用虚假数据轰炸经期追踪器并不能解决罗诉韦德案后的隐私问题

本文最初刊登于《对话》（The Conversation）。

最高法院推翻罗伊诉韦德案后，社交媒体用户发布了有关如何保护人们生殖隐私的想法，包括在用于追踪月经周期的应用程序中输入“垃圾”数据。

人们使用经期追踪应用来预测下一次经期、向医生咨询月经周期以及确定何时是排卵期。用户记录从月经渴望到月经量等所有信息，应用根据这些输入提供预测。应用的预测有助于做出简单的决定，例如下次何时购买卫生棉条，并提供改变生活的观察结果，例如您是否怀孕。

提交垃圾数据的理由是，这样做会破坏应用程序的算法，使当局或治安人员难以或无法利用这些数据侵犯人们的隐私。然而，这种说法站不住脚。

作为开发和评估帮助人们管理健康的技术的研究人员，我们分析了应用程序公司如何从用户那里收集数据以提供有用的服务。我们知道，对于流行的经期跟踪应用程序，数百万人需要输入垃圾数据才能推动算法。

此外，垃圾数据是一种“噪音”，这是开发人员设计算法时要考虑的一个固有问题。即使垃圾数据成功“迷惑”了算法，或提供了太多数据让当局无法调查，这种成功也是短暂的，因为应用程序的预期用途会降低准确性，人们会停止使用它。

此外，它无法解决现有的隐私问题，因为人们的数字足迹无处不在，从互联网搜索到手机应用程序使用和位置跟踪。这就是为什么敦促人们删除经期跟踪应用程序的建议是出于好意，但却偏离了目标。

应用程序的工作原理

首次打开应用时，您需要输入年龄、上次月经日期、月经周期长度以及使用的避孕方法。有些应用会连接到其他应用，例如身体活动追踪器。您可以记录相关信息，包括月经开始时间、经痛、分泌物稠度、性欲、性欲、性活动、情绪和经血量。

一旦你将数据提供给经期应用公司，就不清楚这些数据究竟会发生什么，因为算法是专有的，是公司商业模式的一部分。有些应用会要求用户提供经期长度，但人们可能并不知道这一点。事实上，研究人员发现，25.3% 的人表示他们的经期长度是人们经常提到的 28 天；然而，只有 12.4% 的人实际上有 28 天的经期。因此，如果某个应用使用你输入的数据来预测你的经期，它可能需要几个经期才能计算出你的经期长度，并更准确地预测你的经期阶段。

应用程序可以根据应用程序公司从其用户那里收集的所有数据或根据您的人口统计数据进行预测。例如，应用程序的算法知道体重指数较高的人可能有 36 天的月经周期。或者，它可以采用混合方法，根据您的数据进行预测，但将其与公司从其所有用户那里收集的大量数据集进行比较，让您了解什么是典型的——例如，大多数人报告在月经前会出现痉挛。

提交垃圾数据会造成什么后果

如果你经常使用经期追踪应用，并输入不准确的数据，那么该应用的个性化预测（比如下次月经何时到来）也可能变得不准确。如果你的月经周期是 28 天，而你开始记录你的月经周期现在是 36 天，那么该应用应该会进行调整——即使新信息是错误的。

但汇总数据又如何呢？将多个用户的数据组合起来最简单的方法是取平均值。例如，最受欢迎的经期跟踪应用 Flo 估计有 2.3 亿用户。想象一下三种情况：单个用户、2.3 亿用户的平均值以及 2.3 亿用户的平均值加上 350 万提交垃圾数据的用户。

这个简单的例子说明了三个问题。提交垃圾数据的人不太可能影响任何单个应用程序用户的预测。要将底层信号转移到整个人群需要做大量的工作。即使发生这种情况，毒害数据也有可能使该应用程序对那些需要它的人来说毫无用处。

保护隐私的其他方法

为了回应人们对其经期应用程序数据被用来对付自己的担忧，一些经期应用程序公开声明将创建匿名模式、使用端到端加密并遵守欧洲隐私法。

任何“匿名模式”的安全性都取决于它实际做什么。Flo 的声明称，公司将通过删除姓名、电子邮件地址和技术标识符来消除数据的身份识别。删除姓名和电子邮件地址是一个好的开始，但该公司并没有定义技术标识符的含义。

德克萨斯州已为起诉任何帮助他人堕胎的人铺平了道路，而且 87% 的美国人可以通过邮政编码、性别和出生日期等最基本的人口统计信息进行识别，任何人口统计数据或识别信息都有可能对寻求生殖保健的人造成伤害。用户数据市场巨大，主要用于定向广告，这使得人们可以了解到几乎美国所有人的大量信息

虽然端到端加密和欧洲通用数据保护条例 (GDPR) 可以保护您的数据免受法律调查，但遗憾的是，这些解决方案都无法帮助消除每个人在日常使用技术时留下的数字足迹。甚至用户的搜索历史也可以确定他们怀孕的时间。

我们真正需要什么？

我们认为，人们不应该想方设法绕过技术来减少潜在危害和法律麻烦，而应该倡导数字隐私保护和数据使用与共享的限制。公司应该有效地沟通，并听取人们的反馈，了解他们的数据是如何被使用的、他们面临潜在危害的风险程度，以及他们的数据对公司的价值。

近年来，人们一直担心数字数据收集问题。然而，在罗诉韦德案之后，更多人可能会因进行标准健康追踪而面临法律风险。

凯蒂·西克 (Katie Siek) 是印第安纳大学信息学教授兼系主任。亚历山大·L·海斯 (Alexander L. Hayes) 是印第安纳大学健康信息学博士生。扎伊达特·易卜拉欣 (Zaidat Ibrahim) 是印第安纳大学健康信息学博士生。凯蒂·西克 (Katie Siek) 获得美国国家科学基金会的资助。她隶属于计算机研究协会和计算社区联盟。