Saturación: contraataque a la recogida de datos

He tratado muchas veces el tema de la recogida de datos y la privacidad, ya que me parece preocupante. Ante esa práctica tendemos a protegernos omitiendo información personal, pero siempre he pensado que quizás habría otra forma de encararla. ¿Y si en vez de intentar ocultarlos celosamente pudiésemos generar tal cantidad de información falsa que saturasen las bases de datos? ¿Y si esa saturación las volviera un vertedero de tal forma que depreciara su valor? Lo que voy a escribir es simplemente una idea que me ronda desde hace tiempo. No soy experto en el tema, no sé si sería posible y desconozco sus efectos reales. Sin embargo creo que es un aspecto poco explorado que merece la pena plantear.

La recogida de datos es actualmente valiosa porque se hace con información real. Sólo tenemos un nombre, una dirección, un teléfono, etc. Bueno, a lo mejor no exactamente sólo uno, pero cada persona posee pocos rasgos auténticos que se van repitiendo en forma de patrón. Con ello pueden crearse perfiles y trazabilidad que le confieren ese carácter individual y distinguible. Intentar mantenerlos en secreto sólo los hace más jugosos porque cuando salen a la luz se convierten en auténticos tesoros. Y como esto es un mercado: a más difícil de conseguir = más valioso.

Si una base de datos fuera caótica entonces necesitaría mucho espacio, mucha supervisión, mucho filtrado, mucha prueba de ensayo y error para cotejarla. El desastre sería lo suficientemente grande como para desincentivar su uso porque el tiempo y los recursos para explotarla serían mayores que los beneficios. Generarlas sería un riesgo económico, y es ahí donde entra la idea de saturarlas hasta la náusea.

Recientemente vi un hilo en Twitter de El sabueso de Linux donde compartía un experimento. Esta cuenta dedicada al hacking y la ciberseguridad contaba en dicho hilo que recibió un mensaje falso de UPS sobre la llegada de un paquete a aduanas, siendo un obvio ataque de phishing que requería cubrir unos datos personales y la tarjeta de crédito bajo la premisa de recuperar el supuesto pedido. Lo que hizo este tuitero fue crear un scipt en Python que cubría esos datos de manera aleatoria pero convincente, y mandó hasta 10.000 peticiones con el objetivo de saturar la base de datos. Por consiguiente, en caso de haber información real de otros usuarios, ésta se perdería entre un mar de basura difícil de comprobar.

Eso me recordó un interesante artículo de FreakSpot llamado Cómo destruir Google, y donde una de sus ideas consistía en subir a sus servicios montones de miniarchivos de vídeo con tanta información por ruido que, a pesar de su corta duración, éstos pesarían varios gigabytes llenando de mierda su infraestructura. De haber algún tipo de organización contra la compañía sería relativamente fácil crear problemas, al menos en algunas regiones. Otra opción era usar extensiones que hicieran virtualmente cientos de clics por segundo en los anuncios para enviar una mayor carga de trabajo a los servidores y obstruir su funcionamiento.

Ahora imaginemos esos mismos principios en el campo de la información personal: si hubiera algún método para generar paquetes de datos aleatorios y enmascarar los reales con ellos, cada persona soltaría tal cantidad de duplicidades y basura que empezaría a ser un lastre económico, ya que almacenar toda esa información cuesta espacio y dinero. Esto multiplicado por cientos, miles o millones sería una saturación sin precedentes que ahogaría a las empresas de big data y márketing, ya que no sabrían cuánta cantidad de información sería falsa o aprovechable.

Podría funcionar como algún tipo de software sandboxing donde nuestros datos estuvieran protegidos mientras genera «avatares» o «puentes» de usar y tirar para los diferentes IDs, como hace el servicio de mail de DuckDuckGo o algunos gestores de contraseña. No sé qué método podría ser eficaz pero me temo que la ayuda de una pequeña red neuronal local para la generación de esos «datos fantasma» podría ser atractiva. Entrecomillo esas palabras porque no sé cómo denominarlo de forma técnica.

Con este método por cada persona y sesión podrían darse cien nombres y apellidos, cien direcciones de correo, cien ubicaciones, cien IP… ¿Cuál es el dato auténtico? ¿Los sistemas sabrían adivinarlo? ¿Cuánta carga de trabajo y tiempo les costaría? ¿Qué pasaría con una cantidad elevada de usuarios? Sería muy interesante ver estos efectos, aunque supongo que pensarían en algo para contrarrestarlo.

Como inconveniente quizás esta guerra de datos falsos podría iniciar una escalada de recursos para computación, tanto para generarlos como para sistemas de lectura de los mismos —por ejemplo ayudándose de IA—. También podría consumir ancho de banda y saturar servidores de todo tipo con posibilidades nocivas.

La parte buena es que, en el hipotético caso de que fuera posible y surtiera efecto, quizás veríamos desarmada esa práctica con la consiguiente crisis económica de empresas dedicadas a ella. Una huelga a la japonesa que generase un exceso de «stock de datos». Quizás incentivaría de nuevo a simplificar las webs, a adoptar una política de borrado de datos o a crear métodos alternativos que, ahora sí, respetasen la privacidad por el simple hecho de ahorrar recursos y evitar perder dinero.

¿Soy un soñador? Es probable, pero ahí lo dejo caer. Sería una venganza poética porque si no les tocamos el bolsillo no van a parar

¿No quieres caldo? Pues toma dos tazas.

NOTA: Según he leído en varios perfiles de gente que trabaja en big data el hecho de almacenar esa información es más «barato» que seleccionarla ya que requiere menos trabajo, por eso se recoge tanta de manera indiscriminada. Una saturación de datos por ese método empezaría a elevar su crecimiento exponencialmente, de tal forma que ya no sería tan barato almacenarlos y mucho menos seleccionarlos. El borrado de los mismos o directamente rehusar de ellos sería la vía más sensata de «supervivencia». De hecho es el sistema que usan algunos servicios/instancias del fediverso.

Imagen: Rawpixel / Dominio público