Voici une nouvelle technique de traçage. Et oui, tous les moyens sont bons vis-à-vis des enjeux financiers associés.

Nous reproduisons ces résultats et étendons le travail original pour détailler le risque pour la vie privée que représente l’agrégation des historiques de navigation. Notre ensemble de données comprend deux semaines de données de navigation provenant d’environ 52 000 utilisateurs de Firefox. Notre travail reproduit les principales conclusions du document original en identifiant 48 919 profils de navigation distincts, dont 99 % sont uniques. Le taux d’unicité élevé est de sept lorsque les historiques sont tronqués à seulement 100 sites de premier plan. Wethen a constaté que pour les utilisateurs qui ont visité 50 sites distincts ou plus au cours des deux semaines de collecte des données, environ 50 % peuvent être réidentifiés en utilisant les 10 000 premiers sites. La réidentifiabilité est passée à plus de 80 % pour les utilisateurs qui ont consulté 150 domaines distincts ou plus. Enfin, nous observons que de nombreux tiers sont suffisamment omniprésents pour recueillir des historiques web suffisants pour exploiter l’historique de navigation comme identifiant.

Usenix

A lire ici:

Trouvé ici:

L’évolution des capacités de la reconnaissance faciale crée de nouveaux défis pour la protection de données et même des crises institutionnelles dans plusieurs pays aujourd’hui.

En effet, la reconnaissance faciale est surtout aujourd’hui connue pour être peu fiable. Comme le signalait le MIT en janvier, la police métropolitaine de Londres a lancé un système de reconnaissance faciale en direct qui, lors de tests, avait un taux de précision inférieur à 20%. À New York, la Metro Transit Authority a testé un système sur les grandes artères avec un taux de précision de 0%. Les systèmes sont souvent biaisés par des préjugés raciaux, car une étude a révélé que dans certains systèmes commerciaux, même dans des conditions de laboratoire, le taux d’erreur dans l’identification des femmes à la peau foncée était d’environ 35%.

Le MIT a même constaté qu’il n’est pas rare que la police modifie les photos pour améliorer ses chances de trouver une correspondance. Certains ont même défendu cette pratique comme étant essentielle au bon travail de la police.

Deux des sociétés les plus controversées et les plus avancées dans ce domaine, ClearviewAI et NTechLabs, affirment avoir résolu le “problème de la partialité” et atteint une précision quasi-parfaite. ClearviewAI affirme qu’elle est utilisée par environ 600 services de police aux États-Unis . NTechLabs, basé en Russie, a signé pour la reconnaissance faciale vidéo en direct dans toute la ville de Moscou.

Et un exemple de freinage ici à New York

mais ici aussi en Californie

Le Cyber-Defence Campus, armasuisse Science et Technologie, a annoncé le 13 août dernier le lancement du Cyber Startup Challenge 2020.

Dans son communiqué de presse ci-dessous, il est rappelé le contexte de ce challenge : l’administration fédérale suisse est à la recherche de nouvelles solutions en matière de renseignement sur les cyber-menaces qui peuvent avoir un impact significatif sur le fonctionnement quotidien de l’armée suisse.

L’armée propose la réalisation d’un POC (Proof-of-concept) dans un délai d’un an avec un fond de soutien de CHF 100’000.-

Les domaines de recherche et fonctionnalités souhaités sont par exemple:

• Une analyse plus rapide des menaces : découvrir comment une menace se comporte
• Agrégation des flux pour identifier les sujets émergents
• Résumer le texte et identifier les sujets dans un forum de hackers
• Faciliter la compréhension de textes dans une autre langue, y compris l’argot
• Analyser le trafic réseau ou les métadonnées pour identifier les modèles qui correspondent à un acteur
• Corrélation des événements et des signatures
• Partager des informations sur les cybermenaces avec différents partenaires

Les réponses et candidatures doivent parvenir avant le 30 septembre prochain. Pour en savoir plus :

et à lire aussi ici: