Глава 3. Информационная и коммуникационная приватность 91

мость, данные о покупке/продаже квартир и их собственниках, Антон Хро­мов собирает информацию о месте проживания и телефонах Николаева, о его доходах, недвижимости, которой он владеет, его отношениях с правоохрани­тельными органами.

После нескольких недель исследования Антон Хромов обладает огром­ным количеством информации о господине Николаеве. Поскольку информа­цию разного рода он получал из разных баз данных, ему не казалось, что он поступает неэтично. Но теперь, когда в результате сбора всей информации достигнут кумулятивный эффект и сформировано практически полное пер­сональное досье, Антон задумывается о законности и этичности своей дея­тельности.

Этот пример отчасти иллюстрирует этическую проблему, связанную с практикой добывания данных из «открытых» источников. В литературе по компьютерной этике она получила название проблемы «публичной приватно­сти». Исследователь этических проблем в сфере информационных техноло­гий Хелен Ниссенбаум выявила некоторые противоречия, связанные с прак­тикой добывания персональных данных из «открытых» источников [230]. Она утверждает, что хотя в обществе существуют нормы приватности (зако­ны о защите персональных данных и неформальные политики приватности), которые защищают конфиденциальные данные человека и персональную информацию личного характера (например, медицинские и финансовые дан­ные), нормативная защита не всегда распространяется на ту персональную информацию, которая не считается конфиденциальной или сугубо личной. Более того, существует сфера публичной информации, к которой не приме­няются никакие нормы приватности. Ниссенбаум констатирует факт, что большинство норм приватности обходят молчанием вопрос, как защищать персональную информацию в публичной сфере или в тех сферах, которые она называет «отличными от личной сферы». Она не соглашается с тезисом, что агрегирование информации не нарушает приватности, если составные части информации, взятые по отдельности, не нарушают приватности.

На первый взгляд, практика добывания персональных данных из «откры­тых» источников кажется безобидной из-за того, что эти данные являются от­крытыми. Но, отмечает Ниссенбаум, практика общественного наблюдения за жизнью людей регулярно нарушает нормы концептуальной целостности, когда информация, собранная для одной цели, выявленная в одном контексте, переда­ется и начинает использоваться для другой цели, в другом контексте [230]. Важ­ность целостности контекстов, которая признана по отношению к личной сфере, еще недостаточно осознана в других сферах жизни человека. Публичная приват­ность нуждается в защите по тем же причинам, что и частная приватность, по­скольку из-за различных форм общественного наблюдения, которые практику­ются сегодня, фундаментальные человеческие ценности подвергаются опасности точно так же, как и от вторжения в личную сферу. Это такие ценности, как неза­висимость, свобода, индивидуальность, возможность создавать и поддерживать личные отношения, психическое здоровье, творческие способности, персональ­

92 Этика в сфере информационных технологий

ное развитие, а также возможность жить в свободном и демократическом обще­стве. Практика извлечения и анализа сведений, которые хранятся во многих раз­нородных базах данных, превращает людей в объекты для наблюдения и мани­пулирования.

Добывание данных

Современные хранилища данных позволяют не только комбинировать, сопоставлять и профилировать персональные данные, но и накапливать исто­рическую информацию, объединять данные из разнородных источников и выполнять углубленный анализ данных. В отличие от оперативных систем хранилища данных могут содержать информацию за длительный период времени (вплоть до нескольких десятилетий) в едином информационном пространстве, что делает такие хранилища идеальной основой для выявления трендов, зависимостей и других важных аналитических показателей.

Углубленный анализ данных, или добывание данных (англ. с1аШ тт- т%)₉ - это процесс выявления тенденций и взаимных корреляций данных, на­ходящихся в хранилище, с использованием средств искусственного интел­лекта или статистического анализа. Основная цель добывания данных - об­наружить скрытые зависимости и тенденции, незаметные на первый взгляд, и обратить на них внимание менеджера или аналитика [125]. Выявить тенден­ции и зависимости позволяют специальные алгоритмы анализа, обрабаты­вающие большие массивы информации. Если информации будет недостаточ­но или она будет неточна, выявленные зависимости могут оказаться невер­ными. Информацию, необходимую для добывания данных и последующего процесса принятия решений, могут предоставить хранилища данных.

Одной из новых технологий добывания данных является технология он­лайновой аналитической обработки ОЬАР (Оп-Ыпе Апа1уйса1 Ргосе$$т§), ко­торая базируется на концепции многомерного представления данных [125]. Каждое числовое значение, содержащееся в хранилище данных, имеет до не­скольких десятков атрибутов (например, количество товаров определенного класса, приобретенных определенным потребителем в определенном регионе в определенном интервале времени и т. п.). ОЬАР-системы работают с мно­гомерными структурами данных, в которых числовые значения расположены на пересечении нескольких измерений. С помощью средств навигации по многомерным структурам, так называемых ОЬАР-манипуляций, аналитик может получать различные срезы данных, «крутить» данные. Если, напри­мер, речь идет о торговой компании, то технология ОЬАР позволяет осуще­ствлять слежение за конкретными клиентами/товарами. Выбрав конкретного покупателя, можно просмотреть, как изменялись во времени его предпочте­ния относительно тех или иных товаров. Выбрав конкретный товар, можно проанализировать, какие группы покупателей наиболее заинтересованы в нем. Одни и те же данные легко представляются в разных разрезах, в за­висимости от задач аналитика. Рассмотрим на примере добывания дан­ных, какая латентная информация о клиентах может быть интересна кре­дитной компании.