Privacy
and Social Media
隱私和社交媒體
人工智慧和數據科學，能夠根據人們的行為推斷出很多資訊
近年來，隨著惡劣天氣警報和 COVID-19 更新等常見案例，以及利用新人工智慧（AI）技術的預防措施，緊急消息系統的使用量有所增加。這些創新非常有價值，但是，就像其他所有由技術推動的行業一樣，人們也開始關注類似的問題 - 隱私。人工智慧和數據科學，能夠根據人們的行為推斷出很多資訊。CCPA 和 GDPR 等法規，要求組織披露如何使用收集到的數據。即使這樣，儘管這些技術目的在幫助人們，但它們仍然會引起隱私問題。問題是，公共安全在哪些地方會成為隱私問題？
組織可以透過以下四種方式，來平衡保護人員，和保護個人數據之間的界限：
1.實施「選擇加入」通知系統
每當有人提供某種形式的個人資訊時，都會知道他們選擇按照自己的意願選擇加入，從而產生一種賦權感。透過要求使用者自行註冊緊急通知系統，組織將使用者管理職責交到了他們手中，這還減少了在大規模警報系統的整個生命週期內，進行設置和維護所需的時間和 IT 資源。選擇加入系統的潛在障礙是，至少在最初，通常會導致較低的訂戶級別。考慮到這一點，組織可能需要花一些時間在前，以將緊急大量通知系統推廣到其社區。話雖如此，隨著時間的流逝，大眾通知軟體的好處越來越明顯，這種擔憂變得越來越少。
2. 自願分享位置資訊
與實施自願加入的應急通信系統類似，位置共享應該是自願的。可以理解，許多人不願共享他們的位置數據，因為它們會讓人聯想到「老大哥」監視的圖像，但當他們瞭解危險情況下的有用性時，他們可能會更願意這樣做。
要求提供諸如位置之類的私人資訊的緊急通知應用 app，可能會導致用戶擔憂並阻止安裝。實際上，據估計，只有 7％ 的人實際下載了安全應用，而其中只有 10％ 的用戶，啟用了定位服務。透過以 Web 的「即時應用」格式，提供緊急警報應用體驗，可以克服這些障礙，並實現 100％ 安裝。
即時應用 app 可為所有訂戶，提供緊急應用 app 體驗，而無需用戶下載任何內容。透過附加到已發送消息的鏈接，用戶可以體驗他們的個性化應用程序體驗。
另外，雙向大眾參與平台可以簡化並增加用戶位置捕獲。它們提供了一種從較高比例的用戶群中接收位置資訊的方法，同時仍然尊重個人隱私。
這是一種實用的，注重隱私的方法，可以捕獲用戶位置，而無需下載應用程序。透過提供他們的位置，用戶能夠接收與他們最相關的即時消息，這可以在危機情況下（例如主動射手）產生巨大變化。
3. 對如何使用數據保持透明
儘管有一定比例的人避免不惜一切代價共享任何個人資訊，但是只要知道如何使用數據，也有相當一部分人會接受。人們讚賞那些對自己的數據隱私政策持誠實態度的組織，而在緊急通知軟體方面也是如此。如果用戶知道並理解在緊急情況下，提供一些基本數據有何幫助，他們可能更願意共享這些數據，以幫助使通知系統更有效。
4.從臉部辨識轉變為武器檢測
偏見問題已成為人工智慧和機器學習，日益關注的問題。
例如，可能存在這樣的擔憂，即使用 AI 來檢測，潛在活躍射擊者的影像監控攝影機，可能會根據種族或膚色不公平地標記個人。將重點從檢測臉孔，轉移到檢測傷害手段，可能是在滿足安全需求的同時，仍保留公民自由的一種方式。
一個不考慮臉部辨識，並且僅關注是否正在抽槍的緊急情況通知系統，可以使系統完全無偏。換句話說，這與辨識和儲存人臉圖像無關，而是與驗證是否檢測到槍支有關，以便可以盡快啟動適當的安全協議。視覺槍支檢測技術利用AI可靠，快速地辨識槍支，並立即觸發多通道警報，和自動化的預定義工作流程。
該軟體專為隱私和性能而設計，通常在本地佈署，並與現有的 IP 影像監控和攝影機系統整合。
這就是組織可以在挽救生命的同時，保持個人數據安全的方式。艱難的現實是，在當今社會，為了確保社區安全，絕對需要大量通知系統和人工智慧。
這些系統比以往任何時候都功能強大，但是隨著這些進步，人們對隱私的關注也有所提高。
遵循上述最佳做法的組織，將從其緊急消息系統中獲得最大收益，並更有機會確保社區安全。
沒有留言:
張貼留言