September 24, 2022

Artikel ini awalnya ditampilkan di Percakapan.

Pengguna media sosial memposting ide tentang bagaimana melindungi privasi reproduksi orang ketika Mahkamah Agung membatalkan Roe v. Wade, termasuk memasuki data “sampah” ke dalam aplikasi yang dirancang untuk melacak siklus menstruasi.

Orang-orang menggunakan aplikasi pelacakan periode untuk memprediksi periode berikutnya, berbicara dengan dokter mereka tentang siklus mereka dan mengidentifikasi kapan mereka subur. Pengguna mencatat semuanya mulai dari mengidam hingga aliran menstruasi, dan aplikasi memberikan prediksi berdasarkan input ini. Prediksi aplikasi membantu dengan keputusan sederhana, seperti kapan harus membeli tampon berikutnya, dan memberikan pengamatan yang mengubah hidup, seperti apakah Anda hamil.

Argumen untuk mengirimkan data sampah adalah bahwa hal itu akan membuat algoritme aplikasi tersandung, sehingga menyulitkan atau tidak mungkin bagi pihak berwenang atau warga untuk menggunakan data tersebut untuk melanggar privasi orang. Argumen itu, bagaimanapun, tidak tahan air.

Sebagai peneliti yang mengembangkan dan mengevaluasi teknologi yang membantu orang mengelola kesehatannya, kami menganalisis cara perusahaan aplikasi mengumpulkan data dari penggunanya untuk menyediakan layanan yang bermanfaat. Kita tahu bahwa untuk aplikasi pelacakan periode populer, jutaan orang perlu memasukkan data sampah bahkan untuk menyenggol algoritme.

Selain itu, data sampah adalah bentuk “noise”, yang merupakan masalah inheren yang membuat para pengembang merancang algoritme agar tahan terhadapnya. Bahkan jika data sampah berhasil “membingungkan” algoritme atau memberikan terlalu banyak data untuk diselidiki oleh pihak berwenang, keberhasilannya akan berumur pendek karena aplikasi akan kurang akurat untuk tujuan yang dimaksudkan dan orang-orang akan berhenti menggunakannya.

See also  Kapan Anda harus mendapatkan booster COVID-19 yang baru?

Selain itu, itu tidak akan menyelesaikan masalah privasi yang ada karena jejak digital orang ada di mana-mana, mulai dari pencarian internet hingga penggunaan aplikasi telepon dan pelacakan lokasi. Inilah sebabnya mengapa saran yang mendesak orang untuk menghapus aplikasi pelacakan menstruasi mereka bermaksud baik tetapi melenceng.

Cara kerja aplikasi

Saat pertama kali membuka aplikasi, Anda memasukkan usia, tanggal menstruasi terakhir, berapa lama siklus Anda, dan jenis kontrasepsi apa yang Anda gunakan. Beberapa aplikasi terhubung ke aplikasi lain seperti pelacak aktivitas fisik. Anda mencatat informasi yang relevan, termasuk saat Anda mulai menstruasi, kram, konsistensi keputihan, mengidam, dorongan seks, aktivitas seksual, suasana hati, dan aliran yang deras.

Setelah Anda memberikan data Anda ke perusahaan aplikasi periode, tidak jelas persis apa yang terjadi padanya karena algoritme adalah milik dan bagian dari model bisnis perusahaan. Beberapa aplikasi menanyakan panjang siklus pengguna, yang mungkin tidak diketahui orang. Memang, para peneliti menemukan bahwa 25,3% orang mengatakan bahwa siklus mereka memiliki durasi 28 hari yang sering disebutkan; namun, hanya 12,4% yang benar-benar memiliki siklus 28 hari. Jadi, jika aplikasi menggunakan data yang Anda masukkan untuk membuat prediksi tentang Anda, mungkin diperlukan beberapa siklus bagi aplikasi untuk menghitung panjang siklus Anda dan memprediksi fase siklus Anda dengan lebih akurat.

Aplikasi dapat membuat prediksi berdasarkan semua data yang dikumpulkan perusahaan aplikasi dari penggunanya atau berdasarkan demografi Anda. Misalnya, algoritme aplikasi mengetahui bahwa seseorang dengan indeks massa tubuh yang lebih tinggi mungkin memiliki siklus 36 hari. Atau bisa juga menggunakan pendekatan hibrida yang membuat prediksi berdasarkan data Anda, tetapi membandingkannya dengan kumpulan data besar perusahaan dari semua penggunanya untuk memberi tahu Anda apa yang khas–misalnya, sebagian besar orang melaporkan mengalami kram tepat sebelum menstruasi.

See also  Bagaimana membentuk kebiasaan baru dengan mengelabui otak Anda dengan bau

Apa yang dicapai dengan mengirimkan data sampah?

Jika Anda secara teratur menggunakan aplikasi pelacakan periode dan memberikan data yang tidak akurat, prediksi yang dipersonalisasi aplikasi, seperti kapan periode berikutnya akan terjadi, juga bisa menjadi tidak akurat. Jika siklus Anda adalah 28 hari dan Anda mulai mencatat bahwa siklus Anda sekarang adalah 36 hari, aplikasi harus menyesuaikan – bahkan jika informasi baru itu salah.

Tapi bagaimana dengan data secara agregat? Cara paling sederhana untuk menggabungkan data dari banyak pengguna adalah dengan membuat rata-ratanya. Misalnya, aplikasi pelacakan periode paling populer, Flo, diperkirakan memiliki 230 juta pengguna. Bayangkan tiga kasus: satu pengguna, rata-rata 230 juta pengguna dan rata-rata 230 juta pengguna ditambah 3,5 juta pengguna yang mengirimkan data sampah.

Garis biru mewakili satu pengguna. Garis oranye adalah rata-rata 230 juta pengguna. Garis hijau menggabungkan 230 juta pengguna yang mengirimkan data bagus dengan 3,5 juta pengguna yang mengirimkan data sampah. Perhatikan bahwa ada sedikit perbedaan antara garis oranye dan hijau. Alexander Lee Hayes, CC BY-SA

Contoh sederhana ini menggambarkan tiga masalah. Orang yang mengirimkan data sampah kemungkinan tidak akan memengaruhi prediksi untuk setiap pengguna aplikasi individual. Dibutuhkan kerja yang luar biasa untuk menggeser sinyal yang mendasarinya ke seluruh populasi. Dan bahkan jika ini terjadi, meracuni data berisiko membuat aplikasi tidak berguna bagi mereka yang membutuhkannya.

Pendekatan lain untuk melindungi privasi

Menanggapi kekhawatiran orang-orang tentang data aplikasi periode mereka yang digunakan untuk melawan mereka, beberapa aplikasi periode membuat pernyataan publik tentang membuat mode anonim, menggunakan enkripsi ujung ke ujung, dan mengikuti undang-undang privasi Eropa.

Keamanan “mode anonim” bergantung pada apa yang sebenarnya dilakukannya. Pernyataan Flo mengatakan bahwa perusahaan akan melakukan de-identifikasi data dengan menghapus nama, alamat email, dan pengenal teknis. Menghapus nama dan alamat email adalah awal yang baik, tetapi perusahaan tidak mendefinisikan apa yang dimaksud dengan pengenal teknis.

Dengan Texas membuka jalan untuk menuntut secara hukum siapa pun yang membantu orang lain yang melakukan aborsi, dan 87% orang di AS yang dapat diidentifikasi dengan informasi demografis minimal seperti kode pos, jenis kelamin, dan tanggal lahir, data atau pengenal demografis apa pun berpotensi membahayakan orang mencari pelayanan kesehatan reproduksi. Ada pasar besar untuk data pengguna, terutama untuk iklan bertarget, yang memungkinkan untuk mempelajari jumlah yang menakutkan tentang hampir semua orang di AS

See also  Pesawat kargo akan menjadi ujian bagi kopilot digital baru

Meskipun enkripsi ujung ke ujung dan Peraturan Perlindungan Data Umum Eropa (GDPR) dapat melindungi data Anda dari pertanyaan hukum, sayangnya tidak satu pun dari solusi ini membantu dengan jejak digital yang ditinggalkan semua orang dengan penggunaan teknologi sehari-hari. Bahkan riwayat pencarian pengguna dapat mengidentifikasi seberapa jauh mereka dalam kehamilan.

Apa yang sebenarnya kita butuhkan?

Alih-alih mencari cara untuk menghindari teknologi guna mengurangi potensi bahaya dan masalah hukum, kami percaya bahwa orang harus mengadvokasi perlindungan privasi digital dan pembatasan penggunaan dan berbagi data. Perusahaan harus berkomunikasi secara efektif dan menerima umpan balik dari orang-orang tentang bagaimana data mereka digunakan, tingkat risiko mereka untuk terpapar potensi bahaya, dan nilai data mereka bagi perusahaan.

Orang-orang telah prihatin tentang pengumpulan data digital dalam beberapa tahun terakhir. Namun, di dunia pasca-Roe, lebih banyak orang dapat ditempatkan pada risiko hukum untuk melakukan pelacakan kesehatan standar.

Katie Siek adalah profesor dan Ketua Informatika di Universitas Indiana. Alexander L. Hayes adalah seorang Ph.D. mahasiswa Informatika Kesehatan di Universitas Indiana. Zaidat Ibrahim adalah mahasiswa Ph.D di bidang Informatika Kesehatan di Universitas Indiana. Katie Siek menerima dana dari National Science Foundation. Dia berafiliasi dengan Computer Research Association dan Computing Community Consortium.