في عصر التواصل الرقمي السريع، أصبحت وسائل التواصل الاجتماعي تمثل ساحة نقاش حيوية، لكنها أيضاً تحمل مخاطر تسرب المعلومات الشخصية. فقد أظهرت الأبحاث أن المنشورات العامة يمكن أن تكشف عن معلومات خاصة من خلال بعض الإشارات الضعيفة التي تتناثر عبر النصوص والصور والبيانات الوصفية. قد تبدو هذه الإشارات غير ضارة بمفردها، لكنها قد تلقي الضوء على تفاصيل دقيقة مثل مكان السكن أو مقر العمل أو روتين الحياة اليومية عندما تُجمع معًا.

ومع ذلك، تفتقر الأبحاث الحالية إلى معيار موحد لتقييم تسرب المعلومات الخاصة على مستوى المستخدم، مما يزيد من الحاجة إلى صياغة أدوات جديدة لمواجهة تلك التحديات. هنا يأتي دور إطار العمل الجديد SopriBench، وهو معيار اصطناعي يعتمد على أنماط التسرب المستندة إلى مجلدات خاصة من حسابات Rednote وInstagram، حيث يغطي 50 ملفًا شخصيًا و1569 صورة بسمات وحساسية سياقية ودقة ونوع التسرب وصعوبة الاستنتاج والأدلة الداعمة.

بالإضافة إلى ذلك، تم تقديم درجة تعرض الخصوصية (Privacy Exposure Score - PES)، التي تأخذ في الاعتبار حساسية السياق في تقييم شدة التسرب. وهذا يعني أن الإشارات التي قد تظهر بسيطة أو عادية قد تحمل وزناً أكبر اعتماداً على السياق الذي تظهر فيه.

واستنادًا إلى أسلوب التفكير الاستنتاجي، تم تقديم Argus، وهو إطار عمل غير تدريبي لتحليل التسربات المتراكمة. يتمكن Argus من تشكيل فرضيات استنادًا إلى الأدلة المتراكمة، والتحقق من صحة الأدلة الداعمة، ودمج الإشارات العابرة للمنشورات في ملفات تعريف الخصوصية، محققاً درجة PES تصل إلى 0.55، مما يعد تحسينًا بنسبة 25% مقارنةً بأقوى المناطق الأساسية المتاحة، مع تحقيق أكبر زيادة في تسرب المشاركات العابرة.

إن الدراسة تمثل تقدماً كبيراً نحو فهم كيفية حماية الخصوصية الفردية في بيئة رقمية متزايدة التعقيد، مما يفتح الأبواب لتطبيقات جديدة في مجال أمن المعلومات. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.