فرآیند حذف اطلاعات اغلب از سوی شرکت‌های فناوری به‌طور شفاف توضیح داده نمی‌شود و نتایج پژوهش‌ها بارها به نبود شفافیت درباره نحوه پردازش درخواست‌های حذف و نبود تایید روشن درباره پاک شدن واقعی داده‌ها اشاره کرده‌اند.  این مشکل فقط به سیستم‌های عامل محدود نمی‌شود بلکه در شبکه‌های اجتماعی و بسیاری از سرویس‌های اشتراکی نیز سازوکار حذف حساب‌ها و اطلاعات معمولا پیچیده و نامشخص است.

این ابهام‌ها می‌تواند پیامدهای جدی برای کاربران داشته باشد و آنان را در معرض خطرهای امنیتی و نقض حریم خصوصی قرار دهد.  از سوی دیگر، بسیاری از کاربران از حذف ناخواسته اطلاعات، فایل‌ها، عکس‌ها و ویدئوهای خود می‌ترسند وضعیتی که برخی پژوهشگران آن را با عنوان «دیاگراف فوبیا» (Diagraphephobia) توصیف کرده‌اند. البته این اصطلاح یک اختلال پزشکی شناخته‌شده نیست، اما مطالعات درباره رفتار ذخیره‌سازی افراطی داده‌های دیجیتال نشان می‌دهد برخی افراد با تصور از دست دادن اطلاعات شخصی مانند عکس‌ها و موسیقی‌ها دچار اضطراب شدید می‌شوند.

این نگرانی‌ها باعث می‌شود حجم زیادی از داده‌های شخصی بدون استفاده بماند اما هرگز حذف نشود، داده‌هایی که ممکن است در آینده مورد سواستفاده قرار گیرند.

تفاوت حذف با پاکسازی کامل

یکی از رایج‌ترین تصورات اشتباه این است که حذف کردن یک فایل به معنای پاک شدن کامل آن است؛ وقتی یک فایل دیگر دیده نمی‌شود، تصور می‌کنیم برای همیشه از بین رفته و امکان بازیابی آن وجود ندارد اما این تصور معمولا درست نیست.

وقتی کاربران فایل‌ها را حذف می‌کنند، ابتدا آن را به سطل زباله سیستم خود منتقل و سپس به‌طور دائمی حذف خواهند کرد، در واقع داده‌ها به‌صورت فیزیکی از بین نمی‌روند. سیستم تنها فضای ذخیره‌سازی مربوط به آن فایل را برای استفاده دوباره علامت‌گذاری و اطلاعات مربوط به محل قرارگیری فایل را در بخش فراداده‌ها حذف می‌کند اما محتوای اصلی فایل ممکن است همچنان در حافظه باقی مانده باشد و با ابزارهای تخصصی قابل بازیابی باشد به‌ویژه زمانی که داده‌ها در چندین سیستم، سرور یا دستگاه مختلف ذخیره شده باشند.

روش‌های مطمئن‌تر برای حذف کامل داده شامل نابود کردن فیزیکی حافظه ذخیره‌سازی، بازنویسی بخش‌های حافظه با داده‌های جدید برای پوشاندن اطلاعات قبلی، یا رمزگذاری داده‌ها و سپس از بین بردن کلید رمزگذاری است.  با این حال، این روش‌ها می‌توانند پرهزینه باشند و حتی دستگاه ذخیره‌سازی را غیرقابل استفاده کنند. همچنین زیرساخت‌های ابری، حذف ایمن داده‌ها را دشوارتر می‌کنند، زیرا اطلاعات ممکن است در چندین سرور و نسخه پشتیبان ذخیره شده باشد.

در شبکه‌های اجتماعی عمومی نیز حذف محتوا همیشه به معنای نابودی کامل آن نیست. پاسخ‌ها، نظرها، بازنشرها و آرشیوهای اینترنتی ممکن است همچنان بخشی از اطلاعات را حفظ کنند. برای مثال، یک پست حذف‌شده در شبکه اجتماعی ایکس می‌تواند از طریق پاسخ‌ها و اشاره‌های دیگر کاربران دوباره بازسازی شود.

حساب‌های زامبی؛ اطلاعاتی که همچنان زنده‌اند

تصور اشتباه دیگر این است که حذف یک برنامه از تلفن همراه، به‌طور خودکار حساب کاربری مرتبط با آن را نیز حذف می‌کند. بسیاری از کاربران پس از پاک کردن یک اپلیکیشن، به دلیل بی‌اطلاعی از وجود حساب مربوطه، آن حساب را همچنان فعال باقی می‌گذارند.

این حساب‌ها که «حساب‌های زامبی» نامیده می‌شوند، شامل پروفایل‌های رها شده در سرویس‌های مختلف مانند فروشگاه‌های اینترنتی، فضای ذخیره‌سازی، برنامه‌های دوست‌یابی، خدمات مالی و سرویس‌های پخش محتوا هستند. میلیون‌ها کاربر دارای چنین حساب‌هایی هستند و اطلاعات شخصی ذخیره‌ شده در آنها می‌تواند در معرض حملات سایبری یا نشت داده‌ها قرار گیرد.

رشد سریع هوش مصنوعی نیز پرسش تازه‌ای ایجاد کرده است؛ آیا داده‌هایی که برای آموزش مدل‌های هوش مصنوعی استفاده شده‌اند، واقعا قابل حذف هستند؟

مدل‌های یادگیری ماشین می‌توانند داده‌های آموزشی را در خود حفظ کنند، اما فرآیند «فراموش شدن» این داده‌ها برای مدل‌های هوش مصنوعی بسیار دشوار است. از نظر قانونی، در اروپا و بسیاری از کشورهای دیگر، افراد از «حق فراموش شدن» برخوردارند. بر اساس این حق، کاربران می‌توانند از شرکت‌ها و پلتفرم‌ها بخواهند اطلاعات شخصی آنان به‌طور کامل حذف شود.

برای نمونه، توسعه‌دهندگان هوش مصنوعی در چارچوب مقررات عمومی حفاظت از داده‌های اتحادیه اروپا (GDPR) به‌عنوان کنترل‌کننده داده شناخته می‌شوند و باید این تعهد را رعایت کنند. با این حال، هنوز دستورالعمل‌های روشنی درباره نحوه اجرای حذف اطلاعات در سیستم‌های هوش مصنوعی وجود ندارد. نهادهای نظارتی ممکن است درخواست حذف داده بدهند، اما شرکت‌های هوش مصنوعی می‌توانند استدلال کنند که اجرای کامل این درخواست به دلیل محدودیت‌های فنی امکان‌پذیر نیست.

حذف قابل توضیح؛ راهی برای شفافیت بیشتر

برای کاهش خطرهای ناشی از حذف ناقص داده‌ها، نیاز فوری به ارائه اطلاعات ساده، کوتاه و قابل فهم درباره نحوه واقعی حذف اطلاعات وجود دارد. یکی از راهکارهای پیشنهادی، مفهوم «حذف قابل توضیح» است؛ چارچوبی که توسط ماروین راموکاپانه در مرکز ملی پژوهش بریتانیا درباره حریم خصوصی، کاهش آسیب و نفوذهای مخرب آنلاین در دانشگاه بریستول توسعه یافته است.  هدف این روش، شفاف‌تر کردن فرآیند حذف بدون غرق کردن کاربران در جزئیات فنی پیچیده است.

«حذف قابل توضیح» به معنای ارائه اطلاعات شفاف درباره فرآیند حذف داده‌هاست و این اطلاعات را می‌توان در ۶ دسته اصلی تقسیم کرد؛ چه چیزی حذف می‌شود که مشخص می‌کند کدام داده‌ها، فایل‌ها یا حساب‌های کاربری قرار است پاک شوند. چگونه حذف می‌شود که روش فنی یا اجرایی حذف، مانند پاک‌سازی از سامانه‌ها یا جایگزینی با داده‌های ناشناس را توضیح می‌دهد. چه زمانی حذف خواهد شد که زمان‌بندی یا دوره نگهداری داده‌ها را مشخص می‌کند. چه کسی مسوول حذف است که فرد، سازمان یا سامانه مسوول اجرای این فرآیند را معرفی می‌کند. کجا داده‌ها ذخیره شده‌اند که محل نگهداری داده‌ها، مانند سرورها، پایگاه‌های داده یا فضای ابری را مشخص می‌کند و در نهایت چرا این فرآیند انجام می‌شود که هدف از حذف، مانند رعایت قوانین حریم خصوصی، کاهش خطرهای امنیتی یا مدیریت بهتر داده‌ها را بیان می‌کند.

این روش به کاربران کمک می‌کند کنترل بیشتری بر تصمیم‌های خود داشته باشند، نوع حذف مناسب را انتخاب کنند و اطمینان یابند که درخواست آنان واقعا اجرا شده است. همچنین می‌تواند اضطراب ناشی از حذف تصادفی اطلاعات را با ارائه گزینه‌های بازیابی کاهش دهد.

اگرچه «حذف قابل توضیح» هنوز در عمل به‌طور گسترده اجرا نشده است، اما ارائه‌دهندگان خدمات دیجیتال می‌توانند با استفاده از چنین چارچوب‌هایی اعتماد کاربران را افزایش دهند. این رویکرد همچنین می‌تواند به شرکت‌ها در اثبات رعایت مقرراتی مانند GDPR و «حق فراموش شدن» کمک کند.

کانورسیشن گزارش کرد، امروزه بیشتر افراد روزانه از سیستم‌هایی استفاده می‌کنند که اطلاعات آنان را جمع‌آوری و ذخیره می‌کنند. اگر این سیستم‌ها به‌طور شفاف توضیح دهند چه داده‌هایی را نگهداری می‌کنند و حذف واقعا چه معنایی دارد، کاربران می‌توانند داده‌ها و حساب‌هایی را که خطر بیشتری دارند شناسایی کرده و کنترل بیشتری بر ردپای دیجیتال خود به دست آورند.

انتهای پیام