có thể tìm ra hoạt động di chuyển của mục tiêu theo dõi bằng cách lấy thông
tin các giao dịch bằng thẻ tín dụng của họ. Chỉ cần nhìn vào bản sao kê,
người ta có thể biết rằng tuần trước bạn đã đi taxi ở thành phố New York và
trả 54 đô-la cho chuyến đi đó.
Khoảng năm 2010, taxi bắt đầu sử dụng dữ liệu định vị toàn cầu GPS. Lúc
này, hãng taxi sẽ biết vị trí bạn bắt xe và xuống xe, tiền cước, và có lẽ số thẻ
tín dụng liên quan đến chuyến đi của bạn nữa. Dữ liệu này được New York,
San Francisco và các thành phố khác hỗ trợ phong trào dữ liệu mở trong
chính phủ cung cấp cho các nhà nghiên cứu. Chỉ cần không công khai danh
tính, thì việc công khai những dữ liệu ẩn danh đó có hại gì chứ?
Vào năm 2013, Anthony Tockar, khi đó là sinh viên cao học ở Đại học
Northwestern đang thực tập cho một công ty tên là Neustar, xem xét siêu dữ
liệu ẩn danh được Ủy ban Taxi và Limousine thành phố New York công bố.
Tập dữ liệu này chứa hồ sơ về mọi chuyến đi của những chiếc xe trong đoàn
xe taxi thuộc Ủy ban trong năm trước đó, bao gồm số xe taxi, thời gian đón
và trả khách, địa điểm, giá vé và số tiền tip, và phiên bản ẩn danh (giá trị
băm) của bằng lái và số hiệu của các lái xe taxi. Bản thân bộ dữ liệu này
không phải là điều thú vị. Giá trị băm trong trường hợp này đáng tiếc là có
thể dễ dàng truy ngược.
Tuy nhiên, khi kết hợp tập dữ liệu công khai với các tập dữ liệu khác, bạn
bắt đầu có được bức tranh hoàn chỉnh về những gì đang diễn ra. Trong
trường hợp này, Tockar đã có thể xác định nơi những người nổi tiếng như
Bradley Cooper và Jessica Alba bắt taxi trong thành phố New York. Tockar
đã làm thế nào để phát hiện được điều này?
Với dữ liệu vị trí, anh biết taxi đón và trả khách khi nào và ở đâu, nhưng còn
nhiều việc phải làm để có thể xác định được người ngồi trong xe. Vì vậy,
anh kết hợp siêu dữ liệu của Ủy ban Taxi và Limousine thành phố New York
với hình ảnh trực tuyến từ các trang báo lá cải có sẵn trên mạng. Một cơ sở
dữ liệu của các thợ săn ảnh (paparazzi).
