"Awan pemikiran": cara membina ingatan pengguna yang menyatukan orang ramai dan tidak kehilangan privasi

Secara ringkas tentang perkara utama (BLUF)

Mengingati pengguna adalah tugas dua bahagian bawah: menghubungkan orang dengan pemikiran mereka adalah berguna, tetapi satu kebocoran membunuh kepercayaan terhadap produk selama-lamanya. Kami menunjukkan bagaimana lapisan "Cloud of Thoughts" disusun, mengapa penutupan gagal adalah lebih penting daripada yang kelihatan, dan saluran pendedahan mana yang lebih ketat daripada yang lain.

Mengenai produk itu sendiri -"Cloud of Thoughts" dalam NeuralSpace— kami telah memberitahu anda: sistem mengumpul apa yang diketahui tentang anda dan, dengan persetujuan bersama, mengumpulkan mereka yang mempunyai minat yang sama (“Saya sedang mencari pemodel 3D” ↔ “Saya membuat 3D”). Di sini - kira-kirabahagian kejuruteraan: Bagaimana untuk mengelakkan ingatan pengguna yang berguna daripada menjadi kebocoran. Ini ternyata lebih menarik daripada ciri itu sendiri.

Masalah double bottom

Saya mahukan dua perkara pada masa yang sama, dan ia bercanggah antara satu sama lain:

1. Profil kaya.Untuk menyatukan orang ramai, anda perlu mengetahui fakta: apa yang dia lakukan, apa yang dia cari, apa yang dia tawarkan.
2. Privasi secara lalai.Tiada siapa yang bersetuju bahawa surat-menyuratnya akan diketahui umum. Kebocoran = hilang kepercayaan dan pelanggaran 152-FZ.

Pelaksanaan naif (“mari kumpulkan segala-galanya dan mulakan perlawanan”) memecahkan mata 2 serta-merta. Seni bina yang baik dibina di sekelilinggagal-ditutup: Ditutup secara lalai, didedahkan hanya dengan persetujuan yang jelas dan disahkan pada peringkat kod, bukan "kami berjanji".

Lapisan

1. Mengumpul fakta.Dua sumber: fakta struktur (jenis penjanaan, aktiviti - tidak peribadi) dan pengekstrakan daripada surat-menyurat sembang. Yang kedua adalah yang paling sensitif, jadi ia berpagarsuis togol memori sembang berasinganpada pengguna. Mematikannya - pengekstrakan daripada surat-menyurat tidak berlaku sama sekali. Penting: pintu gerbang iniTidakterikat dengan langganan ciri berbayar - privasi tidak boleh dijual.

2. Kategori adalah dilarang.Permintaan pengumpulan sistemtidak termasukkategori sensitif di bawah 152-FZ (kesihatan, pandangan politik dan agama, dll.) - mereka tidak jatuh ke dalam awan, walaupun mereka muncul dalam perbualan. Ini bukan penapis siaran, tetapi peraturan semasa peringkat pengekstrakan.

3. Padanan persetujuan berganda.Dua orang mempunyai minat yang sama - sistemTidakmenunjukkan kenalan secara automatik. Dia menawarkan pengenalan kepada kedua-dua pihak; kenalan terbuka hanya apabilakedua-duanyabersetuju. Ini melindungi daripada senario "permintaan sembang saya muncul pada orang yang tidak dikenali bersama dengan nombor telefon saya".

4. Pengecualian untuk pengisytiharan eksplisit.Titik halus. Jika seseorang itu sendiri, secara terbuka, dalam sembang berkata "Saya menjual perkhidmatan, sesiapa yang memerlukannya, tulis @nick" - meminta persetujuan untuk kali kedua adalah tidak masuk akal, dia sudah memberikannya. Hubungan yang dibenarkan secara terbuka itu diiktiraf secara berasingan dan segera didedahkan kepada pihak yang berkepentingan. Kenalan dikenali secara meluas (telegram dengan dan tanpa @, telefon dalam sebarang format, pautan), tetapikeadaan pendedahan- kebenaran awam yang jelas, dan bukan hanya kehadiran kenalan dalam teks.

Mengapa gagal-ditutup adalah lebih penting daripada yang kelihatan

Godaan adalah untuk membuat perlindungan dengan bendera "tunjukkan/jangan tunjukkan" di peringkat antara muka. Ini palsu: sebarang pepijat dalam logik UI = kebocoran. Kami melakukannya secara berbeza -fakta yang tiada persetujuan tidak disertakan secara fizikal dalam profilpada peringkat perhimpunannya. Tiada perjanjian - teks permintaan dan rujukan dalam surat dan padananjangan pukul sama sekali, dan bukan "mereka sampai ke sana, tetapi kami menyembunyikannya." Perbezaannya adalah asas: dalam kes pertama, cek yang terlupa = kebocoran, yang kedua - hanya kekurangan data.

Peraturan yang kami akan berikan kepada sesiapa yang membina sistem seperti ini ialah:lalai - ditutup, pendedahan - tindakan pengguna positif, pengesahan - sedekat mungkin dengan sumber data, bukan pada skrin.

Saluran pendedahan - dengan keparahan yang berbeza-beza

• Dalam sembang, atas permintaan pengguna sendiri - fakta tidak peribadi dan petunjuk awam lebih mudah diakses: orang itu sendiri bertanya.
• Mel proaktif(sistem itu sendiri menulis "ada padanan") - lebih ketat, hanya dengan langganan dan persetujuan berganda.

Logiknya mudah: semakin kurang pengguna menjangkakan pendedahan, semakin tinggi bar untuk persetujuan.

Garis bawah

Perkara yang paling sukar di sini bukanlah pembelajaran mesin, tetapidisiplin aliran data. Jika anda membuat pengesyoran atau pemadanan pada data pengguna, adalah menarik untuk membincangkan tempat anda meletakkan semakan persetujuan. Anda boleh melihat apa yang sistem tahu tentang anda dalam bahagian tersebutprivasi.

Soalan lazim (FAQ)

Soalan: Bagaimana untuk mendapatkan hasil terbaik daripada rangkaian saraf?
Jawapan: Gunakan gesaan terperinci (huraian) dalam bahasa Inggeris, tetapkan gaya dan butiran adegan.

Soalan: Bolehkah bahan ini digunakan untuk tujuan komersial?
Jawapan: Ya, kandungan yang dihasilkan adalah milik anda sepenuhnya.