Kontoret får ikke lov at sladre om dig
Intelligente bygninger indsamler stigende mængder informationer om os fra sensorer. Data som er penge værd på det voksende datamarked. Men nu har forskere fundet en metode, som beskytter vores privatliv samtidig med, at big data kan bruges til effektiv styring af bygninger.
Af Birgitte Dalgaard, bird@tek.sdu.dk
Det er ikke kun kameraer, som kan overvåge dig. Det kan sensorer også.
Milliarder af sensorer flytter ind i vores intelligente bygninger, hvor de holder øje med alt fra luftfugtighed til støvpartikler, men hvor de samtidig kan indsamle private oplysninger.
- Hvis jeg lavede en profil på dit kontor, vil sensorerne blandt andet afsløre, hvor meget du er på dit kontor. Derfor kan den rå data fra sensorerne overtræde de enkelte medarbejderes behov for privatliv, forklarer lektor Mikkel Baun Kjærgaard fra SDU Center for Energy Informatics.
I projektet COORDICY har forskere fra SDU sammen med kollegaer fra University of California, fundet en metode, som anonymiserer målinger fra de enkelte kontorer. Samtidig kan kunstig intelligens omsætte den samlede datamængde til effektiv styring af bygningens energieffektivitet, hvor der skal gøres rent, og om bygningens lokaler udnyttes fornuftigt.
Lovkrav om beskyttelse
Forskerne har delt softwaren bag deres metode som open-source, så virksomheder og andre frit kan bruge metoderne til at anonymisere sensordata, så de ikke kan føres tilbage til enkelte personer. Og det er der stort behov for.
EU’s databeskyttelseslov træder snart i kraft, og så vanker der store bøder, hvis virksomhederne ikke har styr på de personfølsomme informationer, de får ind via sensorerne.
Den nye databeskyttelseslov træder i kraft i maj 2018. Loven skal sikre, at firmaer og organisationer, som indsamler og behandler personlige informationer, beskytter dem mod misbrug. Derfor stiller loven krav til, hvordan persondata bliver indsamlet, behandlet og lagret.
- Mange har ikke de værktøjer, som er nødvendige for at håndtere den nye lovgivning, men med vores nye metode giver vi virksomhederne mulighed for at leve op til loven samtidig med, at de stadig får fuldt udbytte af informationerne til at styre bygningen effektivt og økonomisk, siger Mikkel Baun Kjærgaard.
Big data er big business
Mikkel Baun Kjærgaard fortæller, at der i mange amerikanske hjem hænger Amazon Dash Buttons eller indkøbsknapper. Det er små enheder, som er koblet op til ét konkret produkt. For eksempel kan der hænge en indkøbsknap til Colgate ved siden af tandbørsten. Når man løber tør for tandpasta, trykker man på knappen, og Amazon leverer friske forsyninger dagen efter.
Men samtidig med, at Amazon-knapperne gør livet lettere for forbrugerne, indsamler de også et hav af informationer om forbrugsmønstre.
- Informationer fra sensorer er mange penge værd. Det er en af grundene til, at Amazon fokuserer massivt på markedet for elektroniske enheder til hjemmet og arbejdspladsen, påpeger Mikkel Baun Kjærgaard.
Amazons stifter, Jeff Bezos blev for nyligt udråbt til verdens rigeste mand, og en del af pengene er helt sikkert tjent ved at udnytte data, som er et af grundlagene for Amazons milliardforretning. Amazon er et af de førende firmaer til at bruge informationerne til målrettet markedsføring og personaliserede brugeroplevelser.
- De løbende eksempler på data, som er blevet lækket fra forskellige firmaer, viser tydeligt problemerne med at opbevare data i rå form. Det er derfor vigtigt, at firmaerne hurtigt og nemt kan anonymisere data tidligt i processen. Det vil øge sikringen af privatlivets fred samtidig med, at værdien af data bevares, forklarer lektor Mikkel Baun Kjærgaard.
Software til beskyttelse af anonymitet
Protecting Anonymity in Publishing Building Related Datasets (PAD) kan downloades her.
K-Anonymitet
Forskerne har brugt K-anonymitet, som sikrer anonymitet ved at få den enkelte persons data til at gemme sig i mængden. Det nye er, at forskerne har fundet en metode, så data kan anonymiseres i en form, så den samlede data via kunstig intelligens stadigvæk kan omdannes til brugbar viden. Metoden fungerer ved. at brugerne af data angiver, hvilke egenskaber ved data der er vigtige at bevare. Derefter finder metoden en måde at anonymisere data på, der bedst bevarer disse egenskaber.