C¨®mo enga?ar al algoritmo y evitar que Facebook sepa a qui¨¦n conoces

LinkedIn cre¨® en 2006 la funci¨®n "Personas que quiz¨¢ conozcas". Su objetivo era razonable: a los usuarios les interesar¨ªa saber d¨®nde trabajan sus viejos compa?eros de universidad y ex colegas. Solo dos a?os m¨¢s tarde, Facebook la copi¨®, sin siquiera cambiarle el nombre. Poco despu¨¦s ya era responsable de "una parte significativa de los nuevos amigos en Facebook".

El n¨²mero de amigos es clave para una red social. La gente que tiene m¨¢s contactos la usa m¨¢s tiempo y m¨¢s a menudo. Hoy todas las grandes apps quieren engancharte con recomendaciones de m¨¢s amigos, gente a quien seguir, personas que quiz¨¢ conozcas o contactos de los que quieras saber la m¨²sica que escuchan.

El algoritmo que busca a gente conocida es uno de los secretos mejor refinados de una red social. Pero tambi¨¦n es el germen de grandes l¨ªos para muchos usuarios: all¨ª le ha aparecido al marido el amante de la mujer, al paciente de una psiquiatra otros pacientes, a la trabajadora sexual con doble vida sus clientes m¨¢s pasionales. No solo eso: a trav¨¦s de nuestros amigos una red puede saber nuestras creencias, orientaci¨®n sexual o gustos. Ni siquiera es necesario que uno sea miembro de esa red social. Solo con aparecer en las redes de otros miembros puede ser suficiente.

Es el germen de grandes l¨ªos para muchos usuarios: all¨ª le ha aparecido al marido el amante de la mujer

A pesar de las quejas de privacidad y los problemas humanos que ha generado, las grandes empresas no ceden. Podr¨ªan retocar el algoritmo para que no fuera tan fino. Pero no: ah¨ª est¨¢ un nuevo compa?ero de trabajo d¨ªas despu¨¦s de haber empezado, el conocido que hac¨ªa a?os que no ve¨ªamos y se nos cruz¨® el otro d¨ªa o el m¨¦dico que nos ha atendido.

Ahora llega una investigaci¨®n, publicada por Nature, que es el primer recurso de una posible futura caja de herramientas para que los humanos sepamos responder y enga?ar a los algoritmos: "Es lo que en redes neuronales se llama un ataque adversario", dice Esteban Moro, investigador del MIT Media Lab y de la Universidad Carlos III, y uno de los autores junto a profesores de la Universidad de Varsovia, NYU Abu Dabi y Washington State en Saint Louis. "Es un ataque para que el algoritmo falle m¨¢s a la hora de recomendar a gente", a?ade.

?Qu¨¦ debemos hacer para crear uno de esos ataques? Borrar de tu lista de amigos a cinco personas clave. "Esos eslabones clave son los que est¨¢n en la mayor¨ªa de los tri¨¢ngulos de tu vida. Puede hacerse una clasificaci¨®n de cu¨¢les de tus relaciones est¨¢n en m¨¢s tri¨¢ngulos. Si quitas las cinco primeras, el resto de relaciones quedan bastante perjudicadas", explica Moro. Y el algoritmo ser¨¢ menos eficaz.

Si cada cual elimina a las cinco personas m¨¢s importantes entre sus conexiones, el algoritmo perder¨¢ parte de su fiabilidad

Si por tanto cada cual elimina a las cinco personas m¨¢s importantes de entre sus conexiones, el algoritmo perder¨¢ parte de su fiabilidad. No es evidentemente un remedio perfecto. Primero, el algoritmo seguir¨¢ intentando acertar a gente m¨¢s o menos pr¨®xima. Y segundo, ?qu¨¦ cinco amigos son los m¨¢s importantes? ?Y si es mi jefa? ?Qui¨¦n quiere ganar privacidad a cambio de borrar a su jefa en LinkedIn? ?O dejar de ver las actualizaciones de su pareja? ?O ver qu¨¦ dice esa persona tan influyente en su ¨¢mbito de inter¨¦s?

"Hemos visto que tenemos que borrar aquellas relaciones con las que compartimos m¨¢s amigos en com¨²n. Suena mal porque deber¨ªas borrar alguna relaci¨®n con alguien con quien te llevas muy bien. La idea no es que dejes de ser amigo de esa persona, sino que dejes de demostrarlo. Eso har¨ªa que esas relaciones que el algoritmo puede detectar mediante esos amigos comunes sean m¨¢s dif¨ªciles de encontrar", dice Moro.

Un motor clave

En 2008 en Facebook hab¨ªa unos 100 millones de personas. Ahora hay m¨¢s de 2.000 millones. Ese "personas que quiz¨¢ conozcas" ha sido uno de los grandes motores del crecimiento. En el post de 2008 en que Facebook anunci¨® la funci¨®n, el motivo era simple: esto te ayudar¨¢ a saber qu¨¦ amigos ya tienen Facebook.

El modo m¨¢s sencillo del algoritmo es establecer conexiones con la lista de los contactos de cada usuario: "Si Jaime conoce a Jorge y Jorge conoce a Ana, es probable que Jaime conozca a Ana". Cuando esos tri¨¢ngulos entre dos amigos se entrelazan mucho, la amistad es m¨¢s probable. El algoritmo de recomendaci¨®n no se alimenta solo de los contactos ¨Caunque es el principal. Las redes no dan detalles, pero a veces parecen salir "amigos" de viejos emails o mensajes.

Aunque en la salsa hay mucho m¨¢s: "Los algoritmos de recomendaci¨®n de amigos tienen muchos componentes. La estructural es la m¨¢s importante. El 60% de recomendaci¨®n de amigos vienes de con qui¨¦n te relacionas. Otra grande son los gustos. Estas dos las m¨¢s importantes. M¨¢s del 80% del algoritmo", dice Moro.

"Me recuerda a las pegatinas que se ponen activistas en la cara para distraer los mecanismos autom¨¢ticos de reconocimiento facial"

Este ataque adversario puede ser un beneficio personal, pero para que mejore nuestra relaci¨®n general con los algoritmos le falta algo m¨¢s: "Me recuerda a las pegatinas que se ponen activistas en la cara para distraer los mecanismos de reconocimiento facial. Puede enga?ar a la m¨¢quina, por lo menos hasta que la adapten con otros datos o m¨¦todos", dice David Garc¨ªa, investigador en el Complexity Science Hub de Viena (Austria).

La informaci¨®n que dejan nuestros amigos es tambi¨¦n importante para nuestro perfil: "Hay mucha informaci¨®n que est¨¢ fuera de nuestro control. Con los 'perfiles en la sombra' un individuo tiene control nulo para eliminar contactos porque no est¨¢ en la red social. La informaci¨®n es la que comparten nuestros amigos. Ah¨ª estas herramientas no funcionar¨ªan por el hecho de que la privacidad en nuestra sociedad digital es un fen¨®meno complejo que se escapa del control que tiene un individuo sobre sus datos", explica Garc¨ªa.

Necesitar¨ªamos, a?ade Garc¨ªa, que fuera algo masivo, como una vacuna que se inyecta al 90% de la sociedad para que a las redes les cueste m¨¢s saber mucho de todos.

Un primer paso

Pero como primer paso tentativo y personal es atractiva. Los investigadores hicieron su experimento a partir de una base de datos de 829.725 llamadas entre 248.763 individuos. La cifra de 5 amigos que deber¨ªan desaparecer para eliminar conexiones sale a partir de unas redes que forman 30-40 amigos. Es probable que esas 5 amistades aumentaran en redes sociales reales con cientos de amistades.

Pero el m¨¦todo ser¨ªa el mismo: elimina los eslabones clave de tu vida y a?ade ruido. "Es nuestra primera caja de herramientas para maximizar la privacidad. Cada uno de nosotros podr¨ªamos tener una serie de herramientas para ver c¨®mo enga?amos a los algoritmos de las redes sociales. No solo al de amigos, tambi¨¦n al de recomendaci¨®n de productos, al de publicidad", dice Moro.

Esta l¨ªnea de investigaci¨®n acaba de empezar. Algunos de los siguientes pasos son comprobar el valor de eliminar individuos cercanos para cada usuario y crear una herramienta para que cada cual pueda ver qui¨¦nes son los amigos que deber¨ªa de eliminar: "Nos gustar¨ªa hacer una herramienta para ense?ar a la gente c¨®mo funciona el algoritmo en su red social y qu¨¦ nodos deber¨ªa borrar para que el algoritmo se confundiera m¨¢s", explica Moro.

La literatura acad¨¦mica ya ha creado modos para que estos algoritmos funcionen peor. Pero deben aplicarlos las mismas redes sociales, que son quienes ven todos los datos. Por ahora no parecen tan interesadas en esta v¨ªa de proteger la privacidad de sus usuarios.