Теневая копия данных

Данные или цифровые следы получаются посредством мониторинга и отслеживания цифровой активности человека. Цифровые следы стимулируют компании, такие как Google, инвестировать в получение данных, чтобы впоследствии продавать их маркетологам^[11]. Как отмечает Бодл, пользователи готовы делиться своими данными с компаниями, которым доверяют^[12]. В отличие от автоматически создаваемой теневой копии, цифровой след формируется преднамеренно: пользователь сам выбирает, какими данными делиться, и может управлять ими (изменять, настраивать уровень доступа или удалять)^[13][14]. Хотя сбор персональных данных вызывает ряд этических вопросов, он полезен для аналитики в здравоохранении и разработки новых медицинских сервисов^[15]. Например, такие данные могут помочь в изучении причин возникновения заболеваний, анализе эффектов или побочных действий лечения, а также в составлении индивидуальных прогнозов на основании характеристик конкретного человека^[16].

Датавейленс способствует появлению теневых копий данных, поскольку позволяет идентифицировать, классифицировать и представлять отдельных лиц или организации^[17]. Датавейленс определяют как разновидность наблюдения, при которой отслеживается, регулируется или контролируется человек на основании его цифровой активности, включая личные сведения и деятельность в социальных медиа^[5]. В 2013 году разоблачения Эдварда Сноудена относительно деятельности Агентства национальной безопасности США и программы PRISM показали, что агентство может получать электронные письма, видеоролики, фотографии, журналы вызовов, сведения соцсетей, данные о входах и другую информацию, хранящуюся у американских интернет-компаний. Также было раскрыто, что корпоративные социальные сети делятся информацией с разведывательными структурами^[18]. Владельцы платформ, такие как Google, внушают доверие пользователям и гарантируют защиту данных благодаря кор­поративным кодексам, наподобие «Не делай зла» и «Делаем мир прозрачным и связанным»^[18]. Однако, по мнению Бодла, именно эти компании собирают пользовательскую информацию и распоряжаются ею по своему усмотрению^[12]. Современные методы профилирования с использованием поведенческой биометрии включают анализ динамики и ритма набора текста, движений мыши, а также поведения на сенсорном экране (давление свайпа, скорость жеста, угол наклона пальца и ориентация устройства)^[19].

В Европе была проведена реформа законодательства о защите персональных данных — на смену устаревшей Директиве о защите данных пришёл Общий регламент по защите данных (GDPR)^[20][21]. Теперь страны Европейского союза обязаны удалять персональные данные пользователей по их требованию, если информация устарела или признана неактуальной^[22]. Информационная приватность определяется как право человека распоряжаться своими личными данными при взаимодействии с третьими лицами^[2] и требовать, чтобы эти данные не предоставлялись другим организациям без согласия^[2] В рамках GDPR концепция согласия строго требует активного, свободного и информированного действия пользователя, при этом сбор данных через пассивный трекинг или использование манипулятивных «тёмных паттернов» признаётся незаконным^[23].^[24]. Тем не менее, интернет-маркетологи продолжают использовать cookies, шпионское ПО, рекламное ПО и другие технологии для сбора глубокой информации о клиентах^[25]. Государственные органы также собирают данные граждан для обеспечения безопасности^[2]. После терактов 11 сентября спецслужбы США существенно расширили сбор и обмен информацией для укрепления Разведывательного сообщества США и снижения угроз^[26].

Примером современных проблем с приватностью является расследование в отношении немецкого кредитного агентства SCHUFA, оказавшегося в центре скандала из-за использования «теневой базы данных». Выяснилось, что агентство хранит исторические данные потребителей (информацию о старых кредитах и давно погашенных долгах) сверх установленных сроков для проведения тестовых расчётов платёжеспособности. Правозащитная организация NOYB обвинила SCHUFA в незаконной обработке данных и направила официальное предупреждение^[27][28]. Уполномоченный по защите данных федеральной земли Гессен начал расследование, однако официального решения регулятора или суда, подтверждающего нарушение правил GDPR со стороны агентства, на данный момент нет^[29][30].

Ключевыми факторами риска роста несанкционированного хранения данных (теневых данных) в корпоративной среде являются массовое использование неодобренных SaaS- и ИИ-инструментов (Shadow IT и Shadow AI), фрагментация данных и потеря централизованной видимости. Дополнительные угрозы создают уязвимости аутентификации, избыточные права доступа, неуправляемые тестовые среды, а также сложности удалённой работы и синхронизация корпоративной информации с личными устройствами^[31].^[32]

Выделяют несколько основных сценариев появления теневых данных:

• Человеческий фактор и недосмотр: копирование рабочих файлов на личные диски, забытые тестовые базы данных и не выведенные из эксплуатации старые приложения^[33].
• Бизнес-аналитика: выгрузка данных или прямое подключение сторонних аналитических инструментов к базам без ведома ИТ-отдела^[33].
• Умышленная теневая инфраструктура: скрытые базы, созданные внутренними нарушителями или внешними злоумышленниками^[33].

Классификация основных уязвимых мест включает следующие категории:

• Облачные хранилища: неуправляемые или временные бакеты и контейнеры, созданные для проверки концепций и впоследствии забытые^[34].
• SaaS-приложения: экспортированные данные и аналитические выгрузки (например, списки клиентов или финансовые отчёты), которые выходят за рамки корпоративного контроля^[34].
• Мессенджеры: перенаправление большого количества рабочих оповещений в каналы связи, что создаёт пробелы в видимости^[34].
• «Забытые» базы данных: устаревшие снимки баз данных, резервные копии или клоны для сред разработки и тестирования, которые остаются в хранилище без контроля доступа и мониторинга^[34].

Использование несанкционированных инструментов искусственного интеллекта (Shadow AI) активно способствует формированию теневой копии данных пользователей и организаций^[35][36]. Основные типы данных и механизмы их сбора включают:

• промпты и вводимые пользователем данные (исходный код, финансовые документы, данные клиентов), которые собираются через прямое копирование, вставку текста или загрузку файлов в неавторизованные ИИ-инструменты и личные аккаунты^[35][37];
• метаданные и содержимое веб-страниц, перехватываемые через ИИ-расширения для браузеров и логи активности^[35][38];
• данные для обучения ИИ-моделей, собираемые по умолчанию из бесплатных и личных аккаунтов потребительских ИИ-сервисов^[35][37];
• секреты, API-ключи и токены доступа, попадающие в системы при вставке разработчиками конфигурационных файлов в чат-боты для отладки, а также через выдачу OAuth-токенов и API-интеграции^[38][36].

Техническая реализация «права на забвение» в больших языковых моделях (LLM) осуществляется с помощью методов машинного разучивания (machine unlearning), позволяющих удалять влияние конкретных данных из весов нейросети^[39][40]. Выделяют два основных подхода:

• точное разучивание (exact unlearning) — гарантирует, что обновлённая модель будет математически идентична той, которая обучалась бы с нуля без удалённых данных. Метод обеспечивает полное соответствие требованиям конфиденциальности, но требует колоссальных вычислительных затрат и фактически сводится к переобучению^[39];
• приближённое разучивание (approximate unlearning) — корректирует веса так, чтобы разница была статистически незначимой. Подход не даёт полной гарантии удаления и оставляет риск сохранения остаточной информации, но работает значительно быстрее (в 100 000 раз эффективнее полного переобучения)^[39][40].

Главной проблемой машинного разучивания является риск «катастрофического забывания» (catastrophic forgetting), при котором удаление одной информации приводит к потере других полезных навыков модели. Для оценки эффективности методов используются метрики сохранения полезности модели и проверки на устойчивость к атакам восстановления данных^[39][41].