1
00:00:00,083 --> 00:00:13,230
*33C3 Vorspannmusik*

2
00:00:13,230 --> 00:00:19,090
Herald: Ich habe vorhin erzählt, dass
Snowden uns heute zugeschaltet wurde und

3
00:00:19,090 --> 00:00:29,810
er hat uns aufgerufen, etwas zu tun. Heute
hören wir hier einen Talk, und zwar „build

4
00:00:29,810 --> 00:00:37,350
your own NSA“ – „baue deine eigene NSA“.
Geheimdienste sammeln Daten, aber sie sind

5
00:00:37,350 --> 00:00:42,059
nicht die Einzigen. Es gibt auch die so
genannten Datenkraken – an wen denken wir

6
00:00:42,059 --> 00:00:48,729
da alle? An Google, an Facebook. Wer hier
hat einen Google-Account, Hände hoch,

7
00:00:48,729 --> 00:01:01,199
traut euch! Des sind ganz schön viele. Wer
hat einen Facebook-Account? Es sind

8
00:01:01,199 --> 00:01:07,320
allerdings nicht nur die großen Firmen wie
Facebook oder Google, die Daten sammeln.

9
00:01:07,320 --> 00:01:11,680
Es sind auch die kleineren Firmen oder
unbekannte, wo wir die Namen noch nie

10
00:01:11,680 --> 00:01:15,480
gehört haben und Leute, wo wir es nicht
erwarten, wie zum Beispiel ich auf der

11
00:01:15,480 --> 00:01:19,390
Bühne. Ich weiß jetzt wer einen Google-
und wer einen Facebook-Account bei euch

12
00:01:19,390 --> 00:01:22,450
hat. Vielen Dank für die Info.

13
00:01:22,450 --> 00:01:25,680
Diese Firmen, oder auch ich, 
könnte jetzt hingehen,

14
00:01:25,680 --> 00:01:32,150
diese Daten tauschen oder einfach
an die Leute die zahlen, verkaufen.

15
00:01:32,150 --> 00:01:37,390
Mein kleines Experiment hier war
ziemlich lächerlich und natürlich banal,

16
00:01:37,390 --> 00:01:43,710
aber Svea Eckert und Andreas
Dewes haben ein größeres

17
00:01:43,710 --> 00:01:50,430
Experiment gemacht mit einfachen Techniken
des Social Engineerings und rausgefunden,

18
00:01:50,430 --> 00:01:55,150
was für Daten gesammelt werden können.
In diesem Talk werden sie uns nicht nur

19
00:01:55,150 --> 00:02:00,510
erzählen, wer, warum und wie Daten sammelt
sondern ob es auch noch eine Möglichkeit

20
00:02:00,510 --> 00:02:07,640
gibt, unsere Privatsphäre zu schützen.
Andreas ist Data Scientist und entwickelt

21
00:02:07,640 --> 00:02:14,909
Technologien, damit wir Wissen aus
Daten extrahieren können. Svea ist

22
00:02:14,909 --> 00:02:20,710
freiberufliche Journalistin und
recherchiert IT-Themen und berichtet

23
00:02:20,710 --> 00:02:24,510
darüber für die Tagesschau und die
Tagesthemen. Sie hat auch mitgewirkt bei

24
00:02:24,510 --> 00:02:32,260
Dokumentationen zu Themen wie Wikileaks,
Facebook und dem NSA-Skandal, wo gerade

25
00:02:32,260 --> 00:02:36,569
Edward Snowden einen großen Teil
eingenommen hat. Ich freue mich herzlich,

26
00:02:36,569 --> 00:02:42,349
die beiden hier zu begrüßen und bitte euch
jetzt um einen ganz, ganz lauten Applaus

27
00:02:42,349 --> 00:02:45,189
für die beiden und wünsche
euch allen viel Spaß.

28
00:02:45,189 --> 00:02:49,970
*Applaus*

29
00:02:49,970 --> 00:02:57,090
Svea Eckert: Danke.
Andreas Dewes: Ja, hallo zusammen, also

30
00:02:57,090 --> 00:03:01,580
wir freuen uns natürlich, dass wir hier
sein dürfen heute, ich hab wie gesagt die

31
00:03:01,580 --> 00:03:04,689
Datenanalyse für die Recherche
hier gemacht und darf mich daher

32
00:03:04,689 --> 00:03:07,519
erstmal entspannen jetzt und
übergebe dann das Wort an Svea.

33
00:03:07,519 --> 00:03:12,859
S: Ja ich bin Svea Eckart, arbeite für den
NDR, beziehungsweise die ARD, und wir haben

34
00:03:12,859 --> 00:03:16,469
’ne große Recherche gemacht, die ging
über den ganzen Sommer und mündete in

35
00:03:16,469 --> 00:03:20,239
der relativ aufsehenerregenden
Berichterstattung Anfang November unter

36
00:03:20,239 --> 00:03:26,759
dem Hashtag #NacktImNetz – der Eine oder
Andere hat vielleicht dazu sogar was

37
00:03:26,759 --> 00:03:34,059
gesehen. Was wir wissen: Also: Wir wissen,
dass, wenn wir uns im Netz bewegen dass

38
00:03:34,059 --> 00:03:40,109
Firmen das mitbekommen. Dass Firmen unser
Verhalten aufzeichnen und zumindest ein

39
00:03:40,109 --> 00:03:45,700
Stück weit sind da verschiedene Parteien
beteiligt, die sehen, auf welcher Webseite

40
00:03:45,700 --> 00:03:52,370
wir z. B. sind. Also hier jetzt mit einem
kleinen Tool, nur so kurz analysiert, sind

41
00:03:52,370 --> 00:03:57,620
das jetzt 68 Parteien, die wissen, dass
ich auf dieser Webseite bin und die zum

42
00:03:57,620 --> 00:04:02,920
Teil auch die Möglichkeit haben, mich
durchs Netz zu verfolgen. Ich denke, jeder

43
00:04:02,920 --> 00:04:10,430
hier im Publikum weiß das und – also das
ist bekannt. Trotzdem stört es die

44
00:04:10,430 --> 00:04:14,980
Allerwenigsten Also die allermeisten
Internetnutzer sagen „Ich habe doch nichts

45
00:04:14,980 --> 00:04:19,700
zu verbergen“ „Da wird schon nichts böses
damit passieren, die machen ja nichts

46
00:04:19,700 --> 00:04:24,420
mit meinen Daten, is ja sowieso nur für
Werbezwecke“ Und wenn man mal in der

47
00:04:24,420 --> 00:04:31,170
Industrie nachfragt, dann ist die Aussage
„Also diese Daten werden total gut

48
00:04:31,170 --> 00:04:35,590
anonymisiert“ „Da stecken wir ganz,
ganz großen Aufwand rein“ „Und

49
00:04:35,590 --> 00:04:44,569
verkaufen? Das macht niemand!“ „Sowas
würde niemand tun“ Wirklich? Das

50
00:04:44,569 --> 00:04:50,310
wollten wir genauer wissen: Wie komme
ich an solche Daten? Ich gründe eine

51
00:04:50,310 --> 00:04:56,639
Firma. Ich habe also im Juli eine
Webseite aufgesetzt – das ist relativ

52
00:04:56,639 --> 00:05:03,979
trivial. Content Management System, paar
schöne Fotos, Stockphotos und ein

53
00:05:03,979 --> 00:05:09,360
bisschen Marketing-Sprech. Meine Firma
„Meez Technology“, die Vereinigung von

54
00:05:09,360 --> 00:05:18,340
Technologie und Kreativität, macht
Data-Driven-Consulting und bot Kunden an,

55
00:05:18,340 --> 00:05:22,500
Customized-Campaigns zu machen.
Was brauchen wir dafür? Ganz viele

56
00:05:22,500 --> 00:05:27,869
Nutzer-Daten. Und diese Nutzer-Daten, an
die wollte ich gelangen. Da brauchte ich

57
00:05:27,869 --> 00:05:34,290
eine tatkräftige Mitarbeiterin, hier ist
sie. Ich habe sie mitgebracht: Anna.

58
00:05:34,290 --> 00:05:42,479
“Hello, Anna Rosenberg speaking! Hello,
hello?” Anna Rosenberg arbeitet also für

59
00:05:42,479 --> 00:05:46,720
Meez Technology, sitzt in Tel Aviv,

60
00:05:46,720 --> 00:05:50,050
spricht kein Wort Hebräisch,
konnte ich mir dann

61
00:05:50,050 --> 00:05:53,160
nicht aneignen für die Recherche, 
war aber nicht schlimm,

62
00:05:53,160 --> 00:05:56,160
hat auch niemand nachgefragt

63
00:05:56,160 --> 00:05:59,250
und ich hatte Tel Aviv ausgesucht,
obwohl ich die Stadt eigentlich

64
00:05:59,250 --> 00:06:02,730
gar nicht kenne, aber ich hatte
Tel Aviv ausgesucht, weil mir

65
00:06:02,730 --> 00:06:05,720
jemand sagte, Israel sei
ziemlich gut für Daten,

66
00:06:05,720 --> 00:06:09,960
da wär man nicht so spitzfindig und ich
sollte ja kein deutsches Unternehmen

67
00:06:09,960 --> 00:06:14,430
gründen sonst würde ich gar nichts
bekommen. Also habe ich Meez Technology in

68
00:06:14,430 --> 00:06:19,750
Israel angesiedelt und Anna Rosenberg
hat sich auf Telefon-Jagd gemacht.

69
00:06:19,750 --> 00:06:24,189
Das waren die Firmen, die in
Frage kamen. Die Firmen, die

70
00:06:24,189 --> 00:06:30,249
von uns Internetnutzern Daten
sammeln, die Daten verarbeiten.

71
00:06:30,249 --> 00:06:36,209
Meine Frage an diese Firmen war,
ob sie mir als junges, aufstrebendes

72
00:06:36,209 --> 00:06:41,269
Startup ihre Daten verkaufen würden.
Oder viel eher noch, ob sie mir ein

73
00:06:41,269 --> 00:06:45,550
kostenloses Sample geben würden,
weil ohne ein kostenloses Sample könnte

74
00:06:45,550 --> 00:06:50,430
ich die Qualität der Daten gar nicht
beurteilen. Ich habe ziemlich viele von

75
00:06:50,430 --> 00:06:55,240
diesen Firmen angerufen, angeschrieben,
deren Webseiten mir angeschaut. Ihr seht

76
00:06:55,240 --> 00:07:00,810
dass es ein gigantisches Universum ist und
es sind noch längst nicht alle. Besonders

77
00:07:00,810 --> 00:07:07,300
interessant sind diese Firmen hier. Die
machen sozusagen, die analysieren den

78
00:07:07,300 --> 00:07:13,710
Internetmarkt, reichern Daten an, das sind
so ziemlich wichtige Player in diesem

79
00:07:13,710 --> 00:07:16,429
ganzen Spiel. Weil um den Internetmarkt 
zu analysieren,

80
00:07:16,429 --> 00:07:19,429
brauchen die sehr viele Daten.

81
00:07:19,429 --> 00:07:22,789
Und, Ja, der eine oder andere war dann 
auch tatsächlich bereit,

82
00:07:22,789 --> 00:07:27,139
mir ein kostenloses Sample 
zur Verfügung zu stellen,

83
00:07:27,139 --> 00:07:29,579
damit ich die Güte, die Qualität 
seiner Daten

84
00:07:29,579 --> 00:07:37,220
einordnen konnte. Also ein kostenloses
Sample. Dieses Sample kam dann auch. Also

85
00:07:37,220 --> 00:07:42,379
eines ist besonders groß, deswegen ist es
auch das, worüber wir dann sprechen.

86
00:07:42,379 --> 00:07:48,599
Was war da drin? Also wir hatten 14
Tage so eine Art quasi Live-Zugriff auf

87
00:07:48,599 --> 00:07:54,499
Nutzerdaten. Sprich: Nutzerdaten, die sich
immer wieder aktualisiert haben, die immer

88
00:07:54,499 --> 00:08:02,860
wieder frisch waren. Das waren 3 Millionen
deutsche Nutzer in diesem Datensatz und

89
00:08:02,860 --> 00:08:08,650
das waren sozusagen die
Klickstream-Daten von einem Monat.

90
00:08:08,650 --> 00:08:15,590
Das Klick-Stream ist sozusagen das
Buzzword für Browser-History.

91
00:08:15,590 --> 00:08:20,189
Am Anfang sind wir relativ explorativ
mit diesem Datensatz umgegangen

92
00:08:20,189 --> 00:08:25,839
haben einfach mal ge-grep-t, und mal
geschaut was passiert denn, wenn wir in

93
00:08:25,839 --> 00:08:31,360
diesem Datensatz nach @polizei.de suchen.
Ich setz meine Brille wieder ab, weil

94
00:08:31,360 --> 00:08:39,669
Annas Teil ist nämlich jetzt durch. So,
alles was ge-x-t ist, hab ich gemacht, um

95
00:08:39,669 --> 00:08:45,860
die Privatsphäre dieser Person zu
schützen. So sieht das dann aus, wenns ein

96
00:08:45,860 --> 00:08:53,840
bisschen aufbereitet ist. Man sieht jetzt
hier z. B. 01.08.2016 05:17 Uhr: Rechner

97
00:08:53,840 --> 00:09:01,051
an, Google. Dann wird relativ schnell nach
einem Auto geschaut. 05:30 Uhr: Das habe

98
00:09:01,051 --> 00:09:03,640
ich jetzt mal offen gelassen, kann man 
dann auch alles gleich eingeben.

99
00:09:03,640 --> 00:09:08,490
Ah, alles klar, er sucht einen Volkswagen

100
00:09:08,490 --> 00:09:16,000
in der und der Kategorie. Interessant. 
Gut, jetzt wollen wir natürlich wissen:

101
00:09:16,000 --> 00:09:21,480
Was hat der mit der Polizei zu tun? 
Was für ein Mensch steckt

102
00:09:21,480 --> 00:09:28,240
hinter diesen Daten? Und wenn man jetzt
sozusagen sich da mal ein bisschen durch

103
00:09:28,240 --> 00:09:32,840
scrollt durch diese Daten – ich hab das
jetzt als Screen-Video gemacht, damit man

104
00:09:32,840 --> 00:09:37,730
mal so ein bisschen auch besser die
Dimensionen begreifen kann, wie groß die

105
00:09:37,730 --> 00:09:43,420
Tiefe dieser Daten ist und wie intensiv
die sind. Man kann also gucken: Was liest

106
00:09:43,420 --> 00:09:48,900
der, was sucht der und irgendwann ist er
mal auf der Webseite von der deutschen

107
00:09:48,900 --> 00:09:56,970
Polizeigewerkschaft und auf dem deutschen
Beamtenbund. Könnte ja ein Polizist sein.

108
00:09:56,970 --> 00:10:00,710
Schauen wir doch mal nach so einem
typischen Wort wie Ermittlungsverfahren

109
00:10:00,710 --> 00:10:13,420
Ah! Ok. Ein Google-Translate-Link. 
*Gelächter + Applaus*

110
00:10:13,420 --> 00:10:20,090
Schauen wir doch mal. Schmeißen wir
es mal in den Decoder. Da ist es!

111
00:10:20,090 --> 00:10:23,220
„Sehr geehrte Damen und Herren,
im Rahmen eines hier bearbeiteten

112
00:10:23,220 --> 00:10:26,411
Ermittlungsverfahrens wegen
Computerbetrugs“ – Aktenzeichen habe ich

113
00:10:26,411 --> 00:10:31,311
jetzt rausgenommen – „benötige ich
Bestandsdaten zu folgender IP-Adresse“

114
00:10:31,311 --> 00:10:37,400
– habe ich rausgenommen – Zeitstempel
Und netterweise hat dieser Nutzer in

115
00:10:37,400 --> 00:10:42,180
Google-Translate auch seine
E-Mail-Adresse mit übersetzen lassen,

116
00:10:42,180 --> 00:10:47,560
seinen Vor- und Nachnamen, den Ort und
die Telefonnummer … So.

117
00:10:47,560 --> 00:10:55,050
*Applaus*

118
00:10:55,050 --> 00:11:01,550
Wir können jetzt schauen: Was erfahren wir
über diesen Menschen in diesen Daten?

119
00:11:01,550 --> 00:11:09,490
Können also noch mal weiter
scrollen durch sein Leben im Netz.

120
00:11:09,490 --> 00:11:16,380
Und sehen, dass er arbeitet,
also sehen, ungefähr, dass er

121
00:11:16,380 --> 00:11:21,940
Malware-Submissions macht z. B., dass er
IP-Adressen verfolgt, aber auch, dass er

122
00:11:21,940 --> 00:11:26,150
SWR hört und natürlich so die

123
00:11:26,150 --> 00:11:29,150
Peinlichkeiten im Leben

124
00:11:29,150 --> 00:11:46,860
*Lachen* - *Applaus*

125
00:11:46,860 --> 00:11:51,740
Sind da natürlich auch drin.

126
00:11:51,740 --> 00:11:54,740
Jetzt haben wir nur mal nach 
@polizei.de gesucht.

127
00:11:54,740 --> 00:11:58,780
Was wäre, wenn wir mal hier gucken?

128
00:11:58,780 --> 00:11:59,780
Haben wir auch gemacht.

129
00:11:59,780 --> 00:12:01,780
So sieht dann so eine Abfrage aus.

130
00:12:01,780 --> 00:12:07,650
Wenn man das so, sag ich mal
so, explorativ einfach macht wie wir das

131
00:12:07,650 --> 00:12:12,280
gemacht haben. Wichtig ist das, was
zwischen den Anführungszeichen steht.

132
00:12:12,280 --> 00:12:17,180
Man sagt mit diesem Befehl dem Computer:
Gib mir alles, gib mir jeden Nutzer, der

133
00:12:17,180 --> 00:12:19,680
jemals diese Webseite besucht hat.

134
00:12:19,680 --> 00:12:21,850
Und man sieht also, dass auch Leute

135
00:12:21,850 --> 00:12:22,850
die, ich würde mal sagen,

136
00:12:22,850 --> 00:12:25,180
sicherheitskritisch sind,

137
00:12:25,180 --> 00:12:30,450
in diesen Daten drin sind.

138
00:12:30,450 --> 00:12:31,880
Was passiert nur, wenn man all diese

139
00:12:31,880 --> 00:12:34,720
Nutzer deanonymisieren würde?

140
00:12:34,720 --> 00:12:38,650
Könnte man sie denn
alle deanonymisieren?

141
00:12:39,530 --> 00:12:44,710
Andreas: Ja, wie wir gesehen
haben, ist es im besten Fall etwas

142
00:12:44,710 --> 00:12:47,880
peinlich, wenn man als Nutzer in solchen
Daten identifiziert wird.

143
00:12:47,880 --> 00:12:48,880
Schlimmstenfalls kann es auch gefährlich

144
00:12:48,880 --> 00:12:50,760
sein für die eigene Person.

145
00:12:50,760 --> 00:12:52,520
Deswegen möchte ich in den nächsten

146
00:12:52,520 --> 00:12:54,360
15 min ein bisschen darauf eingehen,

147
00:12:54,360 --> 00:12:56,270
was Deanonymisierung eigentlich heißt,

148
00:12:56,270 --> 00:12:58,150
wie das funktioniert und was das

149
00:12:58,150 --> 00:12:59,490
Problem dabei ist.

150
00:12:59,490 --> 00:13:02,460
Dafür können wir anfangen 
mit dem Datensatz.

151
00:13:02,460 --> 00:13:04,500
Also es gibt immer einen Datensatz

152
00:13:04,500 --> 00:13:07,740
von anonymisierten Nutzerdaten am Anfang,

153
00:13:07,740 --> 00:13:09,480
den man analysieren möchte

154
00:13:09,480 --> 00:13:11,500
und dieser Datensatz enthält

155
00:13:11,500 --> 00:13:12,500
viele verschiedene Eigenschaften und

156
00:13:12,500 --> 00:13:15,121
einige von diesen Eigenschaften zumindest

157
00:13:15,121 --> 00:13:16,121
sind sensitiv, das heißt, sie sind nach

158
00:13:16,121 --> 00:13:18,900
Datenschutzrecht geschützt und dürfen

159
00:13:18,900 --> 00:13:22,670
nicht mit einer bestimmten Person
verknüpft werden, weswegen der Datensatz

160
00:13:22,670 --> 00:13:24,240
ja im Endeffekt auch anonymisiert wurde.

161
00:13:24,240 --> 00:13:26,970
Und statt einer Zuordnung zu einer

162
00:13:26,970 --> 00:13:28,580
konkreten Person hat man diesen

163
00:13:28,580 --> 00:13:30,760
Datensätzen daher einfach beispielsweise

164
00:13:30,760 --> 00:13:32,030
eine numerische ID oder einen Identifier,

165
00:13:32,030 --> 00:13:35,030
der keine Rückschlüsse—im Idealfall—auf

166
00:13:35,030 --> 00:13:37,360
die wirkliche Person, die sich hinter den

167
00:13:37,360 --> 00:13:39,980
Daten verbirgt, erlaubt.

168
00:13:39,980 --> 00:13:41,920
Auf der anderen Seite habe ich aber auch

169
00:13:41,920 --> 00:13:43,750
öffentliche Informationen z. B. aus

170
00:13:43,750 --> 00:13:45,390
dem Internet oder anderen Quellen,

171
00:13:45,390 --> 00:13:47,690
die ich mir frei zusammensuchen kann und

172
00:13:47,690 --> 00:13:49,600
und solche öffentlichen Informationen

173
00:13:49,600 --> 00:13:51,500
enthalten auch Eigenschaften von Personen

174
00:13:51,500 --> 00:13:53,860
und enthalten zudem oft den Namen oder

175
00:13:53,860 --> 00:13:58,350
andere Identifikationsmerkmale der Person,

176
00:13:58,350 --> 00:14:00,260
die also Rückschlüsse auf die wirkliche
Person zulassen.

177
00:14:00,260 --> 00:14:03,260
Und Deanonymisierung beinhaltet in diesem

178
00:14:03,260 --> 00:14:08,150
Sinne eine Suche nach Eigenschaften, 
die ich in beiden

179
00:14:08,150 --> 00:14:13,410
Datensätzen entweder direkt oder indirekt
identifizieren kann und die mir erlauben,

180
00:14:13,410 --> 00:14:17,530
aufgrund von beispielsweise statistischen
Verfahren oder machine learning die

181
00:14:17,530 --> 00:14:22,900
möglichen Kandidaten aus dem
anonymisierten Datensatz so weit zu

182
00:14:22,900 --> 00:14:26,840
reduzieren, dass ich mit entweder
absoluter Sicherheit oder mit relativ

183
00:14:26,840 --> 00:14:30,420
hoher Wahrscheinlichkeit sagen kann,
dass ein Nutzer, den ich hier in den

184
00:14:30,420 --> 00:14:33,580
öffentlichen Daten gefunden habe, 
dem Nutzer

185
00:14:33,580 --> 00:14:36,050
in dem anonymisierten Datensatz 
entspricht.

186
00:14:36,060 --> 00:14:40,440
In dem Sinne habe ich diesen
User dann deanonymisiert.

187
00:14:43,680 --> 00:14:46,180
Wie Svea gesagt hatte, ist der Datensatz,

188
00:14:46,190 --> 00:14:47,190
den wir bekommen haben, absolut

189
00:14:47,190 --> 00:14:50,000
unzureichend anonymisiert worden,

190
00:14:50,000 --> 00:14:54,330
d. h., das war sehr, sehr einfach
möglich, aus den URL-Daten, die wir

191
00:14:54,330 --> 00:14:58,110
erhalten haben, entsprechende Nutzer
und Personennamen zu extrahieren.

192
00:14:58,110 --> 00:15:00,800
Im Zweifelsfall hat dafür eine einzige URL
ausgereicht.

193
00:15:00,800 --> 00:15:02,670
Hier habe ich zwei Beispiele.

194
00:15:02,670 --> 00:15:05,180
Einmal von Twitter und einmal von XING.

195
00:15:05,180 --> 00:15:06,680
Das sind also beides URLs,

196
00:15:06,680 --> 00:15:08,070
die Rückschlüsse

197
00:15:08,070 --> 00:15:09,700
entweder auf den Nutzernamen

198
00:15:09,700 --> 00:15:11,180
oder sogar auf den Klarnamen

199
00:15:11,180 --> 00:15:12,850
und weitere Angaben von

200
00:15:12,850 --> 00:15:14,630
der Person zulassen.

201
00:15:14,630 --> 00:15:17,080
Und das, was die Identifikation 
hier ermöglicht,

202
00:15:17,080 --> 00:15:19,670
ist bei der ersten Adresse oben,

203
00:15:19,670 --> 00:15:22,670
dass diese Analytics-Page nur 
– im Normalfall – dem

204
00:15:22,670 --> 00:15:23,740
eingeloggten Benutzer zur Verfügung steht,

205
00:15:23,740 --> 00:15:26,380
d.h. wenn ich diese URL in einem Datensatz

206
00:15:26,380 --> 00:15:28,040
sehe, kann ich mit relativ hoher

207
00:15:28,040 --> 00:15:30,040
Wahrscheinlichkeit davon ausgehen, dass

208
00:15:30,040 --> 00:15:31,390
der Nutzername, der hier auftaucht, dem

209
00:15:31,390 --> 00:15:34,080
Nutzernamen des anonymisierten Nutzers in

210
00:15:34,080 --> 00:15:35,550
meinem Datensatz entspricht.

211
00:15:35,550 --> 00:15:38,590
Im zweiten Fall ist es weniger 
offensichtlich.

212
00:15:38,590 --> 00:15:40,590
man kann also nur sehen, dass man hier

213
00:15:40,590 --> 00:15:42,850
eine öffentliche Profiladresse hat,

214
00:15:42,850 --> 00:15:44,960
die man auch so im Internet finden kann,

215
00:15:44,960 --> 00:15:45,960
was aber den Unterschied macht, ist

216
00:15:45,960 --> 00:15:50,410
dieses spezielle Query, das hinten 
dran hängt,

217
00:15:50,410 --> 00:15:53,110
und das nur in die URL hinzugefügt wird,

218
00:15:53,110 --> 00:15:54,740
wenn ich als eingeloggter Nutzer,

219
00:15:54,740 --> 00:15:56,440
auf mein eigenes Profilbild klicke

220
00:15:56,440 --> 00:15:58,290
d.h. hier ist wieder mit einer hohen

221
00:15:58,290 --> 00:16:01,300
Wahrscheinlichkeit die Möglichkeit 
gegeben, einen Nutzer der in

222
00:16:01,300 --> 00:16:06,660
den Daten drin ist, eindeutig mit dem
Besitzer dieses Profils zu identifizieren.

223
00:16:06,660 --> 00:16:10,940
Und in unserm Datensatz haben wir über
100.000 Benutzer auf diese Weise

224
00:16:10,940 --> 00:16:14,780
identifiziert. Wir haben auch die
beiden Firmen übrigens auf diese

225
00:16:14,780 --> 00:16:18,700
Sicherheitsprobleme aufmerksam gemacht.
XING hat entsprechend schon Änderungen

226
00:16:18,700 --> 00:16:23,970
eingeführt und Twitter hält es nicht
für ein Problem in diesem Sinne und

227
00:16:23,970 --> 00:16:27,911
möchte da keine Änderungen machen
aktuell. Also als erstes Take-Away könnte

228
00:16:27,911 --> 00:16:31,730
man vielleicht von dem Vortrag auch
mitnehmen, dass man bitte, bitte keine

229
00:16:31,730 --> 00:16:36,570
persönlich identifizierbaren Informationen
in URLs packt. Wenn irgend möglich.

230
00:16:38,470 --> 00:16:44,330
Natürlich gibt’s noch etwas
weitergehende Verfahren, um auch

231
00:16:44,330 --> 00:16:49,440
Datensätze zu deanonymisieren, die etwas
besser anonymisiert wurden.

232
00:16:49,440 --> 00:16:52,090
Eine schöne Arbeit hierzu ist dieses Paper

233
00:16:52,090 --> 00:16:53,770
das aus dem Jahr 2007 stammt, und

234
00:16:53,770 --> 00:16:55,590
wo sich die Forscher

235
00:16:55,590 --> 00:16:57,360
mit einem Datensatz beschäftigt haben,

236
00:16:57,360 --> 00:17:00,360
der von Netflix publiziert wurde und

237
00:17:00,360 --> 00:17:03,199
der also anonymisierte Bewertungsdaten

238
00:17:03,199 --> 00:17:05,109
von Netflix-Usern enthielt.

239
00:17:05,109 --> 00:17:08,200
Der Datensatz wurde auf eine 
Datenanalyseplattform hochgeladen

240
00:17:08,200 --> 00:17:10,790
mit dem Ziel, dass andere 
Data-Sscientists,

241
00:17:10,790 --> 00:17:14,360
Datenforscher, sich mit den Daten 
auseinandersetzen können und

242
00:17:14,360 --> 00:17:18,049
auf die Weise bessere Bewertungs-
oder Empfehlungsalgorithmen für neue

243
00:17:18,049 --> 00:17:24,149
Filme finden können. Und die
Deanonymisierung dieses Datensatzes war in

244
00:17:24,149 --> 00:17:28,169
diesem Fall möglich ebenfalls durch
die Nutzung von öffentlich verfügbaren

245
00:17:28,169 --> 00:17:32,730
Informationen – in diesem Fall war das
beispielsweise Bewertungen, die Nutzer auf

246
00:17:32,730 --> 00:17:38,170
der Plattform IMDB abgegeben haben, wo
also Nutzer auch Filme bewerten können wie

247
00:17:38,170 --> 00:17:42,450
bei Netflix und wo oft Nutzer-Accounts
oder Konten mit dem wirklichen Namen des

248
00:17:42,450 --> 00:17:47,600
Benutzers verknüpft sind. Und die
Forscher haben also geschafft, indem sie

249
00:17:47,600 --> 00:17:51,810
die Bewertung von IMDB herangezogen haben
und diese mit den Bewertungen auf Netflix

250
00:17:51,810 --> 00:17:57,070
verglichen, die User auf Netflix mit einer
hohen Wahrscheinlichkeit mit den Usern auf

251
00:17:57,070 --> 00:18:01,400
IMDB zu identifizieren D. h. hier war eine
Deanonymisierung einfach dadurch möglich,

252
00:18:01,400 --> 00:18:05,151
dass es sehr, sehr viele mögliche
Kombinationen von Filmen gibt und es sehr

253
00:18:05,151 --> 00:18:09,131
unwahrscheinlich ist, dass zwei Personen
die gleiche Anzahl von Filmen auf die

254
00:18:09,131 --> 00:18:11,600
gleiche Weise bewertet haben.

255
00:18:12,660 --> 00:18:15,660
Und diese Technik kann man auch auf

256
00:18:15,660 --> 00:18:17,980
unseren Datensatz anwenden,

257
00:18:21,010 --> 00:18:23,950
dieser enthält wie gesagt 
ca. 3 Mrd. URLs

258
00:18:24,240 --> 00:18:27,150
von 9 Mio. Web-Domains und wurde

259
00:18:27,150 --> 00:18:29,300
von ca. 3 Mio. Usern generiert.

260
00:18:31,110 --> 00:18:32,650
So. Da die Daten wie gesagt

261
00:18:32,650 --> 00:18:34,690
unzureichend anonymisiert wurden, haben

262
00:18:34,690 --> 00:18:35,690
wir für die weitere Analyse

263
00:18:35,690 --> 00:18:37,400
einfach mal angenommen,

264
00:18:37,400 --> 00:18:41,161
dass der Anbieter wirklich ein Interesse
daran hätte die Anonymisierung korrekt

265
00:18:41,161 --> 00:18:45,270
oder möglichst gut durchzuführen und
dementsprechend sämtliche Informationen

266
00:18:45,270 --> 00:18:48,140
außer der Domain und der Nutzer-ID aus
dem Datensatz entfernt

267
00:18:48,140 --> 00:18:50,390
d.h. wir haben alle Informationen 
weggeworfen,

268
00:18:50,390 --> 00:18:53,450
bis auf den Fakt: 
Hat dieser Nutzer, diese Domain in

269
00:18:53,450 --> 00:18:55,240
dem Zeitraum besucht?

270
00:18:55,240 --> 00:18:56,470
Ja oder nein?

271
00:18:56,700 --> 00:18:58,670
So - Also man könnte annehmen, dass diese

272
00:18:58,670 --> 00:19:01,530
starke Form der Anonymisierung doch
ausreichend sein sollte,

273
00:19:01,530 --> 00:19:03,230
um die Nutzer davor zu schützen,

274
00:19:03,230 --> 00:19:04,910
wieder deanonymisiert zu werden.

275
00:19:05,170 --> 00:19:07,070
Wir haben weiterhin auch eine Auswahl

276
00:19:07,070 --> 00:19:09,010
getroffen von 1 Mio. Nutzern,

277
00:19:09,010 --> 00:19:11,710
von denen wir über 10 Datenpunkte haben,

278
00:19:11,710 --> 00:19:15,230
weil das die Analyse für die weiteren
Schritte vereinfacht und für Nutzer, die

279
00:19:15,230 --> 00:19:20,710
relativ wenige Datenpunkte haben, auch die
meisten Techniken nicht anwendbar sind.

280
00:19:21,460 --> 00:19:22,250
So.

281
00:19:22,250 --> 00:19:23,920
Wenn man sich jetzt die Verteilung

282
00:19:23,920 --> 00:19:25,816
der Häufigkeiten der Domains

283
00:19:25,816 --> 00:19:27,303
in dem Datensatz anschaut,

284
00:19:27,303 --> 00:19:28,743
Also hier auf der X-Achse ist

285
00:19:28,743 --> 00:19:30,330
immer der Popularitätsrang einer

286
00:19:30,330 --> 00:19:32,140
entsprechenden Domain aufgetragen

287
00:19:32,140 --> 00:19:34,500
d. h. je
weiter links die Domain hier auftaucht,

288
00:19:34,500 --> 00:19:35,500
um so populärer ist sie.

289
00:19:35,500 --> 00:19:39,210
Man hat hier bspw . Google, Facebook und 
die anderen üblichen Kandidaten

290
00:19:39,210 --> 00:19:42,760
und auf der Y-Achse ist die
Anzahl der URLs aufgetragen,

291
00:19:42,760 --> 00:19:45,840
die von dieser entsprechenden Domain 
in dem Datensatz stammen.

292
00:19:45,840 --> 00:19:48,120
Und wie man sieht: wenn man die

293
00:19:48,120 --> 00:19:54,790
100 populärsten Domains nimmt, sind die
schon bereits verantwortlich für mehr als

294
00:19:54,790 --> 00:19:59,580
99% der gesamten Daten in unserem
Datensatz. D. h. die meisten Seitenbesuche

295
00:19:59,580 --> 00:20:05,290
finden auf den Top 100 Domains dieser
Liste statt. Und wie man sieht, fällt die

296
00:20:05,290 --> 00:20:09,240
Verteilung danach relativ schnell ab. Also
es gibt eine Menge Domains, die nur ein

297
00:20:09,240 --> 00:20:13,050
paar hundert mal oder sogar nur 10 oder
ein einziges mal von einem Nutzer besucht

298
00:20:13,050 --> 00:20:16,420
wurden. Das hilft uns bei der
Anonymisierung, weil wir gleichzeitig die

299
00:20:16,420 --> 00:20:20,241
Möglichkeit haben, über diese populären
Domains, die fast jeder User besucht hat

300
00:20:20,241 --> 00:20:23,460
oder von denen jeder User fast eine 
besucht hat,

301
00:20:23,460 --> 00:20:25,680
eine entsprechende Auswahl zu treffen und

302
00:20:25,680 --> 00:20:29,740
unsere Kombinatorik darauf anzuwenden aber
wir auch gleichzeitig Long-Tail-Domains

303
00:20:29,740 --> 00:20:33,710
haben, die also nur von wenigen Nutzern
besucht wurden und die entsprechend sehr

304
00:20:33,710 --> 00:20:37,300
gut sich eignen, um einzelne Nutzer
wirklich mit wenigen Datenpunkten wieder

305
00:20:37,300 --> 00:20:38,820
zu identifizieren.

306
00:20:40,040 --> 00:20:43,320
So, den ersten Schritt, den wir machen 
müssen, um unsere

307
00:20:43,320 --> 00:20:48,180
Deanonymisierung vorzunehmen, ist das
Katalogisieren der Nutzer. Dafür legen wir

308
00:20:48,180 --> 00:20:53,620
eine einfache Tabelle an, wo wir in jede
Zeile entsprechend einen Eintrag für

309
00:20:53,620 --> 00:20:58,230
einen Nutzer machen und in jede Spalte
einen Eintrag für eine Domain anlegen und

310
00:20:58,230 --> 00:21:04,060
jedes Element hier ist entweder Null oder
Eins und ist genau Eins dann, wenn der

311
00:21:04,060 --> 00:21:08,120
entsprechende Nutzer die entsprechende
Domain besucht hat, d. h., das ergibt eine

312
00:21:08,120 --> 00:21:12,590
Matrix mit 9 Mio. Einträgen für die
Domains und 1 Mio. Einträgen für die

313
00:21:12,590 --> 00:21:16,840
User, wobei die meisten Elemente dieser
Matrix Null sind. Und so eine Matrix lässt

314
00:21:16,840 --> 00:21:20,770
sich sehr effizient auch repräsentieren
und kann leicht verarbeitet werden für

315
00:21:20,770 --> 00:21:22,380
die weiteren Schritte.

316
00:21:22,380 --> 00:21:25,560
So der Algorithmus,den wir einsetzen 
zu der Deanonymisierung ist

317
00:21:25,560 --> 00:21:26,960
wirklich sehr, sehr einfach.

318
00:21:26,960 --> 00:21:30,040
Wir generieren im 1. Schritt die Matrix M

319
00:21:30,040 --> 00:21:31,480
die ich gerade gezeigt habe,

320
00:21:31,480 --> 00:21:34,290
generieren dann weiterhin einen Vektor V

321
00:21:34,290 --> 00:21:36,471
und in diesen Vektor packen wir 
alle Domains,

322
00:21:36,471 --> 00:21:38,771
die wir aus anderen Informationsquellen,

323
00:21:38,771 --> 00:21:43,840
also aus unserer öffentlichen Information
gewonnen haben und die wir vergleichen

324
00:21:43,840 --> 00:21:47,700
wollen mit den Nutzern, die sich in in dem
Datensatz befinden d.h. für jede Domain

325
00:21:47,700 --> 00:21:51,470
die wir irgendwo gesehen haben, würden wir
eine 1 in diesen Vektor schreiben und

326
00:21:51,470 --> 00:21:55,380
würden dann entsprechend den Vektor
nehmen und mit der Matrix multiplizieren.

327
00:21:55,380 --> 00:22:01,070
Das Ergebnis enthält dann wieder für
jeden Nutzer eine einzige Zahl und in dem

328
00:22:01,070 --> 00:22:05,040
wir den Maximalwert dieser Zahl nehmen
können den Nutzer finden der in unserem

329
00:22:05,040 --> 00:22:08,570
Datensatz die beste Übereinstimmung hat
mit den Domain, mit denen wir ihn

330
00:22:08,570 --> 00:22:09,570
vergleichen wollen. 
Also wirklich ein sehr,

331
00:22:09,570 --> 00:22:11,500
sehr einfaches Verfahren, das allerdings

332
00:22:11,500 --> 00:22:14,230
sehr robust und auch sehr,
wie man sehen wird,

333
00:22:14,230 --> 00:22:16,270
effektiv ist für die Deanonymisierung

334
00:22:16,270 --> 00:22:18,700
So, das ist natürlich alles sehr abstrakt

335
00:22:18,700 --> 00:22:21,740
deswegen habe ich hier mal ein Beispiel 
von einem Nutzer,

336
00:22:21,740 --> 00:22:24,460
den wir zufällig ausgewählt haben 
aus unserem Datensatz

337
00:22:24,460 --> 00:22:27,680
und wir gehen jetzt einfach mal
durch die einzelnen Punkte durch.

338
00:22:27,680 --> 00:22:29,330
Also hier würden wir jedes mal in
jedem Schritt

339
00:22:29,330 --> 00:22:31,440
eine Domain hinzunehmen, die der Benutzer

340
00:22:31,440 --> 00:22:34,400
entsprechend besucht hat und dann schauen,

341
00:22:34,400 --> 00:22:37,570
um wie viele Nutzer verringert das die

342
00:22:37,570 --> 00:22:41,950
möglichen Nutzer in unserem Datensatz, die
diese Domains besucht haben könnten.

343
00:22:41,950 --> 00:22:43,980
Wie wir sehen wir fangen hier links mit

344
00:22:43,980 --> 00:22:46,390
ca. 1,1 mio. Nutzern an, dann nehmen wir

345
00:22:46,390 --> 00:22:48,180
unsere 1. Domain das ist gog.com

346
00:22:48,180 --> 00:22:49,180
Das ist eine Gaming-Webseite und

347
00:22:49,180 --> 00:22:50,840
da sehen wir schon

348
00:22:50,840 --> 00:22:54,100
haben wir eine extreme Reduktion 
in der Anzahl der möglichen Nutzer

349
00:22:54,100 --> 00:22:55,450
in dem Datensatz.

350
00:22:55,450 --> 00:22:58,570
Weil jetzt nur noch 15.000 Nutzer 
dieser Domain drin sind, die

351
00:22:58,570 --> 00:23:02,980
wirklich diese Domain besucht haben und
die der potentielle Nutzer sein könnten.

352
00:23:02,980 --> 00:23:07,480
Wie wir auch sehen ist dieser Nutzer
Telekom-Kunde d.h. er hat auch diese

353
00:23:07,480 --> 00:23:11,760
kundencenter.telekom.de Domain besucht. 
Was nochmal die Anzahl der möglichen

354
00:23:11,760 --> 00:23:13,830
Nutzer in dem Datensatz extrem reduziert.

355
00:23:13,830 --> 00:23:16,410
In diesem Falle auf 367.

356
00:23:16,410 --> 00:23:18,120
Er ist auch Sparda-Bank-Kunde,

357
00:23:18,120 --> 00:23:21,690
weswegen wir auch diese
banking.sparda.de hinzunehmen können, was

358
00:23:21,690 --> 00:23:26,210
nochmal die Anzahl auf 11 reduziert und
das finale Stück des Puzzles, das wir noch

359
00:23:26,210 --> 00:23:27,210
benötigen ist hier die Information, dass

360
00:23:27,210 --> 00:23:29,930
der Nutzer handelsblatt.com unterwegs war,

361
00:23:29,930 --> 00:23:32,280
was dann nur noch einen einzigen Nutzer

362
00:23:32,280 --> 00:23:35,030
ergibt in unserem Datensatz, der mit

363
00:23:35,030 --> 00:23:36,510
diesen Daten kompatibel ist.

364
00:23:36,510 --> 00:23:40,530
D.h. hätten wir diese vier Informationen 
aus öffentlichen Quellen extrahiert,

365
00:23:40,530 --> 00:23:44,230
könnten wir schon mit Sicherheit
sagen, welcher Nutzer in unserem

366
00:23:44,230 --> 00:23:48,050
Datensatz hier entsprechend der richtige
Nutzer ist.

367
00:23:50,560 --> 00:23:52,370
So jetzt ist natürlich die Frage:

368
00:23:52,370 --> 00:23:55,700
Wie gut funktioniert das Verfahren
in Abhängigkeit auch davon, wieviele

369
00:23:55,700 --> 00:23:57,970
Informationen ich denn überwachen kann
von dem Nutzer.

370
00:23:57,970 --> 00:23:59,183
Wir haben ja gesehen,

371
00:23:59,183 --> 00:24:03,020
das wir in unserem Datensatz eigentlich 
den Nutzer komplett überwachen können,

372
00:24:03,020 --> 00:24:06,900
D.h. wir können jede URL sehn, die der
Nutzer mit seinem Browser aufgerufen hat

373
00:24:06,900 --> 00:24:10,770
Aber viele Trecker sehen ja im Prinzip nur
einige hundert oder vielleicht einige

374
00:24:10,770 --> 00:24:14,800
tausend oder zehntausend Domains, auf den
entsprechende Skripte installiert sind.

375
00:24:16,630 --> 00:24:21,740
Was ich deswegen hier zeige, ist die
Effektivität dieser Methode in

376
00:24:21,740 --> 00:24:24,770
Abhängigkeit der Anzahl der Domain die
ich zur Verfügung habe.

377
00:24:24,770 --> 00:24:26,860
Wir fangen also an hier links,

378
00:24:26,860 --> 00:24:30,400
wo nur die Top 50 Domains in
unserem Datensatz zur Verfügung hätten

379
00:24:30,400 --> 00:24:35,309
und schauen uns an, wenn wir zufälliges
Sample von Usern, in diesem Fall 200,

380
00:24:35,309 --> 00:24:39,380
versuchen zu deanonymisieren, 
wo befindet sich denn der korrekte User

381
00:24:39,380 --> 00:24:42,430
unter all den Nutzern, die wir in dem 
Datensatz haben.

382
00:24:42,430 --> 00:24:44,340
Man sieht hier für 50 Domains ist das

383
00:24:44,340 --> 00:24:46,260
ungefähr 160.

384
00:24:46,260 --> 00:24:49,050
D.h. es gibt 160 andere Nutzer 
im Schnitt, die eine höhere

385
00:24:49,050 --> 00:24:52,640
Wahrscheinlichkeit haben, mit den Daten
übereinzustimmen, als der wirklich

386
00:24:52,640 --> 00:24:53,590
gesuchte Nutzer.

387
00:24:53,590 --> 00:24:56,590
So, wenn wir jetzt die Anzahl der Domains 
allerdings erhöhen:

388
00:24:56,590 --> 00:24:59,810
also wir können z.B. auf 100 gehen, sehen
wir, das der Wert schon rapide abfällt.

389
00:24:59,810 --> 00:25:03,470
D.h. hier habe ich schon die Anzahl der
möglichen Nutzer, die zu einem wirklichen

390
00:25:03,470 --> 00:25:06,220
Nutzer gehören könnten extrem reduziert.

391
00:25:06,220 --> 00:25:07,830
Auf ungefähr 25

392
00:25:07,830 --> 00:25:09,730
und wenn ich die Anzahl der Domains

393
00:25:09,730 --> 00:25:11,920
entsprechend erhöhe auf 
200 oder 300 sogar,

394
00:25:11,920 --> 00:25:14,080
bin ich sehr schnell auch in der Lage

395
00:25:14,080 --> 00:25:16,820
wirklich den Nutzer eindeutig
wieder zu identifizieren .

396
00:25:16,820 --> 00:25:19,930
Also es gibt keine Fehler,
in diesem Sinne dann, für die

397
00:25:19,930 --> 00:25:22,930
Identifikation eines bestimmten Nutzers.

398
00:25:22,930 --> 00:25:27,971
So, das ist natürlich alles graue Theorie
und es stellt sich die Frage:

399
00:25:27,971 --> 00:25:31,631
Ist es überhaupt möglich, solche 
öffentlichen Informationen zu gewinnen

400
00:25:31,631 --> 00:25:34,320
oder ist das eher unwahrscheinlich, 
dass man an solche

401
00:25:34,320 --> 00:25:36,190
Informationen rankommen würde?

402
00:25:36,190 --> 00:25:38,950
Deswegen habe ich versucht anhand von 
den Daten, die wir haben und anhand von

403
00:25:38,950 --> 00:25:43,070
öffentlichen Informationsquellen wirklich
Deanonymisierung durchzuführen, mit den

404
00:25:43,070 --> 00:25:46,810
Usern, die wir haben. 
Und ich zeige jetzt drei Beispiele.

405
00:25:46,810 --> 00:25:49,620
Das erste beruht auf der Analyse von 
Twitter-Daten.

406
00:25:49,620 --> 00:25:52,620
Da haben wir also einen Nutzer aus 
unserem Datensatz

407
00:25:52,620 --> 00:25:57,540
der einen Twitter-Account hatte zufällig
rausgesucht. Haben uns dann angeschaut,

408
00:25:57,540 --> 00:26:01,730
welche URLs dieser Nutzer in dem
entsprechenden Zeitraum, über den wir die

409
00:26:01,730 --> 00:26:06,460
Daten hatten, geteilt hat und haben dann
aus diesen Tweets hier die entsprechenden

410
00:26:06,460 --> 00:26:10,880
URLs extrahiert, davon wieder Domains
generiert oder extrahiert und diese

411
00:26:10,880 --> 00:26:15,200
Domains dann mit unserem Algorithmus
genutzt.

412
00:26:15,200 --> 00:26:18,200
So. Wie wir sehen haben wir für

413
00:26:18,200 --> 00:26:19,500
diesen einen Nutzer dabei 8 Domains
extrahiert

414
00:26:19,500 --> 00:26:22,500
über den entsprechenden Zeitraum.

415
00:26:22,500 --> 00:26:27,220
Also wir haben hier relativ
populäre Domains wie GitHub, Change.org

416
00:26:27,220 --> 00:26:29,190
aber auch viele Blogs,

417
00:26:29,190 --> 00:26:31,370
Beispielsweise: rtorp.wordpress.com

418
00:26:31,370 --> 00:26:33,370
was nur von 129 Nutzern aus dem Datensatz

419
00:26:33,370 --> 00:26:38,830
besucht wurde und auch andere kleinere 
Webseiten.

420
00:26:38,830 --> 00:26:44,070
Wenn wir jetzt uns anschauen, welche
Nutzer aus unserem Datensatz haben

421
00:26:44,070 --> 00:26:50,990
mindestens eine dieser Domains besucht, in
dem entsprechenden Zeitraum, und die Nutzer

422
00:26:50,990 --> 00:26:55,700
gegen die Anzahl der Domains, die sie aus
diesem Satz von Domains besucht haben

423
00:26:55,700 --> 00:26:58,461
auftragen, bekommen wir diese Grafik hier.

424
00:26:58,461 --> 00:27:01,001
Also die zeigt die ca. 110.000 Nutzer, die

425
00:27:01,001 --> 00:27:06,380
min. eine dieser Webseite besucht haben
und zeigt gleichzeitig an: Wieviele von

426
00:27:06,380 --> 00:27:09,809
den entsprechenden Domains der Nutzer
wirklich besucht hat. Und wir sehen:

427
00:27:09,809 --> 00:27:13,710
Also, es gibt sehr, sehr viele Nutzer, 
die min. eine hiervon besucht haben.

428
00:27:13,710 --> 00:27:15,220
Wenn wir allerdings hochgehen zu 
zwei, drei oder vier davon

429
00:27:15,220 --> 00:27:18,220
verringert sich die Anzahl sehr schnell.

430
00:27:18,220 --> 00:27:23,160
Und wir sehen hier, dass wir oben bei 7
einen einzigen Nutzer haben und dabei

431
00:27:23,160 --> 00:27:27,440
handelt es sich wirklich um den Nutzer, den
wir entsprechend deanonymisieren wollten.

432
00:27:27,440 --> 00:27:31,350
D.h. hier ist eine Zuordnung mit 100%ger
Sicherheit möglich für diesen Nutzer.

433
00:27:31,350 --> 00:27:36,240
Wir haben das auch für andere Nutzer
durchgespielt. Wir konnten nicht immer den

434
00:27:36,240 --> 00:27:39,840
korrekten Nutzer rausfinden. Aber wir
konnten in den meisten Fällen die Anzahl

435
00:27:39,840 --> 00:27:43,250
möglicher Nutzer auf ca. 10–20
reduzieren.

436
00:27:47,430 --> 00:27:49,550
Das zweite Beispiel, dass ich jetzt noch

437
00:27:49,550 --> 00:27:54,999
zeigen möchte, ist anhand von
YouTube-Daten gemacht worden.

438
00:27:54,999 --> 00:27:59,650
Oft ist es so, dass viele Daten in solchen
Datensätzen wirklich anonymisiert werden,

439
00:27:59,650 --> 00:28:03,870
aber bestimmte Daten davon ausgenommen
werden, weil es ein starkes Interesse gibt,

440
00:28:03,870 --> 00:28:05,220
seitens der Unternehmen, diese zu nutzen.

441
00:28:05,220 --> 00:28:08,220
YouTube-Videos sind ein gutes Beispiel

442
00:28:08,220 --> 00:28:12,600
dafür, weil Unternehmen bspw. wissen
möchten, welche Videos haben bestimmte

443
00:28:12,600 --> 00:28:16,830
Nutzer angeschaut, in welcher Kombination,
um daraus für ihr Marketing Erkenntnisse

444
00:28:16,830 --> 00:28:20,390
abzuleiten. Und man könnte auch meinen,
dass diese Information über öffentliche

445
00:28:20,390 --> 00:28:23,770
Videos, die eigentlich ja jeder sich
anschauen kann im Internet,

446
00:28:23,770 --> 00:28:25,110
auch nicht sehr kritisch ist.

447
00:28:25,110 --> 00:28:28,110
Was wir gemacht haben deswegen, 
um zu zeigen, ob das wirklich so ist,

448
00:28:28,110 --> 00:28:32,320
ist, dass wir wieder aus unserem
Datensatz einen Nutzer extrahiert haben,

449
00:28:32,320 --> 00:28:37,140
von diesem Nutzer die Favoritenliste der
YouTube-Videos uns besorgt haben, die auch

450
00:28:37,140 --> 00:28:40,350
öffentlich ist im Normalfall, also man
kann das Einstellen natürlich, das es

451
00:28:40,350 --> 00:28:43,520
nicht öffentlich ist aber 90% der User
machen das nicht und haben das

452
00:28:43,520 --> 00:28:46,830
entsprechend dann in der Öffentlichkeit
und haben uns aus dieser Liste per

453
00:28:46,830 --> 00:28:52,020
YouTube-API automatisiert sämtliche
Video-IDs besorgt. Und mit diesen

454
00:28:52,020 --> 00:28:55,720
Video-IDs haben wir wieder unseren
Algorithmus gefüttert, diesmal allerdings

455
00:28:55,720 --> 00:28:59,280
mit den kompletten URL-Daten, da die

456
00:28:59,280 --> 00:29:01,990
Domains halt nicht die Video-IDs
enthalten.

457
00:29:01,990 --> 00:29:04,780
Ups... jetzt habe ich falsch
gedrückt ha so... also

458
00:29:04,780 --> 00:29:07,010
Wie vorher haben wir also

459
00:29:07,010 --> 00:29:10,890
diese IDs, das sind ungefähr 20 und
haben auf der anderen Seite sämtliche

460
00:29:10,890 --> 00:29:14,950
Nutzer, die min. 1 von diesen Videos
angeschaut haben. Wie wir sehen können

461
00:29:14,950 --> 00:29:19,990
sind das in dem Fall ca. 20.000, wobei
wieder eine Menge von den Nutzern sich

462
00:29:19,990 --> 00:29:25,360
min. 1 angeschaut haben. Aber die Anzahl
der potentiellen Nutzer, die sich mehrere

463
00:29:25,360 --> 00:29:29,799
angeschaut haben rapide runtergeht. Und
wir sehen hier Bspw. für vier oder fünf

464
00:29:29,799 --> 00:29:33,270
oder sechs haben wir nur noch eine
Handvoll User und wir haben wieder einen

465
00:29:33,270 --> 00:29:37,860
Treffer, der hier ganz oben liegt, bei 9
angeschauten Videos und dabei handelt es

466
00:29:37,860 --> 00:29:42,519
sich wieder um den Nutzer, den wir im
vorherigen Schritt extrahiert haben.

467
00:29:42,519 --> 00:29:44,440
Wir sehen also, es ist relativ einfach

468
00:29:44,440 --> 00:29:46,630
anhand von ner kleinen Anzahl von
Datenpunkten,

469
00:29:46,630 --> 00:29:48,900
selbst aus ner sehr großen Anzahl 
von Nutzern,

470
00:29:48,900 --> 00:29:51,020
in diesem Fall über 1 Mio. Nutzer,

471
00:29:51,020 --> 00:29:55,100
entsprechend auf einen User
zurückzuschließen. Und man muss dazu

472
00:29:55,100 --> 00:29:58,231
sagen, dass solche Verfahren, dass
YouTube-Verfahren, sogar besser

473
00:29:58,231 --> 00:30:02,240
funktioniert hat, als die Anonymisierung
über Twitter. Weil, ich schätze mal, die

474
00:30:02,240 --> 00:30:05,650
Verteilung der Videos und Anzahl der
Videos auf YouTube noch mal höher ist als

475
00:30:05,650 --> 00:30:09,260
die Anzahl der entsprechenden Domains die
wir zur Verfügung haben. D.h. eine

476
00:30:09,260 --> 00:30:12,950
YouTube-Video-ID ist in dem Sinne sogar
ein stärkeres Deanonymisierungs-Signal

477
00:30:12,950 --> 00:30:15,810
als die entsprechende Domain aus dem
Twitter-Feed.

478
00:30:15,810 --> 00:30:17,820
So, dass letzte Beispiel:

479
00:30:17,820 --> 00:30:25,760
dass ich zeigen möchte - basiert auf der
Analyse von Geodaten. Dafür haben wir uns

480
00:30:25,760 --> 00:30:30,640
angeschaut, wie wir aus unserem Datensatz
Geodaten extrahieren oder Koordinaten

481
00:30:30,640 --> 00:30:34,360
extrahieren können. Und wir haben
rausgefunden, dass es relativ einfach

482
00:30:34,360 --> 00:30:39,070
über Google-Maps-URLs geht. Die also wenn
man sich einen bestimmten Bereich anschaut

483
00:30:39,070 --> 00:30:44,490
meisten oben in der URL die geographischen
Koordinaten enthalten. D.h. wir konnten

484
00:30:44,490 --> 00:30:48,930
aus unserem Datensatz einige Mio. von
diesen Koordinatenpaaren extrahieren und

485
00:30:48,930 --> 00:30:52,280
die auch nach entsprechenden Nutzer
gruppieren und können damit eine

486
00:30:52,280 --> 00:30:57,990
komplette Karte von der Nutzeraktivität
anfertigen. Also wir sehen z.B. welche

487
00:30:57,990 --> 00:31:01,680
Kartenausschnitte sich User angeschaut
haben. Wenn sie z.B. nach Urlaubszielen

488
00:31:01,680 --> 00:31:06,290
geschaut haben, vielleicht nach ihrem
Arbeitsort, nach einem Weg, nach einer

489
00:31:06,290 --> 00:31:09,670
Wegbeschreibung. Und können diese
Information also auch Nutzergenau

490
00:31:09,670 --> 00:31:14,581
verarbeiten. Und Geodaten sind besonders
interessant hierfür, weil es sehr viel

491
00:31:14,581 --> 00:31:20,960
schwieriger ist, diese selbst zu ändern,
da es ja relativ einfach ist seine

492
00:31:20,960 --> 00:31:24,910
Surfgewohnheiten oder Videogewohnheiten im
Zweifelsfall anzupassen aber es relativ

493
00:31:24,910 --> 00:31:29,710
schwierig ist, bspw. die Arbeitsstelle
oder den Wohnort oder sämtliche vertraute

494
00:31:29,710 --> 00:31:33,549
Orte zu wechseln. D.h. diese Information
sehr, in diesem Sinne sticky, in dem

495
00:31:33,549 --> 00:31:38,250
Sinne, dass sie dem User über lange Zeit
auch zuordenbar sind normalerweise. Und

496
00:31:38,250 --> 00:31:41,900
wir können auch wieder aus verschiedenen
öffentlichen Quellen Informationen

497
00:31:41,900 --> 00:31:44,500
extrahieren. Bspw. aus Google-Maps oder

498
00:31:44,500 --> 00:31:47,370
auch über Flickr, wo auch viele Fotos 
geocodiert sind und

499
00:31:47,370 --> 00:31:50,860
können dann über diese Information
ein Matching mit den Daten, die wir in

500
00:31:50,860 --> 00:31:52,670
unserem Datensatz haben, durchführen.

501
00:31:52,670 --> 00:31:55,870
Und hier ist es auch so, dass wir 
über eine relativ kleine Anzahl

502
00:31:55,870 --> 00:31:59,060
also weniger als 10 Datenp unkte im 
Idealfall, ähm Normalfall,

503
00:31:59,060 --> 00:32:03,980
den einzelnen Nutzer aus dem Datensatz
extrahieren und identifizieren können.

504
00:32:07,230 --> 00:32:08,809
So, eine Frage die ich oft gestellt
bekomme, ist:

505
00:32:08,809 --> 00:32:11,809
Kann ich mich verstecken in meinen Daten?

506
00:32:11,809 --> 00:32:15,970
Also, ist es möglich dadurch,
dass ich mich unvorhergesehen verhalte,

507
00:32:15,970 --> 00:32:19,930
dass ich vielleicht Webseiten öffne,
die ich normalerweise nie anschauen

508
00:32:19,930 --> 00:32:23,870
würde, dass ich den Algorithmus verwirre
und dementsprechend nicht in den Daten

509
00:32:23,870 --> 00:32:30,330
auftauche werde? Da muss leider sagen,
dass funktioniert vermutlich nicht, aus

510
00:32:30,330 --> 00:32:36,760
dem einfachen Grund, dass wir ja ein
Matching machen über die Zuordnung von

511
00:32:36,760 --> 00:32:40,580
Eigenschaften, die entweder erfüllt oder
nicht erfüllt sind und ich als einzelner

512
00:32:40,580 --> 00:32:44,380
Nutzer ja nur die Möglichkeit habe,
zusätzliche Datenpunkte zu meinem

513
00:32:44,380 --> 00:32:48,080
persönlichen Vektor hinzuzufügen aber
meistens keine Datenpunkte von diesem

514
00:32:48,080 --> 00:32:52,640
entfernen kann. D.h. wenn ich hier schon
mit meinen bestehenden Datenpunkten zu

515
00:32:52,640 --> 00:32:56,111
100% identifiziert bin, kann ich
eigentlich so viele Punkte hinzufügen wie

516
00:32:56,111 --> 00:33:01,720
ich möchte und werde trotzdem nicht im
normalfall von dem Algorithmus mit einem

517
00:33:01,720 --> 00:33:06,170
anderen User verwechselt werden können.
D.h. diese Verfahren ist in dem Sinne sehr

518
00:33:06,170 --> 00:33:12,690
robust gegenüber der Perturbation oder
der Änderung der Daten durch den Nutzer.

519
00:33:12,690 --> 00:33:18,550
Als kleines Zwischenfazit kann man also
sagen, dass diese Art von Datensätzen die

520
00:33:18,550 --> 00:33:22,390
sehr viele Dimensionen und sehr viele
Eigenschaften enthalten extrem schwierig

521
00:33:22,390 --> 00:33:27,200
zu anonymisieren sind und auch bei
entsprechender Absicht man nicht immer

522
00:33:27,200 --> 00:33:29,650
sicher sein kann, dass
Anonymisierungsmaßnahmen,

523
00:33:29,650 --> 00:33:31,150
die man ergreift, wirklich

524
00:33:31,150 --> 00:33:34,050
ausreichend sind, um sämtliche Nutzer
oder sogar nur einen kleinen Teil

525
00:33:34,050 --> 00:33:36,330
von Nutzern in dem Datensatz zu schützen.

526
00:33:36,330 --> 00:33:38,100
Weiterhin ist es auch so, dass heute

527
00:33:38,100 --> 00:33:41,530
eigentlich immer mehr öffentlich
verfügbare Informationen über Personen

528
00:33:41,530 --> 00:33:46,410
zur Verfügung stehen, die auch genutzt
werden können, um Daten die anonymisiert

529
00:33:46,410 --> 00:33:51,040
wurden z.B. vor 10 Jahren oder vor 5
Jahren jetzt mit neuen Datenpunkten in dem

530
00:33:51,040 --> 00:33:55,030
Sinne besser zu deanonymisieren. D.h. es
wird immer einfacher möglich, auch aus

531
00:33:55,030 --> 00:33:58,280
bestehenden Datensätzen entsprechende
Nutzerdaten und

532
00:33:58,280 --> 00:34:02,630
Personen-Identifikationsmerkmale zu
extrahieren. Und wie wir gesehen haben,

533
00:34:02,630 --> 00:34:06,290
reichen dafür oft eigentlich schon sehr
wenige Datenpunkte aus, um wirklich

534
00:34:06,290 --> 00:34:10,819
einzelne Nutzer herauszusuchen und
eindeutig zu identifizieren.

535
00:34:10,819 --> 00:34:17,629
S: Ja was bedeutet das? 
Was bedeutet das, wenn man mit seinen

536
00:34:17,629 --> 00:34:19,589
eigenen Daten konfrontiert wird?

537
00:34:19,589 --> 00:34:22,830
Also wenn jemand anders einen mit 
seinen Daten konfrontiert?

538
00:34:22,830 --> 00:34:24,700
Also z.B. Ich?

539
00:34:24,700 --> 00:34:27,530
Wir haben, die Recherche war
für ein politisches Magazin

540
00:34:27,530 --> 00:34:29,520
und deswegen haben wir vor allem nach

541
00:34:29,520 --> 00:34:32,330
Politikern geschaut und auch die 
Politiker selbst

542
00:34:32,330 --> 00:34:34,729
oder deren Mitarbeiter gefunden 
in diesen Daten.

543
00:34:34,729 --> 00:34:37,449
Waren zwei Grüne dabei, 
drei von der SPD,

544
00:34:37,449 --> 00:34:39,808
darunter auch Mitarbeiter aus dem

545
00:34:39,808 --> 00:34:42,808
Büro von Lars Klingbeil, 
Netzpolitischer Specher,

546
00:34:42,808 --> 00:34:50,549
ein Europaparlamentarier und das
zog sich sozusagen bis ins Kanzleramt und

547
00:34:50,549 --> 00:34:54,239
auch dort in einem Büro, bei einem
Staatsminister bei der Bundeskanzlerin war

548
00:34:54,239 --> 00:34:58,599
auch ein Mitarbeiter betroffen. Wobei die
Mitarbeiter fast interessanter sind als

549
00:34:58,599 --> 00:35:02,389
die Politiker selbst, weil die Mitarbeiter
sehr viel inhaltliche Arbeit für die

550
00:35:02,389 --> 00:35:04,879
Politiker machen. Und auch sowas,

551
00:35:04,879 --> 00:35:08,209
wie deren Reisen planen, 
Kontakte herstellen.

552
00:35:08,209 --> 00:35:13,139
Jetzt wollte selbstverständlich nicht 
jeder gerne mit uns reden und

553
00:35:13,139 --> 00:35:16,199
vor allem nicht vor der Kamera.

554
00:35:16,199 --> 00:35:19,729
Einer hat es dann getan, das ist 
Valerie Wilms.

555
00:35:19,729 --> 00:35:23,930
Bevor wir sie jetzt mal hören, schauen 
mir doch erstmal in ihre Daten.

556
00:35:23,930 --> 00:35:26,430
*lachen*

557
00:35:26,430 --> 00:35:31,609
Sie hat es freigegeben für diesen Vortrag,
sage ich noch dazu. Weil hier habe ich

558
00:35:31,609 --> 00:35:36,489
jetzt sozusagen wirklich nichts
anonymisiert, wie in dem Datensatz davor.

559
00:35:36,489 --> 00:35:43,950
So 01.08., ist auch Frühaufsteherin, erst
mal Banking... noch mal Banking... d.h.

560
00:35:43,950 --> 00:35:49,930
man kann also hier ziemlich gut sehen z.B.
wo Leute ihre Konten haben. Auf die Konten

561
00:35:49,930 --> 00:35:55,269
selbst kann man nicht zugreifen, aber man
weiß wo. Bisschen unangenehmer wird's

562
00:35:55,269 --> 00:36:00,449
dann für sie sozusagen Ende August, da
haben viele Leute ihre in Deutschland ihre

563
00:36:00,449 --> 00:36:04,069
Steuererklärung gemacht. Das habe ich
auch als Video nochmal. Da kann man

564
00:36:04,069 --> 00:36:05,069
nochmal so ein bisschen runterscrollen,

565
00:36:05,069 --> 00:36:07,960
Dann sehen wir ein bißchen mehr von ihrer

566
00:36:07,960 --> 00:36:13,870
Steuererklärung. Also man kann jetzt hier
sozusagen auf Elster-Online nicht selbst

567
00:36:13,870 --> 00:36:18,160
zugreifen. Also wenn wir das jetzt machen
würden, würden wir sozusagen nicht

568
00:36:18,160 --> 00:36:22,299
weiter kommen, weil dann auch nach einem
Passwort verlangt wird. Aber wir können

569
00:36:22,299 --> 00:36:27,190
sehen, welche Vordrucke sie sich
angeschaut hat. Und können so

570
00:36:27,190 --> 00:36:31,040
Informationen gewinnen, über Dinge,

571
00:36:31,040 --> 00:36:37,200
die sie gedenkt zu versteuern. 
Und es ist recht detailreich.

572
00:36:43,530 --> 00:36:49,359
Ja, was hat sie nur dazu
gesagt, als wir bei ihr im Büro saßen?

573
00:36:49,359 --> 00:36:54,269
Wir können Sie einmal kurz hören dazu.

574
00:36:54,269 --> 00:36:58,550
Valerie Wilms: Ist rechts alles zu sehen?
Scheiße!

575
00:36:58,550 --> 00:37:01,450
*Gelächter*

576
00:37:01,450 --> 00:37:12,360
*Applaus*

577
00:37:12,360 --> 00:37:17,180
S: Gab noch eine andere Geschichte, 
auf die wir sie angesprochen haben.

578
00:37:17,180 --> 00:37:20,779
Gibt ja nicht nur Steuererklärungen
sondern man schaut ja auch sowas bei

579
00:37:20,779 --> 00:37:26,470
Google nach Tebonin nimmt man so 
bei Hörsturz, Tinitus,

580
00:37:26,470 --> 00:37:29,160
Abgeschlagenheit. Ist natürlich gerade

581
00:37:29,160 --> 00:37:33,079
für Politiker ein großes Problem, wenn 
solch Informationen an die Öffentlichkeit

582
00:37:33,079 --> 00:37:38,419
gelangen, Menschen dann falsche Schlüsse
daraus ziehen oder auch, ja, die Leute

583
00:37:38,419 --> 00:37:44,050
damit erpressen können. Z.B. haben wir 
sie auch darauf angesprochen.

584
00:37:44,050 --> 00:37:47,329
Will ich die Reaktion nicht vorenthalten.

585
00:37:47,819 --> 00:37:51,519
Valerie Wilms: Ich weiß gar nicht in
welchem Zusammenhang ich dieses

586
00:37:51,519 --> 00:37:54,549
Tebonin mir da angeguckt habe, 
das ist nicht schön,

587
00:37:54,549 --> 00:37:59,890
sowas nachträglich zu lesen. Vor allen 
Dingen verknüpft mit dem eigenen Namen.

588
00:37:59,890 --> 00:38:05,480
S: Ja, das war Valerie Wilms zu ihren
Daten. An diesem ganz kleinen Ausschnitt

589
00:38:05,480 --> 00:38:10,940
sieht man wie Problematisch diese Daten
sind. Ich hab jetzt nicht die Beiträge

590
00:38:10,940 --> 00:38:17,640
gezeigt, wo Menschen ihre sexuellen
Vorlieben ausleben. Weil, dass betrifft

591
00:38:17,640 --> 00:38:22,039
natürlich auch Leute, die in
öffentlichen oder in relevanten

592
00:38:22,039 --> 00:38:27,369
Positionen stehen. Natürlich sind auch
Richter in diesen Daten. Natürlich sind

593
00:38:27,369 --> 00:38:34,819
auch Wirtschaftsbosse in diesen Daten. Und
natürlich sind das alles Menschen und die

594
00:38:34,819 --> 00:38:39,779
haben Träume und die haben Gedanken, und
es überhaupt nichts, was in dritte Hände

595
00:38:39,779 --> 00:38:44,859
gehört. Und deshalb war mit allen mit
denen wir gesprochen haben, im Zuge dieser

596
00:38:44,859 --> 00:38:51,930
Recherche, war das für alle Betroffenen
sehr schockierend. Aber wer hat sie

597
00:38:51,930 --> 00:38:57,489
ausgespäht? Woher kommen diese Daten? War
es irgendwie ein shady Trojaner oder so

598
00:38:57,489 --> 00:39:04,039
auf dem Rechner? Nein. Wir sind relativ
schnell drauf gekommen, dass es

599
00:39:04,039 --> 00:39:09,579
Browser-Plugins sind und haben dann einen
kleinen Test gemacht, haben einen Nutzer

600
00:39:09,579 --> 00:39:15,190
gebeten Add-Ons zu deinstallieren. Und
haben dann eines herausfinden können;

601
00:39:15,190 --> 00:39:26,069
Web-of-Trust - Was machen die so?
Safe Web Search & Browsing.

602
00:39:26,069 --> 00:39:28,220
*Applaus*

603
00:39:28,220 --> 00:39:34,200
Haben das dann noch mal mit einem sauberen
Browser sozusagen gegengetestet in der

604
00:39:34,200 --> 00:39:40,749
Zeit als wir eine Möglichkeit hatten Live
in die Daten zuzugreifen, das hat ein

605
00:39:40,749 --> 00:39:46,569
Securityspezialist für uns gemacht Mike
Kuketz und der hatte eine extra Webseite

606
00:39:46,569 --> 00:39:50,380
aufgesetzt, einen sauberen Browser, nur
dieses eine Plugin installiert und wir

607
00:39:50,380 --> 00:39:54,069
konnten ihn in den Daten sehen. Und
dadurch konnten wir sicher sein, dass es

608
00:39:54,069 --> 00:39:58,440
eben bei diesem einen Plugin auch
tatsächlich der Fall war, dass dieser Weg

609
00:39:58,440 --> 00:39:59,579
eben so gegangen ist.

610
00:39:59,579 --> 00:40:07,349
A: Ja, warum ist das Tracking per App oder
Extension eigentlich so interessant für

611
00:40:07,349 --> 00:40:10,880
die Anbieter? Nun für Unternehmen ist es
eigentlich immer sehr spannend ein

612
00:40:10,880 --> 00:40:15,380
möglichst detailliertes Bild von einem
entsprechenden Nutzer zu gewinnen. D.h.

613
00:40:15,380 --> 00:40:19,100
ich möchte, wenn möglich, sämtliche Daten
die über den Nutzer zur Verfügung

614
00:40:19,100 --> 00:40:23,099
stehen. Und bei normalen Treckern ist das
ja so, dass ich als Nutzer mir eine

615
00:40:23,099 --> 00:40:26,590
Webseite runterlade, in meinen Browser,
dann ein entsprechend ein

616
00:40:26,590 --> 00:40:30,159
JavaScript-Applet oder ein anderes
Tracking-Tag ausgeführt wird, dass eine

617
00:40:30,159 --> 00:40:32,369
entsprechende Verbindung aufbaut zu einem

618
00:40:32,369 --> 00:40:34,290
Tracking-Server und da Bspw. ein Cockie

619
00:40:34,290 --> 00:40:37,609
setzt oder eine andere Information
speichert, die mich dann als Nutzer

620
00:40:37,609 --> 00:40:42,319
nachverfolgt. In den letzten hat sich
dagegen, verständlicherweise, eine Menge

621
00:40:42,319 --> 00:40:47,319
Widerstand auch geregt und viele Leute
benutzen mittlerweile Blocker, die

622
00:40:47,319 --> 00:40:51,249
verhindern, dass solche Tracking-Scripte
ausgeführt werden. Oder die Verbindung zu

623
00:40:51,249 --> 00:40:54,899
den Tracking-Servern abfangen oder
blockieren. D.h. es wird immer schwieriger

624
00:40:54,899 --> 00:40:59,299
für die Tracking-Anbieter qualitativ
hochwertige Daten zu bekommen und da liegt

625
00:40:59,299 --> 00:41:04,870
es doch eigentlich nahe, dass man sich
solchen Mechanismen, in Form von einer

626
00:41:04,870 --> 00:41:09,020
Extension, zu Nutze macht, in dem man
die Sicherheitsmaßnahmen, die es in dem

627
00:41:09,020 --> 00:41:12,609
Browser eigentlich per Default gibt,
relativ einfach umgeht und dann über

628
00:41:12,609 --> 00:41:16,969
diesen Side-Channel sozusagen die
Information bei jeder einzeln aufgerufenen

629
00:41:16,969 --> 00:41:20,960
URL direkt an den Tracking-Server sendet.
Und das hat einen weiteren Vorteil für

630
00:41:20,960 --> 00:41:24,530
die Anbieter, weil damit nicht nur die
Seiten überwacht werden können, die

631
00:41:24,530 --> 00:41:28,160
wirklich Tracking-Codes auch explizit
beinhalten, sondern auch viele andere

632
00:41:28,160 --> 00:41:33,200
Webseiten, die überhaupt keine Codes auf
der Seite haben. Also Bspw. Seiten von

633
00:41:33,200 --> 00:41:37,349
öffentlich Rechtlichen Institutionen, die
ihre Nutzer im Normalfall nicht tracken.

634
00:41:37,349 --> 00:41:42,011
D.h. es ist also möglich über dieses
Verfahren von einer kleineren Anzahl an

635
00:41:42,011 --> 00:41:46,839
Usern allerdings ein sehr viel größeres
Spektrum an Daten, im Idealfall oder im

636
00:41:46,839 --> 00:41:51,440
schlimmsten Fall, je nachdem wie man das
sieht, die komplette Browsinghistory von

637
00:41:51,440 --> 00:41:56,009
diesem entsprechenden User zu gewinnen.
So, wir haben uns in unserem Datensatz

638
00:41:56,009 --> 00:42:00,759
dafür nochmal angeschaut, wie viele von
diesen Extensions es eigentlich gibt und

639
00:42:00,759 --> 00:42:05,079
wie viele Daten jede von diesen Extensions
generiert. Und hier haben wir wieder einen

640
00:42:05,079 --> 00:42:08,499
doppelt logarithmischen Plot, wo auf der
einen Seite hier der Rang der

641
00:42:08,499 --> 00:42:10,449
entsprechenden Extension aufgetragen ist

642
00:42:10,449 --> 00:42:12,859
d.h. je mehr Datenpunkte von 
der Extension

643
00:42:12,859 --> 00:42:18,210
wir bekommen haben, umso weiter finden Sie
hier die Extension links. Und auf der

644
00:42:18,210 --> 00:42:21,879
anderen Achse haben wir die Anzahl der
Datenpunkte entsprechend aufgetragen. Und

645
00:42:21,879 --> 00:42:26,630
wir sehen hier, dass die populärste
Extension, das ist Web-of-Trust bereits

646
00:42:26,630 --> 00:42:31,319
für 1 Mrd. Datenpunkte in dem Datensatz
verantwortlich ist. Und wenn man die

647
00:42:31,319 --> 00:42:36,809
ersten 10 Extensions nehmen, sehen wir,
dass bereits 95% der Daten davon abgedeckt

648
00:42:36,809 --> 00:42:42,380
werden. D.h. es ist also eine kleine
Anzahl von Extension, die eigentlich die

649
00:42:42,380 --> 00:42:46,660
größte Masse an Daten hier für diesen
Anbieter produziert. Wobei es auch sehr

650
00:42:46,660 --> 00:42:50,990
viele, also hier fast 10.000 verschiedene
Application-IDs gibt, die teilweise einige

651
00:42:50,990 --> 00:42:57,200
100 oder bis zu einige 100.000 oder einige
Mio. Datenpunkte ihrerseits liefern. Es

652
00:42:57,200 --> 00:43:00,999
ist nicht unbedingt gesagt, dass es auch
10.000 Extensions sind, weil wir keine

653
00:43:00,999 --> 00:43:04,839
eindeutige Zuordnung zu der Application-ID
haben, d.h. das ist eher eine obere

654
00:43:04,839 --> 00:43:08,279
Abschätzung. Und um jetzt ein genaueres
Bild zu bekommen,

655
00:43:08,279 --> 00:43:10,939
wie verseucht eigentlich so ein Web-Store

656
00:43:10,939 --> 00:43:14,159
ist, haben wir eine
Verhaltensanalyse durchgeführt,

657
00:43:14,159 --> 00:43:17,189
wofür wir mit einem 
Automatisierungsframework:

658
00:43:17,189 --> 00:43:19,839
Webdriver - uns einfach einen 
Chrome-Browser

659
00:43:19,839 --> 00:43:23,419
genommen haben, da automatisiert
verschiedene Extensions installiert haben

660
00:43:23,419 --> 00:43:28,869
und dann mit diesem Webdriver entsprechend
verschiedene Webseiten angesurft haben,

661
00:43:28,869 --> 00:43:33,589
wobei wir über einen Python-basierten
Proxy-Server dann mitgeloggt haben, welche

662
00:43:33,589 --> 00:43:38,109
URLs bzw. welche Webseiten von dem
entsprechenden Browser geöffnet wurden,

663
00:43:38,109 --> 00:43:41,609
wenn wir bestimmte Seiten angesteuert
haben. D.h. darüber konnten wir

664
00:43:41,609 --> 00:43:46,069
verfolgen, ob der Browser beim Öffnen von
bestimmten Seiten oder von allen URLs

665
00:43:46,069 --> 00:43:50,980
vielleicht noch zusätzlich Informationen
eventuell an Dritte schickt. Und das haben

666
00:43:50,980 --> 00:43:54,680
wir für ca. 500 Plugins so ausgeführt
und wie man hier sehen kann, verhalten

667
00:43:54,680 --> 00:43:58,719
sich die meisten eigentlich so, wie man
es erwarten würde, d.h die öffnen nur die

668
00:43:58,719 --> 00:44:03,180
URLs, die entsprechende Anzahl der URLs,
die man erwarten würde für den

669
00:44:03,180 --> 00:44:08,289
Testdatensatz, den wir verwendet haben. 
Und gleichzeitig gibt es auch einige

670
00:44:08,289 --> 00:44:12,750
Extensions, z.B. das hier, dass sich
merkwürdig verhält und sehr viele

671
00:44:12,750 --> 00:44:16,640
URL-Aufrufe hat. Und hier haben wir bei
einer genauen Analyse auch gesehen, dass

672
00:44:16,640 --> 00:44:20,710
das entsprechende Plugin oder die
Extension auch Daten an einen Drittserver

673
00:44:20,710 --> 00:44:25,150
schickt, bei jeder aufgerufenen URL. Wobei
man sagen muss, dass jetzt aus den 500

674
00:44:25,150 --> 00:44:30,449
untersuchten Extension nur einige dabei
waren, die wirklich eventuell schadhaftes

675
00:44:30,449 --> 00:44:33,599
Verhalten zeigen. D.h. die
Wahrscheinlichkeit, dass man sich mit

676
00:44:33,599 --> 00:44:37,430
Extension infiziert, in dem man Sachen
runterlässt aus dem Webstore ist aktuell

677
00:44:37,430 --> 00:44:43,990
noch relativ gering, scheint aber größer
zu werden. So, die letzte Frage ist

678
00:44:43,990 --> 00:44:48,559
natürlich: Wie oder kann ich mich
überhaupt gegen so etwas schützen? Und

679
00:44:48,559 --> 00:44:53,759
ich denke, daß in einigen Jahren es trotz
client-seitigen blockierens von Trackern

680
00:44:53,759 --> 00:44:57,680
immer schwieriger sein wird sich als
Nutzer anonym im Internet zu bewegen, weil

681
00:44:57,680 --> 00:45:01,999
es, wie wir gesehen haben, anhand von
einigen wenigen Datenpunkten möglich ist,

682
00:45:01,999 --> 00:45:06,069
eine Identifikation von an sich
anonymisierten Daten herzustellen.

683
00:45:06,069 --> 00:45:09,899
Dh. selbst wenn ich mit einem Tracker 
oder eine Extension sämtliche Tracker

684
00:45:09,899 --> 00:45:13,320
blockiere, habe ich immer noch solche
Dinge wie: meine IP-Adresse, meinen

685
00:45:13,320 --> 00:45:17,200
User-Agent und die Kombination aus
mehreren solchen Eigenschaften kann schon

686
00:45:17,200 --> 00:45:20,989
ausreichen, um mich wieder eindeutig zu
identifizieren in größeren Datensätzen.

687
00:45:20,989 --> 00:45:25,579
D.h. wenn ich wirklich sicher im Internet
unterwegs sein möchte, müsste ich

688
00:45:25,579 --> 00:45:28,950
zumindest darauf achten, dass ich
möglichst viele dieser Eigenschaften

689
00:45:28,950 --> 00:45:33,200
ständig rotiere und ändere in dem
ich bspw. VPN-Lösungen benutze, die auch

690
00:45:33,200 --> 00:45:37,630
rotierende IP-Adressen verwenden. Wobei
das auch keine Garantie natürlich ist,

691
00:45:37,630 --> 00:45:41,900
dass man nicht getrackt werden kann. 
D.h. es wird also immer schwieriger sich

692
00:45:41,900 --> 00:45:48,160
im Internet zu bewegen, ohne dem Risiko
der Deanonymisierung ausgesetzt zu sein.

693
00:45:48,160 --> 00:45:57,440
S: Genau, was ist so das Ergebnis von der
Recherche gewesen? Also WOT verschwand

694
00:45:57,440 --> 00:46:02,499
relativ kurz nach der Veröffentlichung
des Berichts zunächst mal aus dem

695
00:46:02,499 --> 00:46:08,519
Chrome-Webstore und aus dem Mozilla-Store
und es haben natürlich sehr viele Nutzer

696
00:46:08,519 --> 00:46:12,910
wie verrückt Plugins deinstalliert.
Deswegen können wir davon ausgehen, dass

697
00:46:12,910 --> 00:46:20,390
auch der Datenstrom dann eingebrochen ist.
Aber natürlich die Plugins, die weiterhin

698
00:46:20,390 --> 00:46:26,239
installiert sind und Nutzer, die es jetzt
nicht deinstalliert haben, da läuft es

699
00:46:26,239 --> 00:46:30,650
natürlich weiter. Und auch inzwischen,
jetzt ein paar Wochen nach der Recherche,

700
00:46:30,650 --> 00:46:40,150
ist WOT wieder im Google-Chrome-Store
verfügbar. So mein persönliches Fazit

701
00:46:40,150 --> 00:46:46,210
daraus ist, ein Stück weit defend
yourself. Sprich, Andreas hatte schon

702
00:46:46,210 --> 00:46:51,259
angedeutet, man kann sich nicht auf die
Stores verlassen, man muss sich ein Stück

703
00:46:51,259 --> 00:46:55,999
weit selbst schützen und selbst
überlegen, was kann ich tun um dieser

704
00:46:55,999 --> 00:47:00,690
Überwachung zu entgehen. Ja, also wir
sind recht am Ende von unserem Talk aber

705
00:47:00,690 --> 00:47:05,079
trotzdem ganz wichtig nochmal der Dank an
ein relativ großes Team was uns

706
00:47:05,079 --> 00:47:08,950
unterstützt hat in dieser Zeit ja vor
allem meine Kollegin die Jasmin Klofta

707
00:47:08,950 --> 00:47:12,249
sitzt in der ersten Reihe, ja Dankeschön.

708
00:47:12,249 --> 00:47:18,390
*Applaus*

709
00:47:29,830 --> 00:47:32,569
Herald: So, wir haben noch ein wenig Zeit
für Fragen.

710
00:47:32,569 --> 00:47:35,569
Wer eine Frage hat, bewegt sich bitte zu

711
00:47:35,569 --> 00:47:44,789
bitte zu einem der Mikrofone. So, ich sehe
Bewegung. Aber ein paar flüchten erstmal.

712
00:47:44,789 --> 00:47:52,919
War vielleicht doch nicht ganz so einfach
für die Nichtdeutschsprachigen., aber sehr

713
00:47:52,919 --> 00:47:55,900
spannend. Dahinten haben wir
eine Frage an Mikrofon 6 bitte.

714
00:47:55,900 --> 00:48:01,940
Mikrofon 6: Hallo, angenommen die Person,
über die man die öffentlichen Daten

715
00:48:01,940 --> 00:48:06,390
sammelt, ist nicht im Pool von den
anonymisierten Daten. Dann gibts ja eine

716
00:48:06,390 --> 00:48:09,780
Möglichkeit für einen False-Positive.
Oder kann man das ausschließen?

717
00:48:09,780 --> 00:48:15,309
A: Ja, natürlich gibt es auch die
Möglichkeit von einem False-Positive. Das

718
00:48:15,309 --> 00:48:21,289
das hängt natürlich immer ein bisschen von
der Nutzung der Daten ab, ob das

719
00:48:21,289 --> 00:48:25,200
problematisch ist oder nicht für den
Anbieter. Es kann ja auch sein, wenn ich

720
00:48:25,200 --> 00:48:29,469
Bspw. Nutzern Werbung anzeigen möchte, es
vielleicht auch gut genug ist, wenn ich

721
00:48:29,469 --> 00:48:33,020
den Nutzer mit einer Wahrscheinlichkeit
von 10% schon identifiziere.

722
00:48:33,020 --> 00:48:35,099
D.h. ich kann auch mit False-Positives

723
00:48:35,099 --> 00:48:36,119
oder der Anbieter kann auch mit

724
00:48:36,119 --> 00:48:37,709
False-Positives entsprechend leben.

725
00:48:37,709 --> 00:48:39,159
Aber es ist natürlich immer die

726
00:48:39,159 --> 00:48:40,880
Möglichkeit gegeben, das der Nutzer,

727
00:48:40,880 --> 00:48:42,649
wenn er nicht in dem Datensatz vorhanden

728
00:48:42,649 --> 00:48:45,189
ist, auch entsprechend identifiziert wird,

729
00:48:45,189 --> 00:48:48,570
obwohl gar nicht drin ist. Und das kann
natürlich für den Nutzer selber zu großen

730
00:48:48,570 --> 00:48:50,889
Problemen führen. Wenn ich da Bspw. an
Credit-Scoring denke,

731
00:48:50,889 --> 00:48:52,289
über Machinelearning,

732
00:48:52,289 --> 00:48:55,960
wo ich also vielleicht mit jemandem in
Verbindung gebracht werde, der ich gar

733
00:48:55,960 --> 00:49:00,329
nicht bin und Datenpunkte, die ich nicht
kontrollieren kann, entsprechend meine

734
00:49:00,329 --> 00:49:03,130
Kreditwürdigkeit dann beeinflussen kann.

735
00:49:03,130 --> 00:49:06,769
Herald: Gut, an Mikro 3 bitte.

736
00:49:06,769 --> 00:49:12,619
Mikrofon 3: Meine persönliche Frage ist,
was genau kostet das? Also kann sich eine

737
00:49:12,619 --> 00:49:17,880
kleinere, mittelgroße, Privatdetektei die
auf Datenschutz scheißt, können die sich

738
00:49:17,880 --> 00:49:18,880
Zugang holen?

739
00:49:18,880 --> 00:49:24,369
S: Ja, weiß nicht was die für ein Budget
haben aber diese Daten werden lizensiert.

740
00:49:24,369 --> 00:49:29,970
I.d.R. zahlt man für die Lizenz so für
einen Monat und im Jahr ist das so

741
00:49:29,970 --> 00:49:33,760
im 6-stelligen Bereich.

742
00:49:33,760 --> 00:49:36,899
Mirofon 2: 
Sie hatten von den 10 Schlimmsten

743
00:49:36,899 --> 00:49:38,989
gesprochen, aber die Liste vergessen.

744
00:49:38,989 --> 00:49:40,599
*Lachen*
*Applaus*

745
00:49:40,599 --> 00:49:44,869
A: Den 10 Schlimmsten, ach so, ja.

746
00:49:44,869 --> 00:49:47,599
*Applaus*
S: *lachen* genau

747
00:49:47,599 --> 00:49:51,110
A: Also wir haben auch lange überlegt ob
wir die Extensions entsprechend

748
00:49:51,110 --> 00:49:54,560
veröffentlichen können, wir haben
allerdings noch keine Zeit gehabt jetzt

749
00:49:54,560 --> 00:49:58,340
eine detaillierte Analyse zu machen. Und
ich möchte keine Namen jetzt nennen von

750
00:49:58,340 --> 00:50:02,069
Dingen, wo sich am Ende herausstellt, dass
es eigentlich gar nicht problematisch ist.

751
00:50:02,069 --> 00:50:04,289
Wir werden auf jeden Fall dran
bleiben und versuchen alle von diesen

752
00:50:04,289 --> 00:50:08,139
Extension, die in dem Datensatz drin sind
zu identifizieren. Aber wir wollen

753
00:50:08,139 --> 00:50:12,129
natürlich eine Gewissheit haben, dass auch
entsprechend wir die korrekten Extensions

754
00:50:12,129 --> 00:50:15,130
rausfiltern können, bevor wir
die Namen dann veröffentlichen.

755
00:50:15,130 --> 00:50:21,060
*Applaus*

756
00:50:21,060 --> 00:50:24,190
Herald: So, wir haben auch Fragen aus dem
Internet. Eine mal dazwischen.

757
00:50:24,190 --> 00:50:30,950
Signal Engel: Also ich nehme jetzt mal ein
paar Fragen aus dem Internet zusammen.

758
00:50:30,950 --> 00:50:35,030
Im wesentlichen lässt sich das
runterdampfen auf: Gibt es irgendwelche

759
00:50:35,030 --> 00:50:39,319
technischen, juristischen oder sonstwie
gearteten Mittel um sich davor zu

760
00:50:39,319 --> 00:50:43,799
schützen, oder dagegen vorzugehen? Oder
wurde da schon versucht da z.B. zu klagen?

761
00:50:43,799 --> 00:50:46,300
A: Möchtest du das beantworten?

762
00:50:46,300 --> 00:50:50,099
S: Ja, also einen Teil kann ich
beantworten. Also jetzt von unseren

763
00:50:50,099 --> 00:50:54,811
Betroffenen hat da noch niemand geklagt.
So technisch gibt es natürlich

764
00:50:54,811 --> 00:50:57,849
Möglichkeiten sich zu schützen.
Zumindest ein gutes Stück weit.

765
00:50:57,849 --> 00:51:01,729
A: Ja, es gibt für den Nutzer natürlich
bedingte Möglichkeiten sich zu schützen.

766
00:51:01,729 --> 00:51:06,049
Das Problem ist ja, das viele Nutzer das
Problem gar nicht kennen oder nicht sich

767
00:51:06,049 --> 00:51:08,780
bewusst sind, dass ihre Daten entsprechend
gesammelt werden. Da ist also im

768
00:51:08,780 --> 00:51:12,100
Zweifelsfall die Verantwortung bei den
Browser-Herstellern und wir sind auch ein

769
00:51:12,100 --> 00:51:15,019
bisschen enttäuscht darüber, dass
Web-Of-Trust wieder in dem Chrome-Store

770
00:51:15,019 --> 00:51:19,339
drin ist und auch weiterhin fleißig Daten
sammelt. Und auch die entsprechenden

771
00:51:19,339 --> 00:51:20,339
Extensions, die schon vorher installiert

772
00:51:20,339 --> 00:51:22,690
wurden, auch nicht entfernt wurden in dem

773
00:51:22,690 --> 00:51:23,690
Sinne. D.h. im Zweifelsfalle ist wirklich

774
00:51:23,690 --> 00:51:25,950
der Hersteller des Browsers am besten in

775
00:51:25,950 --> 00:51:29,339
der Lage, den Nutzer vor solcher
Schadsoftware zu schützen, indem er ein

776
00:51:29,339 --> 00:51:33,149
korrektes Auditing von den Extensions
durchführt, bevor sie in dem Store landen

777
00:51:33,149 --> 00:51:34,809
und auch entsprechende Extensions,

778
00:51:34,809 --> 00:51:36,580
die gegen diese Bedingungen verstoßen

779
00:51:36,580 --> 00:51:37,879
schnell wieder entfernt.

780
00:51:37,879 --> 00:51:42,020
S: Und es macht auch Sinn sich mal
verschiedene Browser, Browseranbieter

781
00:51:42,020 --> 00:51:47,419
anzuschauen, weil es gibt ja auch neben
den Großen Kleinere, die noch mal mehr Wert

782
00:51:47,419 --> 00:51:50,720
legen eben darauf, dass man z.B. gar
keine Plugins installieren kann.

783
00:51:50,720 --> 00:51:56,710
Herald: An Nummer 5 bitte.

784
00:51:56,710 --> 00:52:02,089
Mikrofon 5: Gibt es die Möglichkeit, dass
ihr die Liste, die ihr für eure Recherche

785
00:52:02,089 --> 00:52:06,109
erstellt habt, von Unternehmen die Daten
verkaufen, veröffentlicht. Quasi als

786
00:52:06,109 --> 00:52:10,829
not-to-work-for-Liste. Ich mein unsereins
baut ja im Zweifelsfall irgendwelchen

787
00:52:10,829 --> 00:52:14,420
Scheiß, also liegt es
auch an uns es zu lassen.

788
00:52:14,420 --> 00:52:17,970
*Applaus*

789
00:52:17,970 --> 00:52:23,749
S: Ja, es fehlt natürlich ein Name, hier
in diesem ganzen Vortrag. Der Name des

790
00:52:23,749 --> 00:52:25,689
Datenhändlers oder auch tatsächlich die

791
00:52:25,689 --> 00:52:27,550
Namen der Firmen mit denen ich auch ein

792
00:52:27,550 --> 00:52:29,350
bisschen ernsthafter ins Geschäft 
gekommen bin.

793
00:52:29,350 --> 00:52:30,890
Das sind eigentlich juristische

794
00:52:30,890 --> 00:52:34,299
Gründe, warum wir das nicht 
veröffentlichen können oder dürfen.

795
00:52:34,299 --> 00:52:37,309
Einfach, ehrlich gesagt aus Furcht vor

796
00:52:37,309 --> 00:52:42,430
diesen Unternehmen, aus sozusagen 
Angst vor Klagen, die da kommen können.

797
00:52:42,430 --> 00:52:46,759
Und deshalb sieht es
zumindest im Moment so aus, als dürften

798
00:52:46,759 --> 00:52:51,390
wir die Namen nicht veröffentlichen. Aber
das ist noch work-in-progress sage ich mal.

799
00:52:51,390 --> 00:52:53,770
*Zwischenruf*

Wikiwleaks

800
00:52:53,770 --> 00:52:54,190
*Lachen*

801
00:52:54,190 --> 00:53:00,220
*Applaus*

802
00:53:00,220 --> 00:53:03,010
Engel: Mikro 1

803
00:53:03,010 --> 00:53:08,280
Mikrofon 1: So einer der Klassiker ist ja
JavaScript aus und Cockies aus und nur für

804
00:53:08,280 --> 00:53:12,349
irgendwie bestimmte Seiten, denen man
vertraut, zulassen. Jetzt sagen Sie aber

805
00:53:12,349 --> 00:53:15,949
auch... Aber wie weit würden Sie denn
kommen, wenn man jetzt wirklich sowas

806
00:53:15,949 --> 00:53:20,710
wegnimmt und nur über ip-basierte Daten
und sowas, wie weit würde man da mit der

807
00:53:20,710 --> 00:53:22,219
Deanonymisierung kommen?

808
00:53:22,219 --> 00:53:25,930
A: Also meines Wissens setzen viele
Anbieter bereits Verfahren ein die

809
00:53:25,930 --> 00:53:29,259
eigentlich nicht mehr auf Cockies
basieren, also nur noch, wenn diese

810
00:53:29,259 --> 00:53:33,190
verfügbar sind und die statt dessen auf
anderen Identifikationsmerkmalen basieren

811
00:53:33,190 --> 00:53:38,450
die entsprechend schwerer zu ändern sind.
Bspw: der IP-Adresse, der Device-ID oder

812
00:53:38,450 --> 00:53:42,280
anderen IDs, die entsprechend fix sind und
getrackt werden können über die Zeit.

813
00:53:42,280 --> 00:53:46,599
D.h. ist relativ einfach zumindest mit
einer hohen Wahrscheinlichkeit möglich

814
00:53:46,599 --> 00:53:51,460
Nutzer über verschiedene Endgeräte zu
identifizieren. Und ich kann mich

815
00:53:51,460 --> 00:53:55,239
natürlich über das Client-Seitige
Browser-Tracking schützen, aber das heißt

816
00:53:55,239 --> 00:53:59,459
nicht, dass ich mich gegen diese anderen
Tracking-Maßnahmen auch schützen kann.

817
00:53:59,459 --> 00:54:01,249
Engel: Mikro 6.

818
00:54:01,249 --> 00:54:09,619
Mikrofon 6: Zur Deanonymisierung. Ist es
möglich, so Deanonymisierung, stark zu

819
00:54:09,619 --> 00:54:16,720
erschweren oder zu verhindern durch so
Methoden wie Differential Privacy?

820
00:54:16,720 --> 00:54:21,450
A: Ja, dass ist in bestimmten Kontexten
anwendbar. Hier bei den Daten ist das

821
00:54:21,450 --> 00:54:25,140
Problem, dass ich selbst als Nutzer
eigentlich nicht kontrolliere, was ich von

822
00:54:25,140 --> 00:54:29,410
mir generiere, weil die Daten entweder
unbewusst oder ohne meine Zustimmung

823
00:54:29,410 --> 00:54:34,099
erhoben werden. D.h. das einzige was ich
tun kann als Nutzer ist zusätzlich

824
00:54:34,099 --> 00:54:37,890
Datenenpunkte zu liefern, ich habe aber
keine Möglichkeit Datenpunkte zu fälschen

825
00:54:37,890 --> 00:54:42,839
oder nur in sehr geringem Umfang zumindest
oder auch Datenpunkte wieder zu entfernen.

826
00:54:42,839 --> 00:54:48,599
D.h. in dem Sinne wäre das vermutlich eher
weniger angebracht aber klar im

827
00:54:48,599 --> 00:54:51,949
Zweifelsfall ist es immer besser möglichst
wenige Informationen rauszugeben.

828
00:54:51,949 --> 00:54:54,739
Obwohl eigentlich schon ausreicht wenige

829
00:54:54,739 --> 00:54:58,549
kleine Informationsschnipsel zu haben, 
die man dann relativ schnell auch

830
00:54:58,549 --> 00:55:00,679
zusammen fügen kann, wie wir gesehen 
haben.

831
00:55:00,679 --> 00:55:03,049
D.h. es ist auch wirklich schwer 
abzuschätzen und

832
00:55:03,049 --> 00:55:05,179
hängt auch immer sehr stark von der Natur

833
00:55:05,179 --> 00:55:10,129
des Datensatzes ab, wie verräterisch
einzelne Datenpunkte von mir sein können.

834
00:55:10,129 --> 00:55:13,289
Engel: Mikro 5.

835
00:55:13,289 --> 00:55:17,930
Mikrofon 5: Ich würde gerne ein bisschen
eine naive Frage stellen. Wieso ist das

836
00:55:17,930 --> 00:55:22,819
eigentlich quasi möglich oder erlaubt,
also die juristische Frage. Und auf der

837
00:55:22,819 --> 00:55:26,789
anderen Seite, scheint mir doch ein
gewisses Gefälle zu sein zu dem, was auf

838
00:55:26,789 --> 00:55:31,829
der einen Seite gemacht wird und sie die
jetzt Sorge haben, diese Namen zu nennen,

839
00:55:31,829 --> 00:55:35,490
auf der anderen Seite, da scheint es mir
ein gewisses juristisches Gefälle

840
00:55:35,490 --> 00:55:38,339
zu geben, das ich gerne verstehen würde.

841
00:55:38,339 --> 00:55:44,169
*Applaus*

842
00:55:44,169 --> 00:55:47,989
S: Sehr gute Frage, vielen Dank dafür. Wir
haben tatsächlich diesen juristischen

843
00:55:47,989 --> 00:55:50,649
Aspekt für diesen Vortrag ein Stück weit
ausgeklammert.

844
00:55:50,649 --> 00:55:53,249
Und der ist aber trotzdem hochspannend.

845
00:55:53,249 --> 00:55:57,519
Und wir haben viele Gespräche mit 
Datenschützern darüber geführt,

846
00:55:57,519 --> 00:56:01,970
mit Juristen darüber geführt und haben
tatsächlich auch Paragraphen gewälzt weil

847
00:56:01,970 --> 00:56:06,160
uns genauso diese Frage beschäftigt hat,
kann das überhaupt erlaubt sein. Also

848
00:56:06,160 --> 00:56:10,760
zumindest was man für Deutschland sagen
kann, das ist nicht erlaubt. Und zwar ganz

849
00:56:10,760 --> 00:56:15,259
einfach aus dem Grund, weil keiner der
Nutzer irgendwo dazu zugestimmt hat. Also

850
00:56:15,259 --> 00:56:19,360
keiner der Nutzer hat, die wir besucht
haben, hat irgendwo irgendwas angeklickt:

851
00:56:19,360 --> 00:56:23,329
„Ja ich möchte bitte, dass meine Daten in
diesem Umfang...“ Keiner. Und das kann

852
00:56:23,329 --> 00:56:30,289
sogar nach Aussage vom Datenschützer
eventuell strafrechtlich relevant sein,

853
00:56:30,289 --> 00:56:39,030
also sprich in Richtung Abhören gehen.
Bislang hat sich noch niemand berufen

854
00:56:39,030 --> 00:56:45,829
gefühlt, da tatsächlich Klage oder Anklage
zu führen. Was wir jetzt sozusagen machen

855
00:56:45,829 --> 00:56:49,930
trägt ja vielleicht dazu bei, dass es mal
eine Eingabe gibt beim Datenschützer und

856
00:56:49,930 --> 00:56:52,459
dass tatsächlich sich auch
mal jemand dahinter klemmt.

857
00:56:52,459 --> 00:56:56,129
A: Gerade bei Ausländischen Unternehmen
ist es natürlich immer sehr schwierig

858
00:56:56,129 --> 00:56:59,799
auch entsprechend eine Handhabe zu
bekommen, um die auch juristisch belangen

859
00:56:59,799 --> 00:57:04,299
zu können. D.h. da ist auch nochmal
sicherlich ein Gefälle vorhanden und auch

860
00:57:04,299 --> 00:57:08,710
die Strafen, die Unternehmen im
Zweifelsfall drohen, sind im Vergleich zu

861
00:57:08,710 --> 00:57:12,619
dem Schaden, der oder zu dem Risiko, das
Jemand eingeht, indem er diese Dinge

862
00:57:12,619 --> 00:57:16,770
veröffentlicht, eigentlich relativ gering.
Weswegen es auch relativ wenig zu solchen

863
00:57:16,770 --> 00:57:18,430
Dingen kommt, denken wir.

864
00:57:18,430 --> 00:57:21,079
Engel: Gut, ich denke wir haben
noch Zeit für zwei Fragen.

865
00:57:21,079 --> 00:57:22,880
Wir haben noch eine
aus dem Internet.

866
00:57:22,880 --> 00:57:26,530
Signal Engel: Das Internet lässt fragen,
in wie fern man sein eigenen

867
00:57:26,530 --> 00:57:30,379
Informationen, sofern sie auftauchen, von
euch bekommen kann oder auch nicht.

868
00:57:30,379 --> 00:57:32,940
A: Uh... schwierige Frage.

869
00:57:32,940 --> 00:57:33,940
*Applaus*

870
00:57:33,940 --> 00:57:41,400
S: Das ist recht einfach die Antwort. Gar
nicht. Die Daten gibts nicht mehr. Sorry.

871
00:57:41,400 --> 00:57:42,420
*Applaus*

872
00:57:42,420 --> 00:57:49,609
Herald: 
Kommen wir zu unserer letzten Frage.

873
00:57:49,609 --> 00:57:56,650
Mikrofon: Ja, also, Hallo, hört man das?
Ok. Ich bin dann immer ein Freund von

874
00:57:56,650 --> 00:58:02,170
Selbstverteidigung und so wie sie sagten,
aber die Frage ist, ist das überhaupt

875
00:58:02,170 --> 00:58:06,349
möglich? Also ich würde sagen, dass Thema
ist so komplex, dass sich wahrscheinlich

876
00:58:06,349 --> 00:58:09,969
die meisten, die hier sind, nur dann
schützen können, wenn sie wirklich viel

877
00:58:09,969 --> 00:58:16,550
Zeit reinstecken in diese Arbeit. Und ich
frage mich: meine Mutter, mein Vater, mein

878
00:58:16,550 --> 00:58:18,910
Onkel, wie sollen die
sich vor sowas schützen?

879
00:58:18,910 --> 00:58:22,089
A: Willst du oder soll ich?
S: Ja, mach ruhig.

880
00:58:22,089 --> 00:58:26,049
A: Ja, das ist das Problem, dass ich auch
eben kurz angesprochen habe. Und zwar,

881
00:58:26,049 --> 00:58:29,849
dass viele Nutzer auch gar nicht wissen,
dass sie getrackt werden und auch nicht

882
00:58:29,849 --> 00:58:34,109
die technischen Kenntnisse haben, um sich
effektiv gegen sowas zu schützen. Wir

883
00:58:34,109 --> 00:58:38,240
haben ja gesehen, obwohl die Leser von
Fefes-Blog eher technik-affin sind, gibts

884
00:58:38,240 --> 00:58:42,109
immer noch 3.000 Nutzer, die in dem
Datensatz auftauchen, die also auch

885
00:58:42,109 --> 00:58:45,859
getrackt wurden in dem Sinne. D.h. dass
selbst Leute mit IT-Kenntnissen und

886
00:58:45,859 --> 00:58:49,710
IT-Sicherheitserfahrung sind nicht dagegen
gefeit auch entsprechend getrackt zu

887
00:58:49,710 --> 00:58:54,150
werden. Weil es auch unglaublich schwierig
ist, auch für mich, sämtliche Methoden

888
00:58:54,150 --> 00:58:57,790
nachzuvollziehen und immer auf dem
aktuellen Stand zu sein. Und es ist auch

889
00:58:57,790 --> 00:59:01,999
sehr schwer abschätzbar, was man mit den
Daten eigentlich machen kann. Also es

890
00:59:01,999 --> 00:59:05,960
stimmt wirklich, ja, es ist wirklich, es
gibt keine gute Lösung momentan dafür.

891
00:59:05,960 --> 00:59:11,069
Herald: So es gibt zwar noch weitere
Fragen aber die Zeit ist leider vorbei.

892
00:59:11,069 --> 00:59:14,810
Wer noch fragen an die Beiden hat, kann
hier gleich einfach kurz nach vorne

893
00:59:14,810 --> 00:59:18,249
kommen. Erstmal möchte ich mich aber
herzlich bei euch beiden für diesen

894
00:59:18,249 --> 00:59:20,499
spannenden und interessanten
Vortrag bedanken.

895
00:59:20,499 --> 00:59:36,629
*Applaus*

896
00:59:36,629 --> 00:59:59,489
*Abspannmusik*