A classificação de contatos em grupos é útil para reduzir o esforço administrativo dos usuários. O sistema social pode gerenciar facilmente o acesso para novos contatos, bastando classificá-los em grupos que já possuem as permissões delegadas pelo usuário. Além disso, os contatos podem fazer parte de mais de um grupo ou mudarem de grupo.
Existem trabalhos na literatura que visam automatizar as configurações de privacidade em redes sociais tentando reduzir o esforço do usuário no processo de especificação de seus requisitos de privacidade. Estes trabalhos objetivam adaptar dinamicamente as configurações de privacidade de conteúdos postados para serem acessados por apenas determinados grupos de contatos ou contatos individuais. Eles visam organizar automaticamente os contatos nos grupos e também adaptar o nível de granularidade no qual as postagens de conteúdo podem ser acessadas de acordo com o grupo do qual o contato faz parte. Essa categoria de trabalhos descreve três recentes propostas que têm esse objetivo.
4.6.1 Privacy Wizards for Social Networking Sites
Fang e LeFevre, em [49], propõem um guia para auxiliar o usuário na definição de suas configurações de privacidade, o qual é focado em determinar controles de acesso a informações que podem ficar disponíveis no perfil do usuário. A solução proposta por esse trabalho usa técnicas de aprendizagem de máquina para configurar automaticamente preferências de privacidade.
O guia de privacidade proposto inicialmente requisita ao usuário para delegar permissões de acesso a informações pessoais de seu perfil para alguns contatos. Essas permissões dadas a alguns contatos fazem parte da fase de treinamento da técnica de aprendizagem supervisionada adotada. A partir das permissões iniciais dadas pelo usuário, juntamente com as informações de perfis dos contatos e informações do grafo social, a solução treina um classificador que irá delegar automaticamente permissões de acesso às informações de perfil do usuário para o restante de seus contatos. Mais especificamente, são usadas e avaliadas duas técnicas de aprendizagem nos classificadores: Naive Bayes e árvores de decisão. Além disso, contatos adicionados são automaticamente classificados em um grupo e herdam as configurações de privacidade dele.
As informações de perfil dos contatos usadas no classificador são: gênero, idade, histórico de educação e trabalho, status de relacionamento, afinidades políticas e religiosas. As informações do grafo social usadas no classificador estão relacionadas com a criação de comunidades que representam vértices densamente conectados entre si. Portanto, essas comunidades representam que o usuário e o grupo de contatos que compõem a comunidade possuem muitos relacionamentos em comum na rede social e, por essa razão, o guia pode delegar configurações de privacidade similares para esses contatos da comunidade.
A Figura 4.7 ilustra uma visão geral de como funciona o guia proposto por esse trabalho, o qual é composto de três principais partes. User Input: o guia solicita entradas a partir do usuário em relação as suas preferências de privacidade para um grupo inicial de contatos, através de questões e respostas. Feature Extractor: usando informações visíveis (ou seja, informações de perfil dos contatos e obtidas a partir do grafo social), o classificador cria os grupos de contatos. Privacy-Preference Model: usando as entradas iniciais do usuário e os grupos que são resultado do classificador, o
guia constrói um modelo de preferência de privacidade, o qual é usado para especificar automaticamente as configurações de privacidade do usuário. Dessa forma, à medida que o usuário provê mais entradas ou adiciona novos amigos, o modelo adapta as configurações de privacidade automaticamente.
Figura 4.7:Visão Geral do Guia de Privacidade [49].
4.6.2 Identifying Hidden Social Circles for Advanced Privacy
Configuration
Squicciarini et al., em [131], propõem um sistema de recomendação de configurações de privacidade para usuários classificados em grupos. Os grupos no Google+ são chamados de círculos e a solução desse trabalho foi implementada e integrada a essa rede social. O sistema objetiva ajudar os usuários a gerenciar automaticamente seus contatos associando-os a grupos relevantes nos quais os contatos tenham características em comum. Similarmente ao trabalho anterior, no sistema de recomendação quando um usuário estabelece um novo relacionamento, ele identifica o grupo (ou o círculo) que é mais adequado a esse novo contato.
O sistema é considerado de recomendação por indicar ao usuário configurações de privacidade para postagens, em que ele identifica o grupo (ou mais de um grupo) que é mais adequado a ter permissões de acesso ao conteúdo que está sendo postado. A ideia básica usada pelo sistema é: (1) identificar as configurações de privacidade usadas em conteúdos postados anteriormente que são mais similares ao que está sendo postado e recomendar que seja adotada a mesma configuração; (2) identificar os contatos que já fazem parte dos grupos (ou círculos) do usuário que são mais similares ao que está sendo adicionado e recomendar que ele seja adicionado a um ou mais destes grupos. A intuição dessa solução é de que um usuário tipicamente
tem requisitos de privacidade em relação a conteúdos similares e também a contatos com características similares. Por exemplo, fotos da família podem ser normalmente compartilhadas com o grupo de contados dos membros da família.
Uma outra contribuição da solução proposta por esse trabalho é prover a habilidade de identificar círculos considerados escondidos, os quais são subgrupos em que os contatos possuem determinadas características mais particulares. Por exemplo, dentro de um grupo de contatos do usuário em que estejam seus amigos pode existir um subgrupo que inclui os amigos mais próximos com quem o usuário interage com mais frequência ou compartilha uma maior quantidade maior de conteúdos. Para os autores esse recurso é importante para o gerenciamento de privacidade e pode não ser considerado pelos usuários quando criam os círculos manualmente sem a ajuda da solução proposta. Isso ocorre porque configurações de privacidade podem ser diferentes para grupos escondidos distintos.
4.6.3 Privacy-driven Access Control in Social Networks by Means of
Automatic Semantic Annotation
Imran-Daud et al., em [74], propõem um controle de acesso para postagens de mensagens textuais. Esse controle de acesso analisa a semântica de cada mensagem postada e avalia o grau de sensibilidade de seu conteúdo, detectando-o automaticamente usando processamento de linguagem natural. Essa sensibilidade é identificada de acordo com os requisitos de privacidade especificados pelo usuário, em que ele informa quais tipos de informação podem prejudicar de alguma forma a sua privacidade. A solução proposta permite ao usuário determinar a sensibilidade de conteúdos para os seguintes tipos de informação: relacionados a saúde ou dados médicos, religião, raça (cor, origem, nacionalidade, etc), política e sexualidade.
Uma vez que a sensibilidade do conteúdo é identificada, a solução cria versões diferentes do texto postado com níveis de detalhes modificados, chamadas de versões “higienizadas”. As versões são acessadas por diferentes grupos de contatos, de acordo com os requisitos de privacidade do usuário. Dessa forma, esse controle de acesso tem autonomia para decidir quais configurações devem ser usadas para atender os requisitos de privacidade especificados pelo usuário, com base em preferências definidas inicialmente. Os requisitos de privacidade são especificados pelos usuário
considerando os grupos de contatos. Por exemplo, somente contatos que estejam no grupo da família podem ter acesso a conteúdos postados relacionados a orientação sexual. Portanto, os contatos podem ter acesso a versões diferentes do conteúdo original postado. As versões diferentes são semanticamente coerentes em relação a mensagem original postada.