Data Transparency Lab anuncia los ganadores de las becas de privacidad de datos online

0 696

Data Transparency Lab (DTL) ha dado a conocer los proyectos que se beneficiarán de las becas de 50.000 € para desarrollar aplicaciones que permitan a los usuarios ser conscientes de cómo las empresas utilizan sus datos personales en la red. El presupuesto de las becas DTL se destina a financiar total o parcialmente el trabajo de un Investigador Principal y al menos un estudiante de doctorado o postdoctorado durante un año. Los proyectos seleccionados serán presentados oficialmente en la 4ª edición de las Conferencias Data Transparency Lab que tendrán lugar en la sede de Telefónica de Barcelona del 23 al 25 de noviembre.

Los casi 50 proyectos presentados han sido evaluados por un comité de evaluación de proyectos, formado por 24 representantes internacionales de universidades y empresas tecnológicas punteras. Los presidentes del Comité de Investigación del DTL, Nikolaos Laoutaris (DTL) y Claude Castelluccia (INRIA), han anunciado los proyectos seleccionados en la presente edición:

  • FA*IR: La herramienta de clasificación de búsqueda justa Technische Universität Berlin (Alemania); ISI Foundation (Italia); Eurecat (España): Los buscadores de personas son cada vez más habituales en la selección de personal o incluso para localizar compañeros o amistad. Los algoritmos de búsqueda tienen un impacto potencial en la gente clasificada y el objetivo de este proyecto es desarrollar la primera API de búsqueda de código abierto que impondrá una clasificación de las búsquedas más justa.
  • Afrontando la dura realidad: mostrar a los usuarios lo que las aplicaciones móviles pueden aprender sobre ellos mediante los datos de localización que recopilan Universidad Carlos III (España); IMDEA Networks (España); Consiglio Nazionale delle Ricerche (Italia): Los servicios móviles más populares en la actualidad están basados en la localización. A pesar de que normalmente el usuario es informado que el servicio accederá a sus datos de posicionamiento, apenas se le da información sobre la frecuencia en la que esta información es recopilada y cómo será usada. El objetivo de este proyecto es aumentar la concienciación sobre la filtración de datos y su recorrido.
  • Transparencia a través del análisis dinámico automatizado a escala UC Berkeley (EEUU): Propuesta de herramienta de transparencia (en formato web y API) que permite detectar cómo las aplicaciones acceden y comparten datos sensibles, para ofrecer transparencia sobre rastreo de localización, fingerprinting de usuarios y dispositivos, filtraciones de datos personales identificables e incluso prácticas comerciales desleales (p.ej.: violaciones legales y de privacidad).
  • Aumento de la transparencia de la agregación de datos por parte de Facebook y sus partners Northeastern University (EEUU); Max Planck Institute for Software Systems (Alemania): Desarrollo de una herramienta que permita explorar cómo los datos están siendo agregados por Facebook y sus partners. Es decir, ver qué datos conoce Facebook sobre los usuarios y que están disponibles para los anunciantes como parámetros de targeteo publicitario y detectar si los datos provienen directamente de Facebook o de data brokers.
  • Dónde están las cosas no seguras: identificación sencilla de filtraciones de privacidad y de seguridad en dispositivos IoT CISPA, Saarland University (Alemania): Las características de seguridad y privacidad de los dispositivos del Internet de las Cosas (IoT) y las aplicaciones asociadas para su control son cuando menos indulgentes. La aplicación IoTdroid permitirá escanear dispositivos IoT para detectar vulnerabilidades, investigar el tráfico de red entre dispositivos IoT y servidores para detectar filtraciones de privacidad e identificar apps vulnerables de control IoT instaladas en el móvil del usuario.
  • Exposición de sesgos demográficos de editores de noticias y promotores en redes sociales Max Planck Institute for Software Systems (Alemania); Indian Institute of Technology Kharagpur (India): En la actualidad no hay mecanismos para saber los sesgos de los editores de noticias en redes como Facebook o Twitter. Este proyecto quiere desarrollar una herramienta para que se muestre de modo transparente los sesgos de información por parte de editores y promotores de noticias.

También podría gustarte

Sin comentarios

Deja tu comentario sobre esta noticia