Mit Computern das Gesetz beeinflussen

Mit Computern das Gesetz beeinflussen
Mit Computern das Gesetz beeinflussen
Anonim

Die vierte Änderung der US-Verfassung schützt die Bürger vor unangemessenen Durchsuchungen und Beschlagnahmen, und seit der Entscheidung des Obersten Gerichtshofs von 1967 in der Rechtssache Katz gegen die Vereinigten Staaten ist das Recht auf Schutz vor unerwünschter staatlicher Kontrolle mit diesem Konzept verbunden angemessener Erwartungen an den Datenschutz. Forscher von Columbia Engineering und der Francis King Carey School of Law der University of Maryland haben kürzlich eine Studie im New York University Journal of Law & Liberty veröffentlicht, die untersucht, wie Fortschritte in der maschinellen Lerntechnologie die Art und Weise verändern können, wie Gerichte Durchsuchungen, Haftbefehle und Datenschutzfragen behandeln.

Eine der großen diskutierten Fragen ist, ob die Polizei verpflichtet werden sollte, einen Durchsuchungsbefehl einzuholen, bevor sie den Aufenth altsort einer Person verfolgt.Die traditionelle Antwort war "nein": Sie haben keine Erwartung an Privatsphäre in öffentlichen Bewegungen. Vor dreißig Jahren bestätigte der Oberste Gerichtshof die Verwendung eines Ortungsgeräts ohne Durchsuchungsbefehl, aber in diesem Fall wurde das Gerät nur drei Tage lang verwendet. Wäre ein längerer Zeitraum anders?

Um diese Frage zu beantworten, haben Rechtswissenschaftler die "Mosaik-Theorie" des vierten Verfassungszusatzes entwickelt, die besagt, dass eine ausreichend große Sammlung von Daten wesentlich aufschlussreicher ist als nur die einzelnen Punkte. Das Berufungsgericht für den DC Circuit akzeptierte diese Theorie im Fall Maynard v. United States (2010), indem es feststellte, dass eine Langzeitüberwachung – in diesem Fall vier Wochen – eine durch die vierte Änderung geschützte Durchsuchung sei, die eine „intime ein Bild vom Leben des Subjekts, das er von niemandem erwartet - außer vielleicht von seinem Ehepartner" und daher einen Haftbefehl hätte haben müssen. Ein Einwand gegen diese Theorie ist sehr praktisch: Wie kann die Polizei die Grenze ziehen? Warum sind drei Tage akzeptabel, aber vier Wochen nicht?

"Informatik kann eine Antwort geben. Die Grundidee ist sehr einfach: Wenn maschinelle Lerntechniken - dieselben Arten von Tools, mit denen Unternehmen wie Amazon und Netflix basierend auf Ihrer Vergangenheit genaue Empfehlungen abgeben können - genaue Empfehlungen geben können Genug Vorhersagen, Sie haben ein Mosaik“, sagt Steven M. Bellovin, Computer Science (CS) Professor bei Columbia Engineering, der das Papier gemeinsam mit CS Associate Professor Tony Jebara und Doktorand Sebastian Zimmeck, beide bei Columbia Engineering, verfasst hat; und Renée M. Hutchins, Rechtsprofessorin an der Carey School of Law der University of Maryland.

Ihre Studie konzentriert sich darauf, wie Technologie – insbesondere das Verständnis der durch maschinelles Lernen aufgedeckten Datenerfassung und -analyse – wichtige Einblicke in den vierten Verfassungszusatz liefern kann, insbesondere wenn es um die Langzeitüberwachung geht und ob ein Durchsuchungsbefehl erforderlich ist.

„Eines der Dinge, die wir entdeckt haben“, sagt Bellovin, der von 2012 bis 2013 auch Chief Technology Officer der Federal Trade Commission war, „ist, dass die Schwelle höchstens eine Woche beträgt, wahrscheinlich weniger.Sie können jetzt Vorhersagen von erstaunlicher Genauigkeit mit bemerkenswert wenigen Datenpunkten erh alten. Die wissenschaftliche Literatur zeigt, dass die intuitive Antwort richtig ist. Die meisten Menschen bewegen sich während der Arbeitswoche einigermaßen konstant. Wie sich herausstellt, sind die Wochenendbewegungen auch ziemlich regelmäßig. Ein Beobachter kann sich in nur sieben Tagen ein bemerkenswert vollständiges Bild vom Leben eines Menschen machen."

Bellovin traf Hutchins, einen Experten für den vierten Verfassungszusatz, als er vor drei Jahren bei Maryland Carey Law einen Vortrag über Anonymität und Privatsphäre im Internet hielt. Sie diskutierten über Standortverfolgung und ihre Auswirkungen auf das Rechtssystem und beschlossen, zusammenzuarbeiten, um diese Probleme in einer Zusammenarbeit zu untersuchen, die Fachwissen aus Informatik, Politik und Recht zusammenbringt. Bellovin engagierte seinen Kollegen Jebara, der Experte für maschinelles Lernen und Vorhersagen auf der Grundlage von Standortdaten ist, und seinen Doktoranden Zimmeck, der auch Anw alt ist.

Das Team hat sich die „Mosaik-Theorie“genau angesehen, die besagt, dass das Ganze mehr ist als die Summe seiner Teile, dass eine Reihe von Suchen ein vollständigeres Bild ergeben kann, wenn man es als Ganzes betrachtet.„Dies war ein kontroverses Thema“, sagt Hutchins, „besonders in diesem neuen Zeit alter von Big Data, und die Gerichte sind sich nicht einig darüber, was eine Durchsuchung darstellt, die einen Haftbefehl erfordert. Es gibt noch viele offene Fragen in den Gerichten über all das. Wir wollten die Lektionen des maschinellen Lernens mit der 'Mosaik-Theorie' kombinieren und die Paarung auf den vierten Zusatzartikel anwenden und sehen, was dabei herausgekommen ist."

Maschinelles Lernen ist der Zweig der Informatik, der Systeme untersucht, die Rückschlüsse aus Datensammlungen ziehen können, normalerweise durch mathematische Algorithmen. „Wir haben festgestellt, dass maschinelles Lernen deutlich macht, dass Mosaike erstellt werden können und dass die Dauer der Untersuchungen für ihre inh altliche Behandlung nach der vierten Änderung relevant ist, da die Dauer einen großen Einfluss auf die Genauigkeit der Vorhersagen hat“, bemerkt Jebara, der das Institut leitet für Data Sciences and Engineering's Foundations of Data Sciences Center.

"Wir haben jetzt ein besseres Verständnis für den Wert aggregierter Daten, wenn sie durch die Linse des maschinellen Lernens betrachtet werden", fügt Bellovin hinzu, der das Cybersicherheitszentrum des Instituts leitet."Während vernünftige Köpfe die am besten geeignete Mindestgenauigkeitsschwelle bestreiten können, ist es klar, dass die Sammlung von Datenpunkten, die Vorhersagen ermöglichen, die ausgewählte Schwellenwerte überschreiten, allgemein als unvernünftige Suche ohne Durchsuchungsbefehl angesehen werden sollte."

Die Forscher stellen außerdem fest, dass alle neuen Regeln nicht nur die gesammelten Daten berücksichtigen sollten, sondern auch vorhersehbare Verbesserungen in der Technologie des maschinellen Lernens, die sich letztendlich darauf auswirken werden. Dazu gehört auch die Verwendung zukünftiger Algorithmen für ältere Daten.

"Im Prinzip kann uns maschinelles Lernen sagen, ob ein Mosaik existiert", bemerkt Bellovin. "Es kann uns auch dabei helfen, Grenzen zu ziehen, jenseits derer definitiv ein Mosaik existiert, zum Beispiel, indem es den Grad der Aufdringlichkeit oder den Verlust der Privatsphäre für einen bestimmten Satz von Standortpunkten misst."

Er und Zimmeck planen, mehr Forschung zur Entwicklung einer Datenschutzmetrik durchzuführen, von der sie sagen, dass sie "mathematisch solide, technisch nützlich und rechtlich relevant" ist.

"Die Entwicklung einer Rechtslehre zur Ortung steckt noch in den Kinderschuhen", fügt Hutchins hinzu. "Es ist wichtig, dass die Rechts- und Informatikgemeinschaften zusammenarbeiten und dass das Gesetz zur Standortverfolgung weiterhin mit dem aktuellen Stand der wissenschaftlichen Erkenntnisse Schritt hält."

Beliebtes Thema