo autonomamente.
• Separazione dei dati
• da una parte, i dati che identificano un utente
• da un’altra, quelli relativi al proprio profilo o quelli che
memorizzano dati sensibili (numero di carta di credito,
informazioni mediche, etc.)
• “Personal data under personal control”
• Dar la possibilità agli utenti di monitorare gli accessi
effettuati nella propria sezione dati.
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

24. Cosa si può fare?
• Costruire la fiducia degli utenti.
• Modellare opportunamente i dati:
• Minimizzazione e separazione dei dati.
• Progettare le applicazioni e le interfacce
utente con un “layered approach”.
• Utilizzo di Privacy Management Systems.
• Utilizzare strategie alternative:
• Trusted third party
• Client-side personalization
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

25. Layered approach
• Si mostrano degli highlights sulle più
importanti informazioni; si utilizza un
linguaggio semplice ed immediato.
• Per ciascuna nota si mostra come vengono
utilizzati i dati e quali sono i benefit
• Al termine di ogni nota un link al contenuto
completo e dettagliato riguardante le
policies.
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

26. Layered approach
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

27. Cosa si può fare?
• Costruire la fiducia degli utenti.
• Modellare opportunamente i dati:
• Minimizzazione e separazione dei dati.
• Progettare le applicazioni e le interfacce utente
con un “layered approach”.
• Utilizzo di Privacy Management Systems.
• Utilizzare strategie alternative:
• Trusted third party
• Client-side personalization
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

28. Platform for Privacy Preferences
Project - P3P
• Offrire agli utenti maggiore trasparenza!
• Far uso di Privacy Management Systems che
assicurano una verifica automatica delle
policy sulla privacy.
• Ad es. la Platform for Privacy Preferences Project
(P3P), progettata da W3C.
• P3P permette ai siti web di presentare le proprie
pratiche sul trattamento dei dati degli utenti in
maniera standardizzata, così da permettere ad user
agent (browser) la loro interpretazione.
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

29. Platform for Privacy Preferences
Project - P3P
• L’obiettivo è quello di supportare gli utenti nella
comprensione delle condizioni sulla privacy
attraverso l’utilizzo di semplici form riassuntivi.
• Il browser (o un search engine), così istruito, può
automaticamente avvisare o bloccare la
visualizzazione di alcuni contenuti, non conformi alle
specifiche dell’utente.
• Es. PrivacyFinder(http://www.privacyfinder.org/)
• Privacy Finder è un privacy-enhanced search
engine. Una volta impostate le proprie preferenze
sulle condizioni di privacy
(low, medium, high, or custom), i risultati della
ricerca sono ordinati in base alle proprie preferenze.
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

30. Cosa si può fare?
• Costruire la fiducia degli utenti.
• Modellare opportunamente i dati:
• Minimizzazione e separazione dei dati.
• Progettare le applicazioni e le interfacce utente
con un “layered approach”.
• Utilizzo di Privacy Management Systems.
• Utilizzare strategie alternative:
• Trusted third party
• Client-side personalization
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

31. Trusted third party
Per applicazioni Location-based services (LBS) si possono
utilizzare strategie “Trusted third party”, basate su proxy
servers, che fungono da intermediari tra altre due
componenti, cosi che queste ultime non si scambino
direttamente informazioni.
• Ad esempio immaginiamo che un dispositivo
mobile voglia conoscere, data la sua
posizione, l’ultimo bollettino meteo.
• Il dispositivo mobile (DM) effettua la
richiesta al proxy server (PS)
• Il PS interroga il fornitore di servizio (nella
fig. www.weather.org/query), con input
la posizione del dispositivo mobile.
• Il fornitore del servizio meteo risponde al
proxy, che la smista al DM
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

32. Client-side personalization
• I dati degli utenti risiedono lato client
• Tutti i processi di personalizzazione sono eseguiti lato
client. E’ il client a richiedere le informazioni che
desidera.
• Vantaggi:
• Gli utenti, sentendosi più sicuri, potrebbero essere più
inclini a utilizzare dei dati più veritieri e si potrebbero
quindi avere delle informazioni di maggior qualità.
• I server sarebbero alleggeriti dalle elaborazioni.
• Svantaggi:
• Gli attuali modelli di analisi dei dati sono progettati e
implementati basandosi sulla piena disponibilità dei dati
lato server
• Le interfacce di comunicazione client/server devono
essere attentamente protette da possibili accessi non
autorizzati (sicurezza dei client).
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

33. Riferimenti
• Privacy-Enhanced personalization, A. Kobsa, Communication of the
ACM, 2007
• Contextualized communication of privacy practies and personalization
benefits: impacts on users’ data sharing and purchase behavior, A.
Kobsa – M. Telzrow, Privacy Enhancing Tecnologies, 2004, Springer
• “Privacy a rischio su YouTube - Tutti i dati in mano a Viacom“,
Repubblica, 4 luglio 2008
• “Watching while you surf”, The Economist, 5 Giugno 2008
• Comunicazioni, Il Trentino in rete, Maggio 2007, Servizio Statistica
Provincia Autonoma di Trento.
• Relazione 2007 – Garanzie e sicurezza nel trattamento dei dati: l’attività
dell’Autorità, 2007, www.garanteprivacy.it
• Alessandro Acquisti. The Economics of Privacy. Carnegie Mellon
University, Software Engineering Institute, February 2004.
• Alessandro Acquisti. Security of Personal Information and Privacy:
Technological Solutions and Economic Incentives. In J. Camp and R.
Lewis (eds), The Economics of Information Security, Kluwer, 2004.
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

34. Riferimenti
• Best Practices and Guidelines for Location Based Services, CTIA Wireless
Association,Aprile 2008,
http://files.ctia.org/pdf/CTIA_LBS_BestPracticesandGuidelines_04_08.pdf
• Robert Gellman. Privacy, consumers, and costs - how the lack of privacy
costs consumers and why business studies of privacy costs are biased
and incomplete, 2002.
• Privacy-Enhancing Technologies - White Paper for Decision-Makers.
Ministry of the Interior and Kingdom Relations, the Netherlands,
December 2004,
www.dutchdpa.nl/downloads_overig/PET_whitebook.pdf
• The Phorm “Webwise” System, Richard Clayton, University of Cambridge,
2008, http://www.cl.cam.ac.uk/~rnc1/080404phorm.pdf
• Security and Privacy in User Modeling, Jorg Schreck,
2001,http://www.security-and-privacy-in-user-modeling.info/
• Platform for Privacy Preferences (P3P) Project, http://www.w3.org/P3P/
• http://www.privacyfinder.org/
• Privacy enhanced architecture for location based services int the next
generation wireless network, Alberto Escudero-Pascual, IMIT, Royal
Institute of Technology,2008
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone

35. Domande?
10 Settembre - ISISLab - La privacy in sistemi basati sulla personalizzazione -
Alessandro M. Martellone