JP2014515855A - 個人データの配布ルールを構成する方法及びシステム - Google Patents

Abstract

【課題】本発明は、ターゲット・コンタクト（ＣＣ）に対するソーシャル・ネットワーク・ユーザ（Ｕ）の個人データを配布するためのルールを構成する方法及びシステムを提供する。
【解決手段】本方法は、ターゲット・コンタクトの行動データを取り出すことから構成される。この取り出された行動データおよびユーザによって定義された機密性プロフィールに基づいて、評価グレードが、ユーザの個人データの伝播についてユーザが示す危険に関してターゲット・コンタクトに割り当てられる。ターゲット・コンタクトに割り当てられるグレードに基づいて、ユーザの個人データを配布するためのルールを構成する勧告が、ユーザに発行される。
【参考図】図１

Description

本発明は、ソーシャル・ネットワークの領域、およびそのソーシャル・ネットワーク内の個人データの配布に関する。

より詳細には、本発明は、ソーシャル・ネットワークのユーザの個人データの配布のためにルールを構成する方法に関する。本発明は、また、ソーシャル・ネットワークのユーザの個人データの配布のためにルールを構成するためのシステム、アプリケーション・サーバ、およびコンピュータ・プログラム製品に関する。

ソーシャル・ネットワーキング・サイトは、世界中の何百万人ものユーザが、アカウントを開き、プロフィールを作成し、個人データまたは自分たちの私生活に関係する情報をこれらのサイトに公開することを可能にする。ソーシャル・ネットワークの各ユーザは、他のユーザとの関係（残りの説明においては、コンタクトとも呼ぶ）をその中で自らが受け入れる、自分自身のネットワークを作成する。これらのコンタクトは、性質によってグループ化することができる。したがって、たとえば、ユーザは、自分の家族のグループ、または自分の非常に親しい友達のグループ、または自分のあまり親しくない友達のグループ、または自分の同僚のグループに属するコンタクトを有することができる。ユーザはまた、自分のコンタクトのネットワークに参加させてほしいと依頼してきた見知らぬ人を受け入れることができる。各ユーザは、自分のコンタクトかどうかに関係なく、ソーシャル・ネットワークの他のユーザによる、自分の個人データの可視性を制御することができる。したがって、ユーザは、自分のネットワークの少数のコンタクトと一部の個人データのみを共有することに決めることができる。したがって、ソーシャル・ネットワークによって、そのユーザは、自分自身の私生活に関係する個人データを入力し、他のユーザと対話することが可能になる。ネットワークで利用可能にすることができる情報は、本質的に、関係のステータス、学歴もしくは職業、または他の関心事に関する。その場合、この情報によって、同じ関心事を共有するユーザを見つけることが可能になる。この状況では、ソーシャル・ネットワークの使用は、たとえば、写真、リンク、またはテキスト・メッセージなどを通じた、私生活に関係する個人データの共有に拡大されるだけである。しかし、それらのソーシャル・ネットワークは、また、機関、事業、および様々な主義の認識を高めるために、公開グループを作るために使用することもできる。そのようなグループのメンバー間の対話は、特に、通信文およびマルチメディア・ドキュメントの共有を含む。そのような場合、これらの公開グループで公開されたデータは、プロフィールと異なり、すべて公開され、該当するソーシャル・ネットワークのアカウントを有する必要なく、誰でも見ることができる。このデータは公開されているため、その所有者の同意なく誰でも、たとえば広告、フィッシング、またはなりすましに使用することができる。

さらに、一部のユーザ、特に最も若いユーザたちは、自分に似ていて、同じ関心事を共有するできるだけ多くの人々と会いたいと考える。このため、彼らは、制限なく個人データへのアクセスを許可する。その場合、彼らの個人データは、彼らのネットワークのコンタクトによって、次いで、彼ら自身のネットワークに属さない彼らのコンタクトのうちの複数のコンタクトによって、などのように配布される可能性がある。同様に、コンタクトは、非常に親しいコンタクトでも、自分のプロフィールを商業目的に使用することができるし、またはソーシャル・ネットワークがどのように機能するかよく理解していないコンタクトは、自分のプライバシー設定を正しく設定しておらず、自分のプロフィールを公開して、知らないうちに共有者になっている可能性もある。そのような場合、ユーザは、もはや自分自身のデータに対して制御することはできず、データは広く配布される可能性があり、彼らの同意なしで後に再使用されることもある。ユーザの個人データは、特に、ターゲットを定めた広告を送信するために広告主によって使用される。ソーシャル・ネットワークはまた、広告をさらに加工するために、ユーザのプロフィールだけではなく、彼らの消費者行動についても、そのメンバーに関する情報を合法的に転売する可能性がある。また、一部の企業は従業員に関する情報を収集するために公に利用可能な個人データを取り出す。また、採用担当者は候補者を選択するために情報を収集し、使用することができる。また、公共組織または政府機関は情報を収集し、自分たちのファイルに追加することができる。ウェブ上で公に利用可能な情報を検索し収集することによって、いずれのインターネット・ユーザも第３者による記述を取得することができる、いわゆる「評判」ウェブサイトがある。最後に、ユーザは、自らの個人データが拡散することにより、なりすましリスクをやはり高めることになる。

ユーザによっては、さらに危険を回避することを望み、自分の同意なく使用されたり、盗まれたりするという恐れから、そこに自分の個人データを入力したくないと考える者もいる。

したがって、ソーシャル・ネットワークのユーザが、自分の私生活に関係する自分自身の個人データに対する制御を保持するために、個人データを配布するためのルールを定義できることが非常に重要である。

現在、自分のデータがどのように保護すべきものであるかに関してソーシャル・ネットワークのユーザに注意を喚起するために、サービスを提供するシステムがある。それらのシステムの１つは、米国特許出願公開第２０１１／００２９５６６号の主題である。この文献に記述されているシステムは、ユーザの個人データが自分のコンタクトのそれぞれに見えるかどうかを分析する。次に、システムは、データの機密性がどれくらい高いかを分析する。したがって、データの機密性が高いと考えられるほど、保護を強化して配布を防ぐ必要がある。そうするために、システムは、十分に定義された属性フィールド、つまり、たとえば生年月日、電話番号、個人の住所、職種などを区別する。また、システムは、ユーザのコンタクトのそれぞれとのユーザの関係の性質に基づいている。つまり、たとえば、コンタクトが家族と識別されたグループ、または親しい友達のグループ、または親しくない友達のグループ、または同僚のグループに属するかどうかに基づいて、互いに異なる方法で関係を考慮する。次に、システムは、ユーザに、自分の私生活に関係する個人データのプライバシーに関して、どの程度制限するかを総合的な方法で構成するオプションを与える。そうするために、ユーザは、自分のコンタクト・グループとの自分の関係の性質に応じて、すなわち、各コンタクト・グループに対する自分の信用に基づいて、特定の属性フィールドへのアクセス権を与えるべきかどうかを選択する。

しかし、既存のシステムは、プライバシーに関して、ユーザがどの程度の制限を望むかに従って彼らのデータに基づいているものにすぎない。これらのシステムでは、コンタクトの行動、およびデータを伝播する前記コンタクトの能力に基づいて個人データを配布するためのルールを精緻化することができない。

米国特許出願公開第２０１１／００２９５６６号

したがって、本発明の１つの目的は、従来技術の弱点の少なくとも１つを改善することである。特に、本発明は、ユーザによって機密に属すと考えられる個人データを共有するために、ソーシャル・ネットワーク・ユーザのコンタクトの潜在能力が示す可能性がある危険を評価することを可能にすることを目的としている。

これを受けて、本発明の主題は、ターゲット・コンタクトに対してソーシャル・ネットワーク・ユーザの個人データを配布するためのルールを構成する方法であり、前記個人データは、カテゴリで分類され、前記方法は、
− 公への配布に関して、個人データ・カテゴリに、および行動要素にユーザが与える重要さの程度に基づいて、前記個人データ・カテゴリをランク付けし、前記行動要素に重みを割り当てることによって、ユーザの機密性のプロフィールを定義するステップと、
− 前記ターゲット・コンタクトから行動データを取り出すステップと、
− 前記取り出された行動データに基づいて、前記ターゲット・コンタクトの各行動要素のグレードを予測するステップであって、各行動要素は、前記ユーザの前記機密性プロフィールでランク付けされた各個人データ・カテゴリについて点数が付けられる、ステップと、
− 個人データ・カテゴリ全体について、および個々について、ターゲット・コンタクトに割り当てられる全体的なグレードを取得するために、機密性プロフィールの前記行動要素のそれぞれに割り当てられる重みを考慮することによって、予測されたグレードを集約するステップと、
− 全体的なグレードに基づいて前記ターゲット・コンタクトに対する個人データを配布するためのルールを構成するために、前記ユーザに構成勧告を発行するステップと
から構成されるステップを含む。

したがって、本方法により、データの伝播に対するターゲット・コンタクトが示す危険の評価に基づいて、ターゲット・コンタクトに評価グレードを割り当てること、およびユーザに対して構成勧告を定めることが可能になる。

本方法の他のオプションの特性によると、
− グレードの計算がまた、前記ユーザと前記ターゲット・コンタクトとの間の少なくとも１人の共通のコンタクトとの協力的なグレードの交換を通じて精緻化され、
− 前記個人データ・カテゴリについて取得された全体的なグレードが所定のしきい値未満である場合、勧告の発行が、前記ターゲット・コンタクトに対して個人データ・カテゴリへのアクセスをブロックすることを提案する警告メッセージを発行するステップから構成され、
− しきい値が、前記発行された勧告に従うべきかどうかに関する前記ユーザの決定に基づいて変更され、
− 前記ターゲット・コンタクトの行動データの取出しが、前記ユーザと前記ターゲット・コンタクトとの間の共通のコンタクトを使って、および公に利用可能なデータを使って達成され、
− 前記ユーザの機密性プロフィールが、ターゲット・コンタクトに割り当てられるグレードを表示するよう前記ユーザによって行われる要求に基づいて、自動的に編集される。

本発明は、ターゲット・コンタクトに対してソーシャル・ネットワーク・ユーザの個人データを配布するためのルールを構成するためのシステムにさらに関し、前記個人データは、カテゴリでランク付けされ、前記システムが、
− 公への配布に関して、個人データ・カテゴリに、および行動要素にユーザが与える重要さの程度に基づいて、前記個人データ・カテゴリをランク付けし、前記行動要素に重みを割り当てることによって、前記ユーザが機密性プロフィールを定義することを可能にする入力手段と、
− 前記ターゲット・コンタクトの行動データを取り出すことができる要求モジュールと、
− 前記取り出された行動データに基づいて、前記ターゲット・コンタクトの所定の行動要素へのグレードを予測し割り当てることができる計算モジュールであって、各行動要素は、前記ユーザの前記機密性プロフィールでランク付けられた各個人データ・カテゴリについてグレード分けされる、計算モジュールと、
− 個人データ・カテゴリ全体について、および個々について、ターゲット・コンタクトに割り当てられる全体的なグレードを取得するために、機密性プロフィールの前記行動要素のそれぞれに割り当てられる重みを考慮することによって、予測されたグレードを集約できる集約モジュールと、
− 取得された全体的なグレードに基づいて前記ターゲット・コンタクトに対する個人データを配布するためのルールを構成するために、前記ユーザに勧告を発行することができる勧告モジュールと
を含むことを特徴とする。

システムの他のオプションの特性によると、
− システムは、前記発行された勧告に従うべきかどうかについての前記ユーザの決定に基づいて、構成決定ルールを編集することと、ターゲット・コンタクトに割り当てられるグレードを表示するよう前記ユーザの要求に基づいて、前記ユーザの機密性プロフィールを編集することとの両方ができる学習モジュール（８０）をさらに含み、
− システムは、ユーザの前記機密性プロフィールのランク付けられた個人データ・カテゴリと、前記要求モジュールによって取り出された前記ターゲット契約の行動データと間の一致を確立することができるフィルタリング・モジュールをさらに含む。

本発明は、上に記述した構成方法を実施するために、少なくとも１つのマイクロプロセッサおよびメモリを含むアプリケーション・サーバにさらに関する。

最後に、本発明は、アプリケーション・サーバのメモリにロードされることを意図したコンピュータ・プログラム製品に関し、本コンピュータ・プログラム製品は、プログラムがアプリケーション・サーバのプロセッサによって実行された場合、上に記述した方法を実施するソフトウェア・コード部分を含む。

したがって、本発明は、個人データの暗号化を必要とすることなく、プライバシーを改善し、かつ／またはユーザに関する個人データの配布の制御を保護することを可能にする。結果的に、本発明は、個人データが制御されずに公開されることを回避するために、（特にプロセッサおよびメモリに関して）大きなソフトウェアおよびハードウェアの資源を必要とする暗号化アルゴリズムの使用を必要としない、簡単で効果的な代替案を構成する。したがって、本発明は、ソーシャル・ネットワークの状況に好適である。

本発明の他の利点および特徴は、添付の図面を参照しながら、限定を目的としない例である以下の記述を読むことで明白になるだろう。
ユーザが会合するソーシャル・ネットワークの簡略図である。 ターゲット・コンタクトに対するソーシャル・ネットワーク・ユーザの個人データを配布するためのルールを構成するためのシステムの図である。 選択されたターゲット・コンタクトに、図２のシステムによって予測されたグレードを表示するためのグラフィカル・ユーザ・インターフェースを示す図である。 図２のシステムによって実施される方法のステップを示す流れ図である。

残りの記述において、「ユーザ」という用語は、アカウントを開き、そこに個人データを公開するために自分のプロフィールを作成し、互いに異なるコンタクト・グループを含むコンタクトのネットワークを作成したソーシャル・ネットワーク・ユーザを指している。ターゲット・コンタクトは、ユーザのコンタクトのネットワークに参加することを希望する、またはユーザが追加することを計画している、またはユーザが自分のコンタクトのネットワークに既に追加した、前記ソーシャル・ネットワークの別のユーザとして定義される。

図１は、ユーザＵ、Ｃ、ＣＣが、リモート・ソーシャル・ネットワーキング・サーバＲＳに、それぞれのコンピュータ１、２、３を接続するネットワークを描写している。次に、ユーザＵは、ソーシャル・ネットワークのコンタクトＣおよびＣＣに会う。ユーザは、自分のコンタクトのネットワークにターゲット・コンタクトＣＣを追加することを希望する場合がある。そのような場合、ユーザは、通信ネットワークＩＴを介して、本発明の構成方法を実施するように動作するリモート構成サーバＳＰにログインする。

図２に描写したシステムは、前記データを広めることに対するターゲット・コンタクトが示す危険の評価に基づいて、自分の個人データを配布するための自分のルールをユーザが構成する際に支援することを可能にする。そうするために、システムは、ターゲット・コンタクトの行動データを分析する。

図２は、構成方法におけるシステムの各機能モジュールの役割を明確にするために、図４と並行して記述されている。最初のステップ３００では、ユーザは最初に、自分の私生活に関係する個人データの配布に関して、自分の機密性プロフィールＰＲＯＦを定義する。そうするために、入力手段１０が、たとえば、ユーザのコンピュータ画面に表示されるグラフィカル・ユーザ・インターフェースの形で提示され、この入力手段１０により、ユーザがそのプロフィールＰＲＯＦを定義することが可能になる。したがって、データの所定のグループごとに、ユーザは、多かれ少なかれ関連性があると自分が信じる、かつ配布に関して多かれ少なかれ重要性を自分が与える個人データ・カテゴリをランク付けする。重要または機密に属すると考えられるデータ・カテゴリは、ウェブなどグローバルな通信ネットワークを通じて伝播したくないとユーザが考えるデータ・カテゴリである。

このプロフィールを生成するために考慮される第１のグループは、「テーマ」として知られ、ユーザによって扱われるすべての話題を含み、テーマ別のカテゴリにそれらの話題を配置する。したがって、このグループ内では、ユーザは、自分の家族または政治に関するテーマ別のカテゴリに関する自分の個人データの配布に関して警戒している可能性があり、ユーザは、それらの話題に高い重要性を与えている。一方では、ユーザは、たとえば、スポーツ・カテゴリにはより小さい重要性を与えるか、または重要性を与えていない場合がある。そのような場合は、ユーザは、たとえば、ドロップダウン・メニューで、重要性の順序によってテーマ別のカテゴリをランク付けする。したがって、例では、ユーザは、家族の話題を第１に、政治の話題を第２に、スポーツの話題を最後に位置づけする。

第２のグループは、「オブジェクト・タイプ」として知られ、コンテンツのタイプを含み、データピースがどのように公開されるかを定義する互いに異なるカテゴリに配置される。これらのコンテンツ・タイプ・カテゴリは、ソーシャル・ネットワークによって異なる。ソーシャル・ネットワークで最も一般的なのは、たとえば、写真、ビデオ、ステータス、イベント、またはグループである。したがって、ユーザは、自分の機密性プロフィールにおいて、どのオブジェクト・タイプ・カテゴリが自分にとってより重要かまたはより重要でないかを定義する。したがって、ユーザは、ステータスより写真に、より高い重要性を与えることができる。この場合でも、ユーザは、自分が与える重要性に基づいて、各オブジェクト・タイプをランク付けする。

さらに、ユーザはまた、自分の機密性プロフィールを定義する場合、「行動要素」として知られている他のデータ・グループを考慮する。このグループは、プライバシーの尊重に関して、ターゲット・コンタクトが有する可能性がある、互いに異なる行動のカテゴリを含む。これらの互いに異なる行動のカテゴリは、たとえば、ターゲット・コンタクトに属さないデータを容易に伝播すること、または特に配布の間に感情が表現される場合、ターゲット・コンタクトがデータを配布する方法、またはターゲット・コンタクトがソーシャル・ネットワーク内に自分のプロフィールを作成するときに、プライバシーの尊重に関するルールを設定しないことである。このように、ユーザは、伝播する傾向の要素により高い重要性を与え、これによって、個人データを伝播することに対するターゲット・コンタクトが示す危険を評価する。他の要素は、ターゲット・コンタクトの人気、ユーザがデータを伝播する方法、データなどを配布するときにターゲット・コンタクトが他のコンタクトに言及するかどうかなどを考慮する。それらの要素は、計算モジュールに関連させて下に詳述する。次に、ユーザは重み、または重要性のグレードを与える。これは、たとえば０．４など０と１との間とすることができ、最も低いグレードは、最も高いグレードより重要度が低いと考えられる。したがって、ターゲット・コンタクトが有することができる行動のそれぞれにユーザが与える許容の程度に応じて、ユーザはターゲット・コンタクトが有することができる行動に重みを割り当てる。

したがって、公への配布に関して、ユーザは、個人データ・カテゴリに、および行動要素に自らが与える重要性に基づいて、前記個人データ・カテゴリをランク付けし、前記行動要素に重み付けすることによって、自分の機密性プロフィールを定義する。

一変形形態では、ユーザは、また、テーマをオブジェクト・タイプに関連づけることができる。したがって、たとえば、ユーザは、オブジェクト・タイプが「写真（photo）」である自分の家族の話題についてのデータは機密に属すが、たとえば、同じ話題に関して、オブジェクト・タイプ「ステータス」は機密ではないと定義することができる。この場合も、その関連性に０と１との間の重みを割り当てることが可能である。

そのために、ユーザによって定義された機密性プロフィールは、ストレージ手段１１に有利に保存される。このストレージ手段は、リモートでもよく、たとえば、データベースの形であってもよい。

ステップ３１０では、次に、ユーザは、自分が、データの配布に関して示される危険を評価したいと考えるターゲット・コンタクトＣＣ１を選択する。ターゲット・コンタクトのこの選択は、ユーザのコンピュータの画面に表示されるグラフィカル・ユーザ・インターフェースを使って行うことができる。このグラフィカル・ユーザ・インターフェースは、図２および図３では６０である。次に、ターゲット・コンタクトの選択は、要求モジュール２０の動作をトリガーする。

この要求モジュール２０は、ステップ３２０で、ユーザが自分の個人データを配布するためのルールを設定することを希望する相手に関して、選択されたターゲット・コンタクトに関係する補足データＤＣを取り出すことを可能にする。そうするために、モジュール２０は、２つのエンティティ２１および２４に分割される。第１のエンティティ２１は、ウェブで公に利用可能なデータを収集することを可能にする。したがって、第１のコレクタ２２は、プライバシー・ルールの尊重に関して、ターゲット・コンタクトの行動について利用可能な情報があるかどうかを確かめるためにウェブを検索する。そのコレクタは、たとえば、ターゲット・コンタクトはウェブサイトを所有するかどうか、およびそのウェブサイトの設定は、個人データの尊重に関して、高いか低いかを確認することができる。別のコレクタ２３は、ターゲット・コンタクトがメンバーであるが、プライバシーの尊重およびユーザの個人データの配布に関してユーザがルールを設定していないソーシャル・ネットワークから情報を取り出すことを可能にする。そのコレクタ２３は、また、ソーシャル・ネットワークから、より具体的には、公開のプロフィール、つまり、ターゲット・コンタクトが対話したこれらのネットワークのユーザの未構成のプロフィールから情報を取り出すことができる。第２のエンティティ２４は、ユーザのコンタクトのネットワークからターゲット・コンタクトに関する行動データを取り出す。したがって、第１のコレクタ２５は、ユーザに表示される、ユーザのプロフィールから直接ターゲット・コンタクトに関するデータを取り出すことを可能にする。この場合、次に、ユーザは、ターゲット・コンタクトと特定の関係にある必要がある。つまり、ユーザは、自分のコンタクトのネットワークに既にターゲット・コンタクトを追加しているということである。別のコレクタ２６は、ユーザとターゲット・コンタクトとの間で共有されるコンタクト・プロフィールから取り出された情報に基づいて、ターゲット・コンタクトに関するデータを収集することから構成される。そのような場合は、ユーザおよびターゲット・コンタクトは、直接的な関係にある必要はない。共有されたコンタクトによって保持された情報が使用されることになる。したがって、たとえば、コレクタ２６は、共有されたコンタクトによって保持されている話題に関してターゲット・コンタクトが行ったコメントにアクセスすることができる。最後に、別のコレクタ２７は、プライバシーの保護および尊重に関してターゲット・コンタクトに資格を与えるために、ユーザのコンタクトによって計算された、評価のグレードを取得することができる。そのような場合、共有されたコンタクト・プロフィールで計算され表示されるグレードは、たとえば、その同じシステムで取得される。

このように取り出されたデータは、フィルタリング・モジュール３０に伝送される。ストレージ手段１１に保存された機密性プロフィールも、フィルタリング・モジュールに伝送される。そのフィルタリング・モジュール３０は、要求モジュール２０の様々なデータ・コレクタ２２、２３、２５、２６、２７によって取り出された行動データＤＣ、およびユーザの機密性プロフィールに関係するデータに基づいて、ユーザによってランク付けられたデータ・カテゴリと選択されたターゲット・コンタクトＣＣ１の行動データＤＣとの一致を確立することを可能にする。したがって、一致を確立できなかったデータのすべてがグレードを予測する後のステップのために保持されるわけではない。一致が確立されたデータは保持され、次の機能モジュール４０の入力に伝送される。そのフィルタリング・モジュール３０はオプションであり、一致を確立できなかったすべてのデータを排除することによって後の予測をし易くすることを可能にする。その解析を行い、一致を確立し、そのフィルタリングを実行するために、モジュール３０は、意味解析手法に有利に基づいている。

次に、計算モジュール４０は、ステップ３３０で、ターゲット・コンタクトＣＣ１の所定の行動要素へのグレードＮ_Ｆ／ｄｉを予測し割り当てることを可能にする。そうするために、計算モジュール４０は、フィルタリング・モジュール３０によって伝送されたデータに基づいている。行動要素は、機密性プロフィールでランク付けられた各個人データ・カテゴリに関連しており、それらの関連のそれぞれについて、グレードＮ_Ｆ／ｄｉが行動要素に割り当てられる。したがって、自分の機密性プロフィールにおいてユーザによって選択された各テーマおよび各オブジェクト・タイプについて、グレードが予測され、各行動要素について、データなどを伝播するためにターゲット・コンタクトの傾向要素にグレードが割り当てられる。

データを伝播するために傾向要素のグレードを予測することに関して、計算モジュール４０は、それに提供されるデータに基づいて、ターゲット・コンタクトが、たとえば、自分のものではない写真またはビデオ、またはステータス・リンクなど、オブジェクトにコメントした、またはタグを付けた回数を含む。ターゲット・コンタクトが頻繁にそれを行うほど、要素に割り当てられるグレードは高くなる。たとえば、ステータスを伝播する場合、伝播の強度は、ターゲット・コンタクトがオブジェクトを伝播した回数、他のユーザもオブジェクトを伝播した回数、およびオブジェクトを見たがそれを伝播しなかったユーザの数を考慮することによって測定される。したがって、ターゲット・コンタクトが、たとえばステータスに関するコメントを３つ掲載した場合、オブジェクト・タイプ「ステータス」を伝播する傾向のグレードは、自分がコメントを１つだけ掲載した場合より高くなる。同様に、ユーザ自身またはユーザのコンタクトの１人によって公開されたオブジェクト・タイプの下の「いいね（like）」タイプのボタンをターゲット・コンタクトがクリックした場合は常に、それによってユーザのコンタクトは、ユーザが何を評価するかを知ることができる。したがって、たとえば、複数のコンタクトが特定のステータスに対して「いいね」ボタンを押した場合、そのステータスは広く伝播されるため、伝播する傾向のグレードは高くなる。

人気要素は、基準尺度と比較したターゲット・コンタクトの人気を表す。それらの基準尺度は、たとえば、ユーザのコンタクトの平均的な行動として定義することができる。特に、その人気要素に割り当てられるグレードは、ターゲット・コンタクトが関係のネットワークにおいてもっているコンタクトの数、ターゲット・コンタクトが作成した「イベント」オブジェクト内に存在する人々の割合、またはオブジェクト・タイプが伝播された回数に基づいている。

機密性要素は、文の中立性の程度を表している。中立性の程度は、たとえば、顔文字検出など、従来の感情抽出手法を使用して測定することができる。顔文字は、感情を表すために使用される図案化された顔の図である。文におけるすべての用語の中立性の程度は、また、たとえば、ウェブ・アドレスhttp://sentiwornet.isti.cnr.itで見ることができる「SentiWordnet」（登録商標）辞書など、統計辞書を使用して分析することができる。語句の用語のそれぞれに割り当てられるグレードの集約によって、語句のグレードが得られる。グレードが極端であるほど、つまり０または１に近いほど、その語句はより機密性が高いと考えられる。０．５というグレードは、ユーザのメッセージを伝播するときに、ターゲット・コンタクトが中立状態であることを意味し、ユーザの感情は伝送しない。個人の感情が伝播されるとき、この要素は伝播の品質を明らかにするため、重要である。

露出要素は、ターゲット・コンタクトがユーザの個人データ配布設定をプライベートに構成しているか、公開するように構成しているかを推定することを可能にする。これは、ユーザがターゲット・コンタクトとリスクなく対話できるかどうかを見分けるのを助けることを可能にする。

配布要素にグレードを割り当てるために、計算モジュールは、ターゲット・コンタクトのデータが第３者について話す回数に基づいている。そうするために、計算モジュールは、たとえば、ユーザのコンタクトの印が付けられている、またはタグが付けられている写真だけでなく、第３者について言及するメッセージのコンテンツを分析する。そのような場合、計算モジュールは、該当するコンタクトの割合、それらが言及される回数などを分析する。近接要素は、ユーザに関するターゲット・コンタクトの近接性を表している。最後に、配布を促進する傾向要素は、既に伝播されたデータへのアクセスをターゲット・コンタクトが促進したかどうかを見分けることを可能にする。

一部の要素は、たとえば、伝播する傾向など、ターゲット・コンタクトに属さない行動データのみを分析し、他の要素は、露出要素など、ターゲット・コンタクトに属する行動データのみを考慮し、他の要素は、機密性要素など、それらの２つを組み合わせる。一変形形態では、たとえば、ユーザとターゲット・コンタクトとの間の近接要素のグレードを計算するために、テーマ別のカテゴリまたはオブジェクト・タイプとの関係に関係なく、すべての行動データを考慮することによって特定の要素のグレードを計算することが有益な場合がある。

次に、このように予測されたグレードＮ_Ｆ／ｄｉは、アグリゲータ・モジュール５０に転送される。このモデルは、機密性プロフィールのすべての個人データ・カテゴリ・ランクについて、およびそれらの個人データ・カテゴリのそれぞれについて、ターゲット・コンタクトＣＣ１に関連する、全体的な評価グレードＮＧ_ｄｉを計算することを可能にする（ステップ３４０）。この全体的なグレードＮＧ_ｄｉは、個人データの保護に関して、選択されたターゲット・コンタクトＣＣ１の行動を反映する。つまり、ユーザの個人データを伝播するターゲット・コンタクトの危険を評価することを可能にする。このアグリゲータ・モジュール５０は、一実施形態では、計算モジュール４０と組み合わせることができる。アグリゲータ・モジュール５０は、計算モジュール４０によって予測されたすべてのグレードを集約することによって、個人データ・カテゴリに関連する各行動要素の全体的なグレードを計算する。集約では、ユーザの機密性プロフィールに定義された各行動要素の重みが考慮される。機密性プロフィールで行動要素が高く重み付けされるほど、ユーザにとってより機密性が高いと考えられ、全体的なグレードの値に対するより大きな影響を有する。したがって、計算は、ユーザによる様々な行動要素に与えられた重要性に基づいて重み付けされる。

一実施形態では、グレードは、また、協力的に予測することができる。この理由は、深い信頼関係を持ち、多くのデータを共有している、コンタクト内の２人のユーザは、同じターゲット・コンタクトに対して予測したグレードを交換し、予測をさらに精緻化するためにそれらを組み合わせることができるからである。その結果、オプションとして、ユーザのコンタクト（複数可）の承認を得て、ユーザは、自分のコンタクト（複数可）によってターゲット・コンタクトに割り当てられるグレードを取得し、情報が自分に関連するかどうかをチェックする。たとえば、ユーザは、それを予測にはっきりと含めるために、その協力的な計算、またはそのグレードの追加された値を考慮したコンタクトの数を考慮することができる。代わりに、ユーザは、自分が予測したグレードを自分のコンタクト（複数可）に送信する。協力的な計算を実行するためのグレードのこの取得は、以前に記述した要求モジュール２０のコレクタ２７によって実行される。

ターゲット・コンタクトについて、この方法でグレードが割り当てられる場合は常に、それらはストレージ手段５１に有利に保存される。このストレージ手段５１は、たとえばデータベースでもよい。このデータベースは、また、予測が実行された状況を格納する。状況は、たとえば、グレード予測に貢献したコンタクトに言及することができる。このように、ユーザの各ターゲット・コンタクトのグレードは格納され、毎回、再計算する必要はない。さらに、このデータベースは、再計算する必要があるときに、グレードを再考することを可能にすることができる。これは、たとえば、ユーザが、ターゲット・コンタクトと共通して共有されているユーザに新しいコンタクトを追加するときに当てはまる。

このように取得されたグレードは、たとえば、グラフィカル・ユーザ・インターフェース６０を使って、有利に表示される。これは、ユーザのコンピュータの画面に表示される。このインターフェース６０は、以前にターゲット・コンタクトＣＣ１を選択するために機能を果たしたものである。これを図３に概略的に描写している。これは、ユーザが自分のコンタクトのネットワークに追加することを検討しているターゲット・コンタクトに割り当てられるグレードをユーザに示すことを可能にする。選択メニュー６１で、ユーザがターゲット・コンタクトＣＣ１を選択すると、システムの動作がそのインターフェースによってトリガーされる。ユーザは、自分が知らないターゲット・コンタクトから招待を受信した後、またはユーザが、既に自分のコンタクトのネットワークにいる人に関してより多くの情報を取得したい場合に、そのインターフェースを使用することができる。これは、ユーザの個人データを配布するためにユーザの設定をより良好に設定することを可能にする。取得されたグレードは、アグリゲータ・モジュール５０によって伝送され、インターフェース６０に表示される。第１のフィールド６２は、すべての個人データ・カテゴリのターゲット・コンタクトＣＣ１について得られた全体的なグレードＮＧを表示する。図３の例で、ターゲット・コンタクトＣＣ１に割り当てられる全体的なグレードＮＧは、０．３５に等しい。他のフィールド６３ａ、６３ｂ、６３ｃは、話題およびオブジェクト・タイプについて取得された全体的なグレードＮＧ_ｄｉを示している。したがって、図３の例において、フィールド６３ａは、オブジェクト・タイプ「写真」に対して０．４に等しいグレードを表示する。フィールド６３ｂは、家族Ｆａｍの話題に対して０．１のグレードを示し、フィールド６３ｃは、オブジェクト・タイプ「イベント」ＥＶに対して０．７に等しいグレードを示している。したがって、これらの３つのグレードは、選択されたターゲット・コンタクトＣＣ１は、家族の話題に関するデータを非常に広く伝播する傾向があり、また写真を配布するが、オブジェクト・タイプ「イベント」は、それほど配布しないことを意味している。これらのフィールド６３は、特にユーザの好みに対応する順に、つまり、ユーザに最も関連する話題およびオブジェクト・タイプに基づいてグレードを表示する。結果は、また、それらの値に基づいて表示される。このインターフェースによって、また、ユーザは、特にドロップダウン・メニューのおかげで、最も関連するものだけではなく、予測されたすべてのグレードを表示することができる。

さらに、ユーザは、グレードがどのように与えられたかを知りたい場合がある。そのため、グレード、たとえば、図３の写真オブジェクトに割り当てられるグレード０．４を選択するときに、他の２つのウィンドウ６４および６５が表示される。第１のウィンドウ６４は、ターゲット・コンタクトに属し、ターゲット・コンタクトのプロフィール、または他の公開サイトから直接的に取得された公開データＤＩを表示する。したがって、ウィンドウは、たとえば、ターゲット・コンタクトがタグを付けた写真の割合、図３の例では７８％、そして、タグが付けられ共有されたコンタクトＣＣｏｍの割合、図３の例では２３％を表示することができる。このウィンドウは、また、たとえば、グレードを生成するために使用されたデータの一部を強調するためにステータスを示すことができる。第２のウィンドウ６５は、ターゲット・コンタクトに属さず、ユーザが対話したことがある共有されたコンタクトＣＣＩを通じて取得されたターゲット・コンタクトの行動データを表示する。これらの２つのウィンドウは、例として示す表示である。データは、たとえば、複数のウィンドウに他の方法で表示することができ、各ウィンドウは、要求モジュール２０のコレクタ２２、２３、２５、２６、２７に結び付けられる。

その結果として取得されたグレードは、勧告モジュール７０と学習モジュール８０への両方に伝送される。グレードを表示するためのインターフェース６０のユーザのブラウザ履歴は、学習モジュール８０に有利に伝送される。したがって、表示履歴データは、ユーザの機密性をよりよく理解し把握することを可能にする。したがって、ユーザが自分の機密性プロフィール１１では重要であると見なされなかった特定の話題に関する情報を表示するように頻繁に依頼する場合、その重要性は、次いで自分の機密性プロフィール１１ＰＲＯＦにおいて取り上げられ更新されるため、そのデータは将来、上位の中に表示される。

ユーザが自分の個人データを配布するためのルールを構成するために自分のオプションを構成する勧告を表示することを要求したときに、勧告モジュール７０の動作は、一方、インターフェース６０によってトリガーされる。したがって、このモジュール７０は、たとえばデータベースなど、ストレージ手段８１内に含まれている、決定ルールで事前定義されたしきい値と、ターゲット・コンタクトに割り当てられるグレードを比較することによって、勧告戦略を決定することを可能にする。このデータベース（ストレージ手段）８１は、デフォルトに適用できる基本的な決定ルールを含む。そのようなルールは、たとえば、特定のオブジェクト・タイプについて、取得されたグレードＮＧ_ｄｉがしきい値Ｓｉ未満、たとえば０．７５である場合、ターゲット・コンタクトは、そのオブジェクト・タイプのデータにアクセスすることができないことを提示することから構成することができる。そうでない場合、ユーザはそれにアクセスすることができる。データベース８１に格納されている決定ルールは、勧告モジュール７０に伝送され、それに伝送されたグレードに基づいて、１つまたは複数の勧告ＲＥＣ１（ｄｉ）、ＲＥＣ２（ｄｉ）をユーザに発行する（ステップ３５０、３５１、３５２）。したがって、一例では、写真オブジェクトについて取得されたグレードＮＧ_ｄｉは０．４であり、そのオブジェクトに対する事前定義されたしきい値Ｓｉである０．７５を下回る（ステップ３５０）。この場合、勧告モジュール７０は、それがコンタクトＣＣ１に写真オブジェクトへのアクセスを与えてはいけないことを提示することから構成される勧告ＲＥＣ１を発行する（ステップ３５１）。他方では、たとえば、イベント・プロジェクトについて取得されたグレードが０．７であり、たとえばそのオブジェクトに対する事前定義されたしきい値Ｓｉである０．６より大きい場合、勧告モジュール７０は、ユーザがターゲット・コンタクトＣＣ１にそのオブジェクトへのアクセスを与えてもよいことを提示することから構成されるイベント・オブジェクトの勧告ＲＥＣ２を発行する（ステップ３５２）。

次に、ターゲット・コンタクトに対する個人データを配布するためのルールの構成に関して発行された勧告は、ユーザ画面に表示される他のグラフィカル・ユーザ・インターフェース９０の他のウィンドウ９１に表示される。次に、ユーザはそれらの勧告に従うことができ（ステップ３６０）、その場合、データベース・タイプ９２のストレージ手段において格納されている、ターゲット・コンタクトに対するそれ自身の配布ルールは、自動的に更新される（ステップ３７０）。また、ユーザは勧告を断ることができる。両方の場合において、学習モジュール８０は、ユーザの決定について通知され（ステップ３８０）、データベース８１に含まれている決定ルールを更新する（ステップ３９０）ため、次回、システムの行動は、ユーザの要望をよりよく満たすものになる。たとえば、勧告が、ターゲット・コンタクトが「写真」オブジェクト・タイプにアクセスするのを防ぐことから構成されており、かつユーザが自分にアクセスを与える場合、そのオブジェクト・タイプに対するグレードのしきい値Ｓｉは、対応する決定ルールで低下する。

他の実施形態では、ユーザの機密性プロフィールを格納するための２つのストレージ手段１１および８１、ならびに決定ルールは、単一のデータベースへそれぞれ組み合わせることができる。

図および上記の記述は、本発明を示すものであって限定するものではない。

一部の図は別個のブロックとして、互いに異なる機能エンティティを示しているが、これは、単一のエンティティ／モジュールが複数の機能を実行する、および複数のエンティティ／モジュールが単一の機能を実行する本発明の実施形態を決して除外するものではない。図に描写した様々な要素の機能、特に「処理モジュール」または「プロセッサ」として示された機能ブロックは、適切なコンピュータ・プログラムに関してコンピュータ・プログラムを実行できるハードウェアなど、専用ハードウェアの使用を通じて構成することができる。機能がプロセッサによって実行される場合、単一の専用プロセッサによって、または単一の共有されたプロセッサによって、またはその一部を共有できる、複数の個々のプロセッサによって実行することができる。言及または描写したデータベースは、集中型でも分散型でもよい。したがって、図は、本発明の高度に概略化された図と考える必要がある。

Claims (11)

1. ターゲット・コンタクトに対するソーシャル・ネットワーク・ユーザの個人データを配布するためのルールを構成する方法であって、前記個人データは、カテゴリでランク付けされ、前記方法は、
   公への配布に関して、個人データ・カテゴリに、および行動要素に前記ユーザが与える重要さの程度に基づいて、前記個人データ・カテゴリをランク付けし、前記行動要素に重みを割り当てることによって、前記ユーザの機密性のプロフィール（ＰＲＯＦ）を定義するステップ（３００）と、
   前記ターゲット・コンタクトから行動データ（ＤＣ）を取り出すステップ（３２０）と、
   前記取り出された行動データに基づいて、前記ターゲット・コンタクトの各行動要素のグレード（Ｎ_Ｆ／ｄｉ）を予測するステップ（３３０）であって、各行動要素は、前記ユーザの前記機密性プロフィールでランク付けされた各個人データ・カテゴリについて点数が付けられる、ステップ（３３０）と、
   前記個人データ・カテゴリ全体について、および個々について、前記ターゲット・コンタクトに割り当てられる全体的なグレード（ＮＧ_ｄｉ）を取得するために、前記機密性プロフィールの前記行動要素のそれぞれに割り当てられる前記重みを考慮することによって、前記予測されたグレードを集約するステップ（３４０）と、
   前記全体的なグレードに基づいて前記ターゲット・コンタクトに対する個人データを配布するためのルールを構成するために、前記ユーザに構成勧告を発行するステップ（３５０、３５１、３５２）と
   を含むことを特徴とする方法。
2. グレードの前記計算がまた、前記ユーザと前記ターゲット・コンタクトとの間の少なくとも１人の共通のコンタクトとの協力的なグレードの交換を通じて精緻化される請求項１に記載の方法。
3. 前記個人データ・カテゴリについて取得された前記全体的なグレード（ＮＧ_ｄｉ）が所定のしきい値（Ｓｉ）未満である場合、勧告の前記発行が、前記ターゲット・コンタクトに対して個人データ・カテゴリへのアクセスをブロックすることを提案する警告メッセージを発行するステップから構成される特許項１乃至２のいずれか１項に記載の方法。
4. 前記しきい値（Ｓｉ）が、前記発行された勧告に従うべきかどうかに関する前記ユーザの決定に基づいて変更される請求項３に記載の方法。
5. 前記ターゲット・コンタクトの行動データの前記取出しが、前記ユーザと前記ターゲット・コンタクトとの間の共通のコンタクトを使って、および公に利用可能なデータを使って達成される請求項１乃至４のいずれか１項に記載の方法。
6. 前記ユーザの前記機密性プロフィールは、前記ターゲット・コンタクトに割り当てられる前記グレードを表示するよう前記ユーザによって行われる要求に基づいて、自動的に編集される請求項１乃至５のいずれか１項に記載の方法。
7. ターゲット・コンタクトに対するソーシャル・ネットワーク・ユーザの個人データを配布するためのルールを構成するためのシステムであって、前記個人データが、カテゴリでランク付けされる、システムにおいて、
   公への配布に関して、個人データ・カテゴリに、および行動要素に前記ユーザが与える重要さの程度に基づいて、前記個人データ・カテゴリをランク付けし、前記行動要素に重みを割り当てることによって、前記ユーザが機密性プロフィールを定義することを可能にする入力手段（１０）と、
   前記ターゲット・コンタクトの行動データを取り出すことができる要求モジュール（２０）と、
   前記取り出された行動のデータに基づいて、前記ターゲット・コンタクトの所定の行動要素へのグレード（Ｎ_Ｆ／ｄｉ）を予測し割り当てることができる計算モジュール（４０）であって、各行動要素が、前記ユーザの前記機密性プロフィールでランク付けられた各個人データ・カテゴリについてグレード分けされる、計算モジュール（４０）と、
   前記個人データ・カテゴリ全体について、および個々について、前記ターゲット・コンタクトに割り当てられる全体的なグレード（ＮＧ_ｄｉ）を取得するために、前記機密性プロフィールの前記行動要素のそれぞれに割り当てられる重みを考慮することによって、前記予測されたグレードを集約できる集約モジュール（５０）と、
   前記取得された全体的なグレードに基づいて前記ターゲット・コンタクトに対する個人データを配布するためのルールを構成するために、前記ユーザに勧告を発行することができる勧告モジュール（７０）と
   を備えることを特徴とするシステム。
8. 前記発行された勧告に従うべきかどうかについての前記ユーザの決定に基づいて、構成決定ルールを編集することと、前記ターゲット・コンタクトに割り当てられるグレードを表示するよう前記ユーザの要求に基づいて、前記ユーザの前記機密性プロフィールを編集することとの両方ができる学習モジュール（８０）をさらに備える請求項７に記載のシステム。
9. 前記ユーザの前記機密性プロフィールの前記ランク付けられた個人データ・カテゴリと、前記要求モジュールによって取り出された前記ターゲット契約の前記行動データと間の一致を確立することができるフィルタリング・モジュール（３０）をさらに備える請求項７または８に記載の方法。
10. 請求項１乃至６のいずれか１項に記載の方法を実施するために、少なくとも１つのマイクロプロセッサおよびメモリを備えるアプリケーション・サーバ（ＳＰ）。
11. アプリケーション・サーバのメモリにロードされることを意図したコンピュータ・プログラム製品であって、請求項１乃至６のいずれか１項に記載の方法が前記アプリケーション・サーバのプロセッサによって実行された場合、上に記述した方法を実施するソフトウェア・コード部分を含むコンピュータ・プログラム製品。

Images