Är vårt data säkrat?

Transkript

1 Uppsala universitet Inst. för informatik och media Är vårt data säkrat? Påverkan av personliga data vid användning av sökmotorer Örjan Podobedov Henrik Nilsson Kurs: Examensarbete Nivå: C Termin: VT-20 Datum: Handledare: Jonas Sjöström i

2 ii

3 Sammanfattning: Huvudmålet med detta projekt har varit att analysera området för personlig integritet vid användning av sökmotorer. Uppsatsen ger en inblick i hur sökmotorerna fungerar och visar vilka personliga data som samlas vid sökningar samt hur det påverkar sökresultat. Undersökningen bygger på tidigare forskning kring sökmotorer, användardata och begreppet integritet. Metod och problembeskrivning utgår ifrån detta. För att kunna svara på forskningsfrågorna har vi skapat testfall och genomfört experiment mot tre sökmotorer i tre olika webbläsare. Vi har jämfört sökmotorernas säkerhets- och integritetspolitik samt undersökt hur dessa påverkar sökresultatet för varje enskild sökmotor. Resultatet presenteras i form av grafer och diagram där testfall har analyserats mot varandra. Analysen av experimentet resulterar i riktlinjer för en mer privatvänlig och säker sökmotor. Nyckelord: personlig integritet, personliga data, anonymitet på nätet, integritetsbehandling, sökmotor, datahantering, stickprov, IT-säkerhet iii

4 Innehållsförteckning Sammanfattning:... iii 1. Inledning Bakgrund Problemformulering Syfte och forskningsfrågor Vetenskaplig förankring Kunskapsfördjupning Integritet Sökmotorer Insamling av användardata Problemmodellering Beskrivning av uppsatsens tillämpningsområde Metod Forskningsstrategi/forskningsansats Forskningsmetod/datainsamlingsmetod och avgränsningar Analysmetod Genomförande/tillämpning Kvalitet Etiska överväganden Kunskapsintressenter Sökmotorers hantering av integritet och personliga data Analys Ett kvantitativt angreppssätt: användarens påverkan på sökresultatet Resultat och analys Kvantitativa data Kvantitativ analys Hur påverkar användarens personliga data framtagandet av sökresultat vid användning av sökmotorers söktjänst? Vad samlar respektive sökmotor för personliga data? Övriga analyser Diskussion och slutsatser Sammanfattande diskussion Integritet, insamling av användardata och sökfunktionalitet Användarens förhållningssätt Etiska och samhälleliga konsekvenser Slutsats Källor Bilagor... 37

5 1. Inledning 1.1 Bakgrund Det sägs att produktion och utveckling går hand i hand, detta ämnesområde är inget undantag. Zimmer (2008) menar att företag som utvecklar sökmotorer har genomfört stora förändringar för att anpassa och skapa nya trender inom webbservice. Vidare menar Zimmer (2008) att dessa företag är bland de företag som kom att överleva IT-bubblan runt millenniumskiftet. Företagen som klarade sig hade flertalet karaktäristiska drag som stämde överens, nämligen att de var samarbetsvilliga, dynamiska, interaktiva, användarcentrerade, nätverksbaserade och datarika. För att kunna beskriva den växande teknologiska trenden inom webservice har konceptet Web 2.0 blivit ett samlingsnamn för dessa egenskaper. Web 2.0 innefattar den användargenererade och användardrivna webbteknologin där Wikipedia, Facebook och YouTube är kända exempel inom kategorin. Det som kännetecknar Web 2.0 är användargenererat innehåll och öppna plattformar som möjliggör för användare att delta, modifiera eller dela innehåll via flöden, API:er och dylikt. Den största skillnaden gentemot tidigare versioner är främst den ökade mängden personliga data som flödar online (Zimmer, 2008). Web 2.0 services grundar sig på användarnas personliga data, där tillgång till personliga data leder till mer personliga services online. Olika API:s och services från företag och samhällen bearbetar data för att göra servicen eller produkten mer användbar, meningsfull och social. Därför uppmuntras användare av flertalet Web 2.0 tjänster att dela med sig av sin information om karriär, privatliv och livsstil. Exempel på detta är LinkedIn där användarna delar med sig av sin professionella utveckling genom livet, ett annat exempel är Facebook där flertalet dataområden är användbara som privat, - och affärsliv men även marknadsplats och spelplattform finns tillgängligt (Zimmer, 2008). Sökmotorer är en tjänst som ständigt utvecklas. Tidigare forskning, Kaingade (2015) visar att användare tappar intresse om önskvärda resultat inte blir uppnådda genom sökningen. Detta har lett till utvecklingen av personalized web search (PWS). PWS är en form av algoritm som möjliggör specialanpassade sökningar. Exempel är sökningar på ordet apple, ordet i sig betyder äpple på engelska. Genom PWS kan resultat för ordet apple skilja sig från användare till användare, om en användare tidigare sökt på apple laptop så kommer kommande sökning på apple bli relaterat till bärbara datorer medan för en annan användare kan sökresultatet basera sig på frukten äpple (Kaingade, 2015). Inom området för PWS finns det två olika former av datahantering, klick, - och användarbaserade. Klickbaserade algoritmer analyserar 1

6 användarens sökbeteende utifrån vilka hemsidor och länkar som tidigare används medan användarbaserad datahantering analyserar insamlade data om användaren i form av hur användaren beter sig online och vad användaren har för intressen. Utvecklingen av användarbaserade personliga websökningar har visat sig vara mer effektiv när det kommer till att förbättra kvaliteten av sökresultat då klickbaserade data är något som inkluderas hos användarbeteendet. Detta tillvägagångsätt hanterar både personliga data och information om användarens beteenden för att skapa profiler. Profilerna består mestadels av tidigare sökresultat, webbhistorik, klickbaserade data, bokmärken, användardokument med mera. Något som har lett till användarens personliga data och information lättare kan utsättas för intrång. (Kaingade, 2015). 1.2 Problemformulering Problemet som ligger till grund för denna uppsats är att det saknas kunskap och lösningar för hur användarintegriteten kan skyddas online. Data samlas och behandlas av flertalet tjänsteleverantörer. Därför har lösningar som presenteras varit fokuserade på tjänsteleverantörer och dess behandling av data, något som lett till att data lagras krypterat och transformerat hos leverantörerna. Denna form av lösningar har dock allvarliga brister då systemet bygger på att tjänsteleverantörerna lever upp till detta, användarna har fortfarande ingen riktig möjlighet att skydda sin personliga integritet (Wicker, 2017). Den ökade mängd data som flödar online har lett till att fler användare är oroliga över sin personliga integritet, något som främst är kopplat till företag och services inom Web 2.0 (Zimmer, 2008). Priyadarshini el al. (2010) menar att det finns flertalet hot och sårbarheter som är knutna till användandet av sökmotorer. Exempel på detta är skadliga webbplatser, spionprogram, trojanska webbplatser och spridningssidor som kan presenteras för användaren. Vidare nämner Priyadarshini el al. (2010) att skydd mot dessa hot och sårbarheter har utvecklats. Exempelvis så använder Google ett skydd som kallas trust factor, ett slags rankningsystem för trovärdiga websidor. Dock kan skadliga webbplatser ändå registeras i sökmotorernas databaser, vilket gör att användare fortfarande utnyttjas av dessa webbplatser då användare har svag insyn om hur trust factor systemet fungerar. Google har därför lanserat ett fiskefilter till webbläsaren Google Chrome. Fiskefiltret är till för att alarmera användare om hemsidor som begär personliga eller finansiella data under falska grunder (Priyadarshini el al., 2010). Zimmer (2008) menar att utvecklingen har lett till flertalet problem och frågeställningar där det i grund och botten rör sig 2

7 om byteshandel, ju mer information användaren lämnar ifrån sig online desto mer individanpassade kan dessa tjänster bli. Wicker (2017) anser att det fortfarande är ett problem huruvida serviceleverantörer bör hantera och lagra data krypterat om sina användare utan att äventyra dess integritet och sekretess. Information används av företag för att erbjuda förbättrade services. Dock är detta något som bör förändras då de tekniker som används för skyddande av personliga data har flertalet stora svagheter. Främst handlar det om tilliten till dessa leverantörer att behandla och skydda denna data då ansvaret ligger hos leverantörerna. Det här problemet hör ihop med att det saknas fördelar och motivation för dessa företag att göra detta. Det är snarare motsatsen som gäller, leverantörerna behöver bearbeta data innan lagring, vilket kostar. En annan svaghet är att det i vissa fall inte är möjligt att korrigera data då dess funktion är att dela data vidare till andra tjänster och leverantörer. På grund av detta är det flertalet tjänsteleverantörer online som inte använder sig av diverse tekniker för att skydda personliga data då mycket forskning fokuserar på datadelning istället för att adressera problemet med att tjänsteleverantörer lagrar för mycket data om användare (Wicker, 2017). Användare av dessa tjänster har inte något direkt val. Sökmotorer och snarlika tjänster behövs för att hitta information på internet, vilket gör att användaren behöver acceptera dessa krav för att få del av information. Även fast sökmotorer inte kräver användarkonto är det fortfarande möjligt för leverantören att lagra data om användaren i form av kakor, beteende och historik (Wicker, 2017). Vidare nämner Wicker (2017) att digitala fingeravtryck, exempelvis genom webbläsare kan användas för att identifiera personer. Ett exempel på detta, ett forskningsprojekt år 2006 då sökhistorik från över användare släpptes. Även fast användare inte identifierade sig vid namn var det fortfarande möjligt i många fall att identifiera specifika personer på enbart sökhistorik. En annan studie från 2012 visar att majoriteten som använder sökmotorer, 73% av användarna är emot att information samlas in för att generera mer personliga sökresultat (Wicker, 2017). Det finns flertalet problem med sökmotorer som hanteras av centrala myndigheter. Dessa sökmotorer har en större tendens att monopoliseras och även leda till manipulation. Exempel på detta är problem som att partiskhet kan uppstå för att gynna specifika hemsidor eller samhällen men det kan även leda till förfalskade sökresultat. Ett annat problem är att sökmotorer som Google kan spåra användarens privatliv, det användaren söker efter är ofta kopplat till användarens liv. Sistnämnda problemet leder in på nästkommande, nämligen att konkurrenskraftiga sökmotorer har stort inflytande ur ett politiskt synsätt. Partiska resultat kan användas för att skada den demokratiska politiken. Ett annat stort problem är att Google 3

8 ansvarar för ungefär 77% av alla sökresultat globalt, om Google kraschar, blir hackat, förändrar strategi eller rent av börjar utnyttja personliga data för skadliga ändamål så kan det leda till förödande konsekvenser (Raza, 2017). Ett annat problemområde är personlig integritet och hur det bör definieras. Personlig integritet är ett ämne som har blivit allt viktigare i dagens samhälle då mängden insamlade data och behandlingen av denna har ökat (Integritetskommittén, 2016). Det är många människor som använder sökmotorer utan att veta hur de egentligen fungerar, hur dessa sökmotorer samlar och använder data från användaren och vilka villkoren är som accepteras vid användandet. Vi anser att integritet i form av personliga data och anonymitet på nätet är viktiga frågor i dagens samhälle. Begreppet integritet anser Solove (2002) vara alltför brett och generellt. Detta gör att det är svårt att definiera vad integritet är, vilka lagar som gäller och för vilka sammanhang de ska gälla. Integritet i ett land och för en människa kan innebära något annat för en annan individ. Begreppet integritet skiljer sig även när vi syftar på privat integritet och integritet vid exempelvis yrkesmässiga sammanhang (Solove, 2002). Samtidigt ställs det högre krav på företag och deras datahantering, främst genom lagar som GDPR och anknytande lagstiftning, både på nationell och internationell nivå. Dessa lagar begränsar ytterligare dataanvändning och delning av information med tredje part. Annan lagstiftning i exempelvis USA kan kräva att personliga data delas med olika myndigheter och statliga byråer både inom ett land och internationellt (The Guardian, 2010; The Guardian, 2014). 1.3 Syfte och forskningsfrågor Syftet med den här undersökningen är att skapa förståelse för hur och om olika sökmotorer använder sig av personliga data för att anpassa sökresultatet till enskilda användare. Uppsatsen kan användas för att vägleda användare till att skräddarsy sekretessinställningar för att bibehålla ett relevant sökresultat utan större bekostnad av personliga data. För att kunna göra detta försöker vi svara på följande huvudfrågor: - Vilka typer av personliga data samlar och använder sökmotorer? - Hur påverkar användarens personliga data framtagandet av sökresultat vid användning av sökmotorers söktjänst? För sistnämnda fråga så anses användarens generella data vara information om användarbeteende i form av tidigare sökningar, webbhistorik och lagrade cookies genom 4

9 klickbaserade och användarbaserade algoritmer (Kaingade, 2015; Surulliandi 2015). Personliga data är sådant som berör geografiska punkter och information som kan kopplas till specifik användare. Med påverkan så menar vi de sökresultat som framställs utifrån mängden användardata som sökmotorn använder och har tillgång till för framtagandet av resultat. De sökmotorer som nämns, beskrivs och används inom uppsatsen är DuckDuckGo, Google och Yandex, vilket gör att resultatet inte kan generaliseras i större utsträckning än till dessa sökmotorer. 1.4 Vetenskaplig förankring Uppsatsen tillhör forskningsområdet för IT-säkerhet, skyddandet av personliga data samt personlig integritet vid användning av sökmotorer. Tidigare vetenskapliga arbeten som gjorts inom dessa områden har bland annat fördjupat sig inom sökmotorers privatpolitik och användning av data. Även hur dessa förhåller sig till personliga data, personlig integritet, rätten om att bli bortglömd samt anonymitet. Nininahazwe (2018) har genom enkätundersökningar analyserat huruvida användare av sökmotorer förstår sig på dess användarvillkor eller ej. Resultat från forskningen visar att så mycket som upp till 80% av användare har svårt att begripa och förstå sig på användarvillkoren som presenteras av företagen. Detta har bland annat visat sig tydligt för Googles användarvillkor som består av 74 sidor. Enligt lag så finns det ingen skyldighet att presentera användarvillkoren på ett tydligt sätt utan det räcker med att användarvillkoren presenteras för användaren. Med detta i åtanke så har Nininahazwe (2018) valt att fokusera det vetenskapliga arbetet mot hur användaren kan skydda sig på ett bättre sätt istället för att försöka förändra hur användarvillkoren hos företagen presenteras. Nininahazwe (2018) visar genom studier att användare har svag insyn om vilken personliga data som samlas inom sökmotorer och hur den hanteras. Vice versa så menar Zimmer (2008) att det även kan vara så att konceptet personlig integritet skiftar mot en mer acceptabel syn av datadelning, vilket gör att användare är mer villiga att dela personliga data. Solove (2002) instämmer med detta då författaren antyder att personlig integritet som koncept är något som har förändrats genom historien, synen på personlig integritet för tidigare generationer är inte densamma som gäller i dagens samhälle då vi som människan har förändrat vår levnadsstandard och sätt att leva. Priyadarshini (2010) förklarar att det finns flertalet sårbarheter inom området för sökmotorer, vidare har författarna presenterat en lösning i form av en säker och censurerad sökmotor där användaren har möjlighet att ändra hur personliga data används. Kaingade (2015) lyfter fram 5

10 och presenterar ett skalbart sätt för användare av sökmotorer som möjliggör automatiserade användarprofiler där användarprofilernas integritet skyddas. Ramverket Extended User customizable Privacy-preserving Search (E-UPS) generaliserar användarprofiler för att förbättra kvalitén på sökning samtidigt som användardata döljs och förblir skyddad. Ramverket är även till för att ge skydd mot integritetsattacker. E-UPS ger användaren möjlighet att modifiera de definierade sekretesskrav som finns, vilket ger användaren mer kontroll över sin data (Kaingade, 2015). Personlig webbsökning (PWS) är ett system som Kaingade (2015) förespråkar. PWS tillhandahåller förbättrade sökresultat utifrån användarens inställningar, intressen och är tänkt att generera resultat som återspeglar användarens individuella behov. Användarprofilen uppdateras efter varje ny sökning som görs, det som skyddar användarprofilen inom detta system är ramverket E-UPS. Ramverket tillåter användaren att specificera sina användarinställningar utifrån sina behov där E-UPS genererar generella användarprofiler som används. Något som görs för att skydda användarens integritet utan att påverka kvalitén på sökningen. Detta system har varit på experimental nivå där resultat visar att E-UPS som ramverk skulle kunna uppnå kvalitativa och anpassade sökningar samtidigt som användarens tillvalda sekretesskrav skyddas (Kaingade, 2015). Wicker (2017) föreslår ett annat tillvägagångsätt som ändå är ganska likt det Kaingade (2015) uppmanar till. Tillvägagångsättet handlar om att ge användaren möjlighet att få nytta av de verktyg som tjänsteleverantörerna använder, vilket handlar om datautvinning för att producera data som ska representera användarens profil. Detta tillvägagångssätt har enbart använts som ett bevis på koncept där feedback från sökmotorer i form av personliga annonser använts i algoritmer för ytterligare inlärning där nya frågeställningar skapas för att förvirra sökmotorn. Undersökningen visade att det var möjligt att påverka användarens profil som sökmotorer genererar. Även att det kan vara möjligt att skydda användarnas integritet vid användning av sökmotorer, men från ett nytt perspektiv (Wicker, 2017). Vidare så föreslår Wicker (2017) att användare därför bör få tillgång till samma uppsättning av verktyg som tjänsteleverantörerna använder för att identifiera användarna, nämligen maskininlärning och datautvinning. Wicker (2017) antyder att detta är ett bra tillvägagångsätt då användaren kan hitta bättre sätt att skydda sin integritet på. En liknelse till detta är när hackare eller myndigheter som har tillgång till användarens data, användaren vet inte alltid i dessa fall vad de andra parterna har för kunskap och information om användaren, vilket gör att det är svårt för användaren att använda tekniker för att skydda sig (Wicker, 2017). Enligt Castellà-Roca (2009) har flertalet förslag lyfts fram för skyddandet av användarnas 6

11 personliga data vid användning av sökmotorer. Dessa föreslag innefattar anonym webb-surfing där användarens identitet döljs. Dock har dessa förslag fortfarande inte lyckats lösa fördröjningsproblemet som uppstår då flertalet steg krävs för att dölja användarens spår, vilket gör att responstiden förlängs. Castellà-Roca (2009) har därför lyft fram ett tillvägagångsätt där det inte behövs några förändringar hos tjänsteleverantörerna, där servern inte är i behov av ett samarbete med användaren. Studien visar att tidigare nämnda förslag om att skydda användarens personliga data kan förbättras genom att använda detta tillvägagångsätt, vilket även skulle kunna tillämpas i verkligenheten (Castellà-Roca, 2009). Inledningsvis förklarade vi övergripande vad klickbaserade och profilbaserade strategier var. Surulliandi (2015) menar att klickbaserade strategier fungerar väl på repeterande frågeställningar medan profilbaserade strategier är mer stabila då implementationen är lättare samt att resultaten tenderar att förbättras. Motsatsen till detta är innehållsanalysmetoder som anses vara opassande för personliga sökresultat. Surulliandi (2015) jämför personliga sökresultat baserat på innehållsanalys och personliga sökresultat utifrån metoder som analyserar användargrupper. Den sistnämnda metoden förbättrar utfärdade sökresultat hos sökmotorer genom att hitta informationsbehov hos användarna, där insamlade data i form av klick bearbetas. Experiment visar att personliga websökningar baserade på användargruppsmetoder har både högre feedbackhastighet och bättre precision än innehållsanalysmetoden (Surulliandi, 2015). 1.5 Kunskapsfördjupning Vi anser att det finns några praktiska begrepp som bör förklaras för att denna uppsats skall vara förståelig. Dessa är VPN och IP-adress. VPN står för det virtuella privata nätverk. VPN är en tjänst som byter ut användarens IPadress mot IP-adress av servern som ägs och/eller administreras av tjänsteleverantör samtidigt som internettrafik krypteras (NordVPN, 2020). Dessa åtgärdar bidrar bland annat till skyddandet av användarens identitet online. IP-adress är ett unikt identifieringsnummer som är till för att identifiera datorer i ett nätverk (IP. 2020). Dess användning är för att bestämma placering av en anordning eller ett ursprung av ett internet-meddelande som skickats mellan enheter. IP-adresser används av sökmotorer för att lokalisera enheten som använder sökmotorn, detta görs för att bland annat bakomliggande algoritmer skall kunna presentera sökresultat som är nära användarens geografiska plats. 7

12 1.5.1 Integritet Det mest centrala begreppet för denna uppsats är integritet. Det är integriteten som riskerar att komma i kläm när en sökmotor använder sig av personliga användardata för att optimera sökresultat. Försök att skydda den personliga integriteten på nätet går ofta stick i stäv mot en aktiv insamling av användardata till förmån av sökmotorerna. Integritetspolitiken och användaravtalen hos olika sökmotorer skiljer sig från varandra beroende på affärsplan och strategi. Flera internetföretag använder sig av personliga data för att effektivisera sina algoritmer och förbättra sökresultatet baserat på deras antaganden om var användaren befinner sig och vad den är intresserad av men också för riktade annonser (Google, 2020a). Exempel på detta är Google som aktivt använder användarens IP-adress och aktivitetshistoriken för att anpassa sökresultat så att länkar till lokala resurser (till exempel butiker) placeras högst, samtidigt som de använder personliga data för riktade annonser och visar toppresultat baserat på bland annat tredjepartsdata och länkar som flest användare har klickat på (Google, 2020b). Här framstår dock en fråga om relevansen av ett sådana sökresultat för en konkret användare och vilket pris en användare betalar för att geografiskt förtydliga sitt resultat. Nämnda problem ligger till grund för vår undersökning om hur sökmotorer förhåller sig till ramverk för dataintegritet. För att kunna problematisera och analysera ovannämnde problembeskrivning anser vi att vi först bör definiera begreppet integritet för detta område. Detta för att få en korrekt förklaring för vilken data som bör kategoriseras som personliga data vid användandet av sökmotorer. Svenska Akademien (2020a) definierar integritet som en rätt att ha en egen sfär som är skyddad mot intrång. Detta innebär både skydd från andra människors men också myndigheternas och staternas insyn. Solove (2002) anser i sin tur att begreppet integritet är något som bör tolkas genom att först identifiera kontexten och hur integritet bör ses för detta ändamål. Vid användning av sökmotorer finns det flertalet användningsområden. Exempel på detta är om personen använder sökmotorer privat hemma eller i ett offentligt nätverk, alternativ om personen genomför yrkesmässiga sökningar på företagets nät. Alla dessa tre situationer kan tolkas som olika utifrån ett integritetsperspektiv. Till exempel så anses IP-adressen vara en viktig del av personliga data vid privata sökningar i hemmet medan detta exempelvis på arbetsplatsen kan vara flertalet användare som nyttjar en och samma IP-adress och då kan den inte kopplas direkt till en konkret person. Som exempel på ett undantag är universitetsnätverket eduroam som är ett allmänt nätverk som kräver personlig inloggning. Detta gör att operatören för nätverket kan identifiera specifika användare medan användaren i sig förblir oidentifierad 8

13 mot omvärlden, om inte konto på sökmotorn används, något som vi kommer att redovisa under kapitlet för resultat. Solove (2002) menar att integritet är något som människan definierat för att urskilja privata och offentliga ting. Detta kan vara allt ifrån fysiska handlingar som i grova drag kan bestå av exempelvis intrång till ens hem eller skador på ens kropp men det kan även vara mentala handlingar som uthängd identitet, rykten, bedrägeri, kränkning eller annan handling som kan skada ens integritet psykiskt. Ett stort problem med detta begrepp är just huruvida integritet definieras. Solove (2002) lyfter fram sex huvudområden av begreppet integritet som används i dagens samhälle. Dessa innefattar rätten att få vara lämnad ensam, begränsad tillgång till jaget, sekretess, kontroll över personlig information, personlighet samt intimitet. Dessa områden anses generella kontextuella beskrivningar som inte räcker till för att definiera begreppet integritet. Istället bör integritet definieras utifrån dess kontext i användning då integritet är ett brett område som används och tolkas annorlunda beroende på tidigare forskning av området och dess historia. Även kultur och etik för dess kontext har en påverkan för hur vi tolkar begreppet integritet (Solove, 2002). Vidare bör använda ett tillvägagångssätt som bygger på botten upp analys där tidigare forskning, historia och omfattande kultur och etik bör vara påverkande faktorer för hur integritet bör definieras i ett visst sammanhang. Exempel på detta är hur ett hem blivit mer och mer kopplat till integritet. Solove (2002) förklarar att hem förr i tiden ej var uppdelade i separata sovrum eller förknippat till enbart en familj. Detta är något som har utvecklats med tiden med hjälp av samhället, teknologin och normer i vardagen. Även vår syn på kroppen och klädesplagg har förändrats markant genom tiden, då inom vissa tidsepoker av människans historia ansågs det rent av värdigt och socialt att vara utan kläder. Detta är något som hade ansetts stötande och olämpligt i dagens samhälle då vår syn på integritet förändrats. Därför är detta något som bör räknas in när vi definierar vår syn på integritet i just detta arbete. Integritet berör tre områden som är familj, hem och kropp. Vår vetenskapliga förankring till detta är att vi bör kontextualisera begreppet integritet utifrån vår problembeskrivning och forskningsfråga (Solove, 2002). Integritet för denna kontext anser vi vara en kombination av vad Svenska Akademien (2020a) och vad Solove (2002) förklarar. Vi anser att integritet bör ses som en skyddad sfär mot offentliga ting, då intrång är något som kan identifiera och utnyttja användaren. Integritet bör innefatta rätten att användaren själv har möjlighet att bestämma vilken personliga data som ska användas och hur den bör delas. 9

14 1.5.2 Sökmotorer Flertalet sökmotorer använder sig av användardata för att anpassa sökresultatet. Det finns även andra parametrar som kan påverka sökresultatet, som exempelvis betalda annonser, andra användares beteende med mera (Google. 2020). Personliga användardata är däremot en parameter som användaren till viss del kan påverka själv. Innan vi går in på användardata och insamling av detta är det viktigt att ha en grundläggande förståelse för hur en sökmotor fungerar. En sökmotor är enligt Svenska Akademien (2020b) ett program för snabb genomsökning av mycket stora datamängder. En sökmotor består av några viktiga delar såsom indexerare, sökrobot och själva sökmotorn. När en användare söker på ett ord eller en mening, så skickas förfrågan först till sökroboten. Efter sökroboten har fått informationen så förbereder indexeraren ett sökbart index utifrån sökmotorns aktiva databas. Sen ger själva sökmotorn funktionalitet för sökning bland indexerade data. För att säkerställa att samtliga länkar på internet finns in i sökmotorns index, använder de sig av ett verktyg som kallas för webbsökare eller spindel. Verktygen är avsedda för att automatiskt besöka varje ny hemsida och därifrån följa samtliga länkar som finns på sidan. Den insamlade informationen analyseras samt bearbetas och sedan sätts in i indexet enligt formulerade riktlinjer (Jawadekar, 2011). Sökmotorer kan använda liknande eller annorlunda algoritmer för att bygga ett relevant och tillräckligt bredd index där maskininlärning är ett bra verktyg för att förbättra produkten. Till exempel använder Google en helt automatisk algoritm som bygger upp indexet och beslutar i vilken ordning hemsidor presenteras i ett sökstickprov i kombination med manuell hjälp av utbildade experter. Yandex i sin tur kompletterar det med hjälp av vanliga användare genom plattformen Yandex.Toloka (Montti, 2019). DuckDuckGo använder sig av resurser som crowdsourcing, sin egen webbsökare men också andra sökmotorers sökresultat, som exempelvis Bing, Yahoo! och Yandex (Weinstein, 2018). Med Crowdsourcing i detta sammanhang menas att DuckDuckGo och Yandex tar hjälp av allmänheten och avsedda specialister för att på ett effektivt sätt samla information (Esri, 2020). 10

15 1.5.3 Insamling av användardata En annan utgångspunkt utifrån tidigare forskning och undersökning är att sökmotorer finansierar sig på användardata och profilering (Startpage, 2020). Detta har legat till grund för en del av det resultat vi sammanställt då vissa sökmotorer har visat sig vara mer känsliga och förankrade till personliga data än andra sökmotorer. Vidare menar Startpage (2020) att sökmotorer som finansierar sig på användardata har en tendens att samla in mycket metadata kring användarens sökning för bland annat tydligare profilering. Detta är något som anses vara onödigt för att ge frekventa sökresultat. Skräddarsydda annonser är något som har utvecklats i större utsträckning, något som har möjliggjorts med hjälp av digital spårning av beteende samt användning och positioneringssystem. Enligt Startpage (2020) är det en myt att sökmotorer är i behov av profilering och massinsamling av data för att tjäna pengar. Att en sökmotor kan gå med vinst utan skräddarsydda annonser och profilering av sina kunder har visat sig vara möjligt då flertalet sökmotorer har blivit konkurrenskraftiga på marknaden. Exempel på detta är sökmotorer som DuckDuckGo, Ecosia och Starpage. Anonymisering inom sökmotorer är dock ett pågående område under utveckling. Chris, A (u.å.) presenterar statistik där 87,35% av världens marknadsandel hör till Googles sökmotor. Detta anser Chris, A (u.å.) har att göra med bakomliggande algoritmer som gör Googles sökresultat mer träffsäkra än andra sökmotorers. En viktig algoritm är den som bygger på att webbsidor som refereras från andra webbsidor bör anses vara prioriterade, vilket i sin tur leder till högre rangordning för resultatet. Vidare går det att argumentera för att flertalet algoritmer och maskinginlärning utifrån användarnas data har möjliggjort dessa träffsäkra sökresultat. Detta är dock något som är till kostnad av användarnas data (Startpage, 2020) Problemmodellering Utifrån integritetsperspektivet har vi modellerat tre scenarion som beskriver förhållandet mellan sökmotor och användaren i förhållande till användning av personliga data. Figur 1 Sökmotor har begränsad tillgång till användardata. Sökresultatet är relevant utan att vara integritetskränkande Figur 2 Sökmotorn har full tillgång till personliga data. Sökmotorn vet allt om användaren 11 Figur 3. Sökmotor och personliga användardata saknar överlappning. Sökmotorn vet inget om användaren

16 I figur 1 till 3 modelleras förhållandet mellan sökmotorn och användaren i förhållande till sökresultat. Figur 1 modellerar ett samspel mellan sökmotorn och individens användardata på bästa möjliga sätt. Sökmotorn har tillgång till tillräckligt med användardata för att sökresultatet ska optimeras utifrån användarens profil men utan att vara integritetskränkande. Det här är en teoretisk modell och att avgöra vad som exakt är relevant och integritetskränkande kan skilja sig kraftigt åt mellan olika användare och syftet för sökningen (Solove, 2002). Poängen med figur 1 är att tydliggöra att det finns ett samspel som gynnar användaren, trots användning av personligt data. Användaren kan i sin tur göra vissa anpassningar för att minimera användandet av personligt data vid behov, exempelvis genom att söka utifrån ett privatläge eller VPN alternativt vara uppkopplat via ett konto. Privatläge finns i flertalet webbläsare, denna funktion gör att användaren kan surfa på internet utan att information sparas om besökta sidor, kakor, lösenord och cachade filer (Pettersson, u.å.). Figur 2 illustrerar ett fullständigt anpassat sökresultat i förhållande till användarens personliga användardata. I privacybemärkelse är det här en mardröm eftersom sökmotorn har tillgång till all användardata och någon personlig sfär finns det inte. Det är däremot fullt möjligt att användaren inte har problem med detta utan är nöjd med själva sökresultatet och anser det smidigt att sökmotorn vet så mycket om en. Exempelvis kan en användare föredra att inte fylla i personuppgifter eller liknande när denne handlar på nätet. Sökmotorn vet redan vem som söker och har förifyllt allt. Figur 3 illustrerar istället avsaknaden av personliga användardata. Sökresultatet genereras enbart utifrån data som saknar koppling till användaren. Den personliga integriteten bevaras, men troligen på bekostnad av sökresultatets relevans. Figurerna utgör ett teoretiskt ramverk och ska enbart förstås så. De illustrerar balansgången som vi behöver jobba med i förhållande till den personliga integriteten och ett relevant sökresultat. 1.6 Beskrivning av uppsatsens tillämpningsområde Tillämpningsområdet för detta projekt går att beskriva som hur tillgång till personliga data bör korrigeras vid användning av olika sökmotorers sökmotor. Vi anser att denna uppsats kommer ge användare kunskap om hur personliga data kan skyddas på ett bättre sätt och hur dessa sekretessinställningar påverkar utformandet av ett sökresultat. 12

17 2. Metod För att kunna svara på forskningsfrågorna har vi valt att ha två angreppssätt. Det första knyter an till följande forskningsfråga: - Vilka typer av personliga data samlar och använder sökmotorer? I underökningen görs en kvalitativ genomgång av de olika sökmotorernas policys för att få en tydligare bild av vilken användardata som samlas och i vilket syfte detta sker. Vi valde enligt våra avgränsningar att inte ta flera policys utan koncentrera oss på en djupare genomgång av de tre valda sökmotorerna. Det andra angreppsättet knyter an till följande forskningsfråga: - Hur påverkar användarens personliga data framtagandet av sökresultat vid användning av sökmotorers söktjänst? För att kunna svara på denna fråga kommer vi att genomföra ett experiment som bygger på en kombination av kvalitativa och kvantitativa metoder, något som vi förklarar mer djupgående under kommande rubriker. För forskningsfrågorna har vi valt att analysera tre sökmotorer. Valet av sökmotorerna är motiverat såväl geografiskt som integritetsmässigt. Sökmotorerna för detta experiment är DuckDuckGo, Google och Yandex. Valet av Google gjordes då denna sökmotor globalt sett är den största och mest använda sökmotorn som omfattar över 75 procent av sökmarknaden, vilket gör att den anses relevant för studien (Davies, 2018). Sökmotorn Google har som mål att organisera världens information och göra denna tillgänglig och användbar globalt (Google, 2020c). Yandex valdes då det är en engelskspråkig tjänst från det största ryska IT-bolaget YANDEX LCC. Vidare så är Yandex söktjänst användarmässigt på första eller andra plats bland sökmotorer i flera östeuropeiska och sydösteuropeiska länder vilket gör att denna sökmotor kan representera östeuropeiska sökningar (Statcounter, 2020). Yandex är likt Google på sådant sätt att söktjänsten är integrerat med flertalet andra tjänster för att forma en gemensam online miljö för användaren. Sökmotorerna har även likheter i form av antalet data som samlats och bearbetas enligt deras integritetspolitik (se Tabell 1). Yandex har som mål att hjälpa konsumenter och företag att bättre navigera genom både online- och 13

18 offlinevärlden (Yandex, 2020). Vi anser att valet av en rysk sökmotor bidrar till experimentets relevans då Yandex använder sig av ett annorlunda system vid verifiering av sökresultat. Experimentet blir även mer representativt globalt då Yandex hanterar insamlade data för en annan region än Europeiska unionen och USA, där Google har en störst marknadsandel. DuckDuckGo ansåg vi vara relevant för denna undersökning då det är ett relativt nytt projekt som positionerar sig som ett icke vinstorienterat företag med fokus på integritet och användardatasäkerhet (DuckDuckGo). Till skillnad från Google och Yandex ger DuckDuckGo användaren ingen möjlighet att skapa ett användarkonto, istället för att fokusera på personliga sökresultat så har DuckDuckGo fokuserat på att skydda användarens integritet online. Tjänsten har inga kompletterade tjänster som samlar och bearbetar användardata, vilket gör att data inte delas i samma utsträckning som för Google och Yandex. DuckDuckGo har som mål att skapa en ny standard för förtroende och tillit online (DuckDuckGo, 2020). Andra metoder för datainsamling har varit av intresse för denna uppsats, vi har utvärderat flertalet metoder som kan tänkas ge svar på våra forskningsfrågor. Kvalitativa metoder i form av enkäter och intervjuer är något som nämnts under avgränsningar, dock har vi läst igenom flertalet internetforum som diskuterar detta ämne där vi analyserat användarnas kommentarer och synpunkter. Vi ansåg att detta inte gav oss all information som behövdes för att framställa resultat då flertalet kommentarer var kortfattade eller för oseriösa för att utvärderas. I det här avsnittet redogör vi för den kvantitativa forskningsmetoden. 2.1 Forskningsstrategi/forskningsansats Baserat på vår forskningsfråga om insamlad personliga data och tidigare forskning inom ämnesområdet har vi valt en forskningsstrategi som bygger på en statistisk analys av ett experiment. Oates (2005) förklarar hur kvalitativa data kan bestå av meningar och ord, något som vi använder för experimentet i form av länkar till hemsidor. Vidare beskriver Oates (2005) hur kvalitativa data kan användas för kvantifiering. Det genomförda experimentet för den här uppsatsen genererar information i form av kvalitativa data som konverterats till kvantitativa datatyper för möjliggörandet av statistisk analys (Goldkuhl 2019; Oates 2005). Kvantitativa data är något som Oates (2005) förklarar som data eller bevis, som främst består av 4 olika datatyper: nominell, ordinär, intervall och förhållandedata. Experimentet för uppsatsen kommer främst hantera intervalldata där förhållanden emellan data jämförs. Med denna strategi 14

19 förväntas vi få ett svar på hur olika parametrar och mängden insamlade data påverkar sökresultatet för olika sökmotorer. Holmlöv (2020) lyfter fram förutsättningar för att kvantitativa undersökningar skall vara användbara, det handlar främst om att observationerna ska vara mätbara. En stor skillnad mellan kvalitativa, - och kvantitativa tillvägagångssätt är hur variabler tolkas och analyseras. Kvantitativa undersökningar söker efter orsakssamband, variabler som kan tänkas hänga ihop och hur effekten av oberoende variabler blir. Vidare så bör de genomförda observationerna vara lika värda, medan för kvalitativa studier så kan enskilda observationer ha större betydelse där ett förklarande mönster sökes (Holmlöv 2020; Oates 2005). 2.2 Forskningsmetod/datainsamlingsmetod och avgränsningar Holmlöv (2020) förklarar att kvantitativa data som inte mäts genom siffror behöver kodas för att kunna skapa variabler. Något som även Oates (2005) förklarar mer djupgående. För genomförd undersökning i denna uppsats så handlar det om länkar till hemsidor i form av textsträngar som ska kodas om till variabler för att kunna mätas. Datainsamlingsmetoden för den här uppsatsen handlar därför om att lagra alla länkar i form av enskilda textsträngar, där varje länk ska vara kopplat till rätt sökning med rätt sekretessinställning. Utifrån den kvalitativa datainsamlingsmetod som används för experimentet så kan testdata kvantifieras för att möjliggöra kvantitativa analysmetoder (Oates, 2005). Något som även förklaras mer djupgående under nästkommande avsnitt, analysmetod. För att ge en mer djupgående förklaring om utformat experiment så består experimentet av ett flertal sökningar mot tre olika sökmotorer för tre olika webbläsare. Experimentet har avgränsats till antal webbläsare, sökmotorer och sökord. Varje sökord användes för nämnda sökmotorer i samtliga nämnda webbläsare. För att kunna se huruvida användardata har betydelse för sökresultatet genomfördes testerna i förhållande till ytterligare parametrar, såsom VPN, privatläge, med tillhörande konto och utan konto. Det genererade sökresultatet utgör länkar som vi sedan sammanställt för analys. Som en avgränsning har vi valt att använda stickprov av de tio första länkarna som presenteras vid sökningar. Detta antal har vi bestämt utifrån tidigare statistik som visar att länkar som framgår på den första sidan av sökresultat ansvarar för mer än 90% av datatrafiken (Donnini, 2013) viket innebär att antalet länkar vid varje testfall förväntas ge tillräckligt relevant resultat. Vi använde oss av tio ord för att kunna genomföra experimentet. 15

20 Val av sökord kan ha en stor betydelse i utfallet. Av den anledningen utformades fem olika kategorier med ett ordpar per kategori. För att öka relevansen avgränsade vi olika kategorier baserad på de parametrar som sökmotorer använder, bland annat lokalisering av användaren. De fem kategorier är förkortningar, historiska händelser, begrepp inom politisk filosofi, kända personer samt vardagliga ord. Kategorin förkortningar valde vi då förkortningar kan vara liknande eller skilja sig för olika länder, denna kategori förväntades hjälpa oss analysera skillnader på sökresultat utifrån geografisk plats och språkinställningar. kategorin historiska händelser hör till historiskt kopplade ord. Med dessa ord förväntar vi få ett flertal generella resultat i form av definitioner men också landspecifika resultat då upplevelser av olika händelser kan skilja sig för olika delar av världen. Kategorin för begrepp inom politisk filosofi valde vi då vi anser att det bland annat finns globala definitioner för dess innebörd. Vidare anser vi att denna kategori bör skiljas baserat utifrån geografiska platser då normer och värderingar kan variera. Kända personer är en kategori som är tänkt att hjälpa oss få en överblick över globala sökningar, likaså kategorin för vanliga sökord (Suolo, 2020). 2.3 Analysmetod Oates (2005) beskriver hur kvantitativa dataanalyser fungerar övergripande. Idén med dataanalys handlar om att leta efter mönster i datasamlingen för att kunna göra slutsatser utifrån detta. Det finns flertalet metoder för att analysera kvantitativa data, vi kommer att använda oss av stapeldiagram. Oates (2005) förklarar hur stapeldiagram används för att framställa samband. Det är dock viktigt att visualisera detta på ett tydligt sätt, då Oates (2005) menar att större mängder data med flertalet staplar lätt kan göra det svårläst och svårtolkat. Vidare förklarar Holmlöv (2020) hur data bör konverteras från icke numeriska värden för att kunna bli mätbara. Då datainsamlingsmetoden som använts för detta experiment gett oss länkar i form av textsträngar så har det varit av stor betydelse att kategorisera och konvertera detta till mätbara variabler. De lagrade textsträngarna har kategoriserats så att vi kunnat sammanställa varje specifik sökning med tillhörande sekretessinställning. Detta har gjort möjliggjort genomförandet av bivariat och multivariat analys. Haining (2010) och Holmlöv (2020) menar att bivariat analys handlar om att analysera sambandet mellan två variabler, medan multivariat analys används för att se hur flertalet oberoende variabler sammanhänger eller påverkar en beroende variabel. Då textsträngarna för denna analys består av n-antal bokstavskombinationer som tillsammans bildar en helhet, en variabel så har multivariat analys varit av intresse för att 16

21 beräkna mängden oberoende variabler inom varje variabel. Kombinationen av bivariat och multivariat analys har möjliggjort analys av kausalitet och korrelation för dessa variabler (Holmlöv, 2020). Analysmetoden vi använt utformar sig därför efter sambandspåverkan genom korrelation som Holmlöv (2020) lyfter fram, men även utifrån Pearsons korrelationskoefficientmetod som Sedgwick (2012) nämner och beskriver mer djupgående. Vidare beskriver även Oates (2005) hur jämförelser och mätningar kan göras emellan variabler. Pearsons korrelationskoefficientmetod är främst till för intervalldata, medan Spearmans metod fungerar bättre för ordinära data, exempelvis hastighet eller ålder (Oates, 2005). Sedgwick (2012) och Oates (2005) förklarar hur denna formel används för att mäta samband mellan två variabler. Genom att använda värden som sträcker sig från talet -1 till +1 så kan korrelationsvärde mellan två variabler analyseras. Ett positivt värde visar att ett positivt samband mellan dessa variabler finns medan värdet 0 visar att inget samband finns överhuvudtaget. Vice versa så visar ett negativt värde att ett negativt samband finns mellan dessa variabler (Sedgwick, 2012). Ett exempel på detta är om sambandet mellan pengar och glädje analyseras. Ett positivt värde hade visat att ju mer pengar desto mer glädje, medan ett negativt värde hade visat att ju mer pengar desto mindre glädje. Värdet 0 i detta exempel hade visat att det inte fanns något samband mellan pengar och glädje. För denna uppsats handlar det om att analysera sambandet mellan variabler för varje specifik sökning till förhållande av sekretessinställningar. Hur många variabler är det egentligen som överensstämmer, utifrån olika testfall. 2.4 Genomförande/tillämpning Datainsamlingsmetoden som använts har gett oss totalt 7100 länkar, varav 710 länkar per sökord, vilket är en stor mängd data att analysera utifrån den tidsram som är satt för detta projekt. En mer djupgående och detaljerad beskrivning om vår analys är att vi jämfört hur resultat skiljer sig för varje sökord mellan olika sökmotorer och olika webbläsare utifrån valda integritetsinställningar. I synnerhet med våra formulerade forskningsfrågor har vi valt att analysera hur varje enskilt sekretessfilter påverkar samtliga sökningar. Vi analyserade geografiska och privata faktorer som dem av störst intresse för oss. För det bestämde vi att testa samtliga ord mot fyra olika webbläsare och ett privatläge samt genomföra sökningar med och utan VPN-tjänst. Ett antagande vi har gjort är att privatläge för samtliga sökmotorer fungerar på liknande sätt, detta är något som vi sedan kunnat bekräfta med hjälp av analysen. 17

22 För att underlätta den tekniska delen av analysen skapade vi ett program som automatiskt jämför relationer för ett sökord baserat på valda integritetsinställningar, sökmotorer och webbläsare. Detta program jämförde samtliga testfall för alla webbläsare inom ett sökord, detta gjorde att vi kunde sammanställa resultatet för hur ett sökord förändras beroende på sekretessnivå för varje enskild webbläsare men också mellan de olika webbläsarna. Resultatet har analyserats med hjälp av korrelationstest för hur resultat för olika sökningar hänger samman med varandra. Vi har valt att granska förhållanden emellan sökningar med nämnda inställningar genom att jämföra dess resultat per webbläsare mot valt grundvärde. Som ett grundvärde för varje specifikt ord har vi använt resultat av en sökning utan VPN, utan konto och utan privatläge. Vidare sammanställde vi hur stickprov kan skiljas mellan olika sökmotorer för alla tre webbläsare. Samtliga resultat presenteras i form av diagram där skillnaden mellan ursprungsvärde och den givet värde beräknas i skala från 0 till 1. För att underlätta analysen och förtydliga svar på våra forskningsfrågor har vi analyserat användarvillkoren av tre valda sökmotorer med fokus på vilka uppgifter som samlas och hur den informationen hanteras och delas visare. Detta görs för att vi ska kunna få en inblick i vilka parametrar som används vid sökresultat och hur sökresultatet påverkas utav dessa. Vi har sammanställt information om data som samlas och delas vid användning av valda sökmotorerna utifrån deras integritetspolicys i en gemensam tabell där samtliga samlade uppgifter är indelad i fyra olika kategorier (se tabell 1). Utifrån sammanställningen har vi sedan skapat en mall för vilka parametrar vi behöver förändra vid de olika sökfallen. Mallen blev i sin tur grunden för hur undersökningen skall genomföras. Med hjälp av formulerade riktlinjer har vi samlat in data, grupperat utifrån både integritets- och geografiska kriterier. Denna datainsamlingsmetod gör att all data kan analyseras utifrån vår frågeställning för att visualisera det resultat som undersökningen åstadkommit. 2.5 Kvalitet För att redovisa kvalitet för denna undersökning har vi framtagit flertalet kategorier för sökord som vi anser bör skiljas från varandra. Detta för att kunna få en mer generell och övergripande bedömning om vilken korrelation testfall för söktjänster har gentemot varandra. Vidare anser Kahneman (2011) att testfall bör vara utformade i den grad att ett mönster kan bildas utifrån insamlade testdata. Vi anser att analys av enbart ett sökord inte är tillräckligt för att en korrekt och rättvis slutsats kan dras. Detta har lett till framtagandet av fem kategorier med två ord för 18

23 tillhörande kategori. Utifrån testfall tillhörande dessa sökord har vi kunnat mäta kvaliteten genom korrelationstest där vi analyserat sambandet mellan testfall för olika sekretessinställningar. Analysen presenterar då statistiska data med tillhörande korrelationstest för att stärka vårt resultat. 2.6 Etiska överväganden Vi har tagit etiska dilemman i åtanke inför detta experiment. En del avgränsningar har gjorts då denna undersökning ej innefattar några enkätundersökningar av privatpersoner. Vi anser istället att vi behövt ta hänsyn till normer och språk utifrån geografiska platser. Med tanke på detta valde vi begrepp och namn som kan upplevas och tolkas på olika sätt i olika länder. Det gäller till exempel ordet Trianon som kan beroende på region kopplas till första världskriget, ett slott i Frankrike eller, som vi har sett under vårt experiment, till ett rad företag världen runt. Samtidigt förväntades det att ordets koppling till just första världskriget också kan påverka resultatet på grund av skillnader i upplevelser av kriget i olika länder. 2.7 Kunskapsintressenter Nininahazwe (2018) menar att forskning bör utformas för att förändra användarens beteende vid användning av sökmotorer istället för att försöka förändra företagens tillvägagångssätt då detta är något som anses vara näst intill omöjligt då flertalet faktorer begränsar åtgärderna som kan göras. Detta handlar om lagar, regler, struktur och ekonomisk vinning där företagen har en skyldighet att presentera användarvillkoren dock utan krav på hur detta bör göras. Nininahazwe (2018) anser därför att användaren har svårt att förstå användarvillkoren som är uppsatta men att det istället är bättre att förändra användarens beteende genom att exempelvis använda VPN-tjänst. Det är mot den här bakgrunden att vi betraktar privatpersoner och potentiella användare av sökmotorer såsom forskare och utvecklare som kunskapsintressenter. Det vill säga de som vill ha utökad kunskap inom ämnet för hur personliga data hanteras vid användning av sökmotorer. Vi hoppas även att detta projekt skall fungera som en lathund för vilka webbläsare och sökmotorer som har bra korrelation mellan ursprungliga sökningar och dess sekretessinställningar. Detta för att kunna rekommendera intressenter om hur personliga data kan skyddas vid användning av söktjänster. 19

24 Vidare anser vi att kunskapsintressenter kan vara i form av forskare eller studenter som valt att undersöka detta ämne mer djupgående. Detta innefattar fortsatta studier inom området där denna studie kan användas som underlag för vidare forskning. Vi anser att det finns flertalet underkategorier som bör vara relevanta, bland annat om det är möjligt att mäta korrelationen för relevant resultat och hur denna påverkas av personliga data då denna studie enbart fokuserat på hur sökresultat skiljer sig men inte om sökresultat blir till det bättre eller sämre för användaren. 3. Sökmotorers hantering av integritet och personliga data Samtliga sökmotorer som vi har inkluderat i vår undersökning samlar in ett visst antal användardata. För att jämföra och visualisera antal uppgifter som samlas vid användning av just dessa sökmotorer har vi gått igenom deras privata policys. Efter det har vi sammanställt resultat i form av en tabell. I tabell 1 nedanför redovisas vilken typ av data Yandex, Google och DuckDuckGo samlar in. DuckDuckGo anger att de samlar in anonymiserade data för utveckling eller för att kunna rätta till exempelvis sökresultat trots felstavade sökord. Yandex anger inte varför de samlar data, men uttrycker att de inte profilerar användaren. Tabell 1. Sammanställning över användardata som samlas enligt sökmotorernas användarpolicies. Typ av data Yandex Google DuckDuckGo Profil data Användarens namn Användarens telefonnummer Användarens adress Användarens ålder Data från användning av andra services än själva sökmotor (kartor, etcetera) Electronic data HTTP headers IP-adress Kakor + + +* Unika identifierare (web beacons, pixel tags, softoch hardwareinfo) Namn på användarens mobiloperatör Telefonnummer

25 Webbläsarinfo Information om hur applikationer, webbläsare och enheter interagerar med tjänster (IP-adress, felrapporter och systemaktivitet samt datum, tid och hänvisningsadress för förfrågan) Ljud vid ljudsökning Timestamp (användning) Activity data Sökhistorik (opersonligt) Synkad webbläsarhistorik adress +** + - Info om personer som användaren kommunicerar eller delar information med Epost innehåll Bilagor Filer i molnen Other Plats (geolocation) Sensordata från närliggande enheter (wifi/bluetooth/ ) Info från 3 e part Köpaktivitet - + -*** * DuckDuckGo sparar i kakor bara med ändrade inställningar och bara på den lokala enheten. Information i kakorna kan inte kopplas till konkreta användare. ** Inklusive adresses av användarens kontakter. *** DuckDuckGo lägger till en affiliate-kod till vissa e-handelswebbplatser som resulterar i att små provisioner betalas tillbaka till DuckDuckGo när användaren handlar på dessa webbplatser. Det framgår att Google och Yandex samlar in betydligt mera användardata än DuckDuckGo. Både Google och Yandex samlar in data som går att knyta an till en användarprofil, oberoende av om användaren har ett konto eller inte. DuckDuckGo marknadsför sig som en sökmotor som inte samlar på användardata och som manar om den personliga integriteten. Utifrån den här översikten verkar de hålla sig till det. Det är däremot värt att påpeka att samtliga sökmotorer samlar en sökhistorik. För Google och Yandex knyts denna sökhistorik direkt till användaren (om den inloggad på sitt konto) eller till IP-adressen (om inloggning saknas). DuckDuckGo samlar förvisso sökhistorik, men den aggregeras och är inte knyten till användaren som genomförde sökkommandot. Med andra ord vet DuckDuckGo att någon har sökt på exempelvis Trump, men de har ingen möjlighet att veta vilken användare eller vilken IP-adress som genomfört sökningen. 21

26 3.1 Analys Användardata som Yandex och Google samlar in räcker till att skapa en mycket noggrann profil av användare. Det finns information om användarens kontaktuppgifter, geografiska uppgifter om var den befinner sig och vilka sökningar som genomförs. Med andra ord vet Google och Yandex vad du är intresserad av, vilka språk du behärskar, vad du handlar online med mera. Den samlade mängden användaruppgifter som samlas över tid är oerhört omfattande. Frågan är då hur det här förhåller sig till den personliga integriteten. Om vi jämför Google och Yandex omfattande aggregerade kunskap om användaren med de tre olika modellerna i vår problemmodellering, ser vi att de främst liknar figur 2. Det vill säga att sökmotorn 1) har en närmast fullständig tillgång till användarens användardata, och 2) nyttjar det här vid framtida sökningar och för andra tjänster. DuckDuckGo verkar å andra sidan vara mer likt figur 3 i problemmodelleringen. Det vill säga att sökmotorn 1) saknar i stor utsträckning uppgifter om användaren, och 2) av den anledningen nyttjar andra parametrar för att få ett relevant resultat. Det är viktigt att påpeka att sökresultatet torde vara relevant, eftersom DuckDuckGo är en snabbt växande sökmotor. Det här kan inte enbart tillskrivas konsumenternas medvetenhet i fråga om integritet, utan kräver också en fungerande produkt. 4. Ett kvantitativt angreppssätt: användarens påverkan på sökresultatet 4.1 Resultat och analys För experimentet så har ursprungsläget för vår testdata varit sökning mot specifika sökmotorer utan något tillhörande konto eller extra säkerhetsåtgärder. Detta har varit vårt ursprungsvärde som vi jämfört med resultat som genererats genom lager av sekretesskydd för specifika webbläsare och sökmotorer. Resultatet är baserat på en kvalitativ datainsamlingsmetod som kvantifierats för att möjliggöra kvantitativa dataanalyser (Oates, 2005). 4.2 Kvantitativa data Den kvantitativa data som använts för detta experiment är i form länkar utifrån diverse testfall, (se bilaga länkar). Dessa länkar har sedan sammanställts för varje enskilt testfall. Den 22

27 kvantitativa data som analyserats består därför av korrelationsnivåer mellan olika sekretessnivåer och sökord för olika sökmotorer och webbläsare (se bilaga diagram) för utförligare information om insamlade data och dess sammanställning. 4.3 Kvantitativ analys För att presentera resultatet av analysen använde vi oss utav korrelationstest och medelvärde. Vi har valt att visualisera detta med hjälp av procentenheter i form av stapeldiagram som visar hur olika nivåer skiljer sig procentuellt från varandra. Något som Oates (2005) rekommenderar då kvantitativa dataanalyser använts. Metod för medelvärde har vi använt för att kunna göra en mer generell bedömning för testfallen då vissa testfall visade annorlunda korrelationer än andra. De resultat som vi har fastställt är baserade på våra forskningsfrågor som beskrivs nedan. 4.4 Hur påverkar användarens personliga data framtagandet av sökresultat vid användning av sökmotorers söktjänst? Vi har identifierat annorlunda resultat beroende på val av sökmotor. Google är en sökmotor som har större förankring till personliga data än vad Yandex och DuckDuckGo har. Detta har vi kunnat framställa genom att mäta förändring av korrelation mellan det standardläge som sats för experimentet och dess nivåer av sekretesskydd. Se diagram 1.1 Google för utförligare information. Detta visar att användning av Google konto ger ett resultat mer förankrat till standardläget än vad sökningar utan konto gör, med olika sekretessnivåer. Detta visar även att användning av VPN och privatläge, i kombination eller inte har en påverkan på sökresultat. Detta gör att vi kan dra slutsatsen för Googles sökmotor att ju mer skyddad din personliga data är, desto mer förändras sökresultatet. Diagram 1.1 Google Påverkan av personliga data vid Googles söktjänst 23

28 Google - förändring av sökresultat beroende på sekretessnivå Med konto Privatläge Privatläge + konto Med VPN Med VPN + konto Med VPN + privatläge VPN, privatläge, konto 100,00% 96,33% 77,33% 92,33% 44,66% 48,66% 24,66% 44,66% 50,00% 0,00% Utgångsläge Med konto Privatläge Privatläge + konto Med VPN Med VPN + konto Med VPN + privatläge VPN, privatläge, konto För sökmotorn Yandex har vi identifierat ett mönster som visar att sökresultat för söktjänsten påverkas men i inte alltför stor grad oavsett sekretessnivå. Se diagram 1.2 Yandex för utförligare information. Detta gör att vi kan dra slutsatsen att Yandex använder personliga data för sökresultat, dock förändras korrelationen mot standardläget enbart 13 27% oavsett lager av skydd. Detta gör att vid användning av Yandex sökmotor är det möjligt att använda både VPN och privatläge utan att det påverkar resultatet mer än vad enbart privatläge gör. Diagram 1.2 Yandex Påverkan av personliga data vid Yandex söktjänst Yandex - förändring av sökresultat beroende på sekretessnivå Med konto Privatläge Privatläge + konto Med VPN Med VPN + konto Med VPN + privatläge VPN, privatläge, konto 87,00% 85,00% 75,50% 75,50% 100,00% 92,50% 75,00% 73,00% 50,00% 0,00% Utgångsläge Med konto Privatläge Privatläge + konto Med VPN Med VPN + konto Med VPN + privatläge VPN, privatläge, konto 24

29 Utifrån vår analys har vi även identifierat resultat för hur sökmotorer förhåller sig till varandra vid förändring av sekretessinställningar. Se diagram 1.3 för utförligare information om korrelationen. Detta resultat visar att vid mindre personliga data som används vid en Google sökning så förändras korrelationen mot DuckDuckGo enbart med några procent. Detta visar att sökmotorerna har annorlunda bakomliggande algoritmer och datahantering för vilka resultat som ska hämtas. Något som vi kommer analysera mer under kommande avsnitt. Diagram 1.3 Korrelation Korrelation mellan Google och DuckDuckGo vid olika sekretessinställningar Google - relation till DuckDuckGo beroende på sekretessfilter 120,00% 100,00% 80,00% 60,00% 40,00% 20,00% 0,00% Google 100,00% DuckDuck Go 13,00% Google standardläge Google 75,00% DuckDuck Go 17,50% Google(privatläge utan konto) DuckDuckGo Google 46,00% DuckDuck Go 12,25% Google 26,00% DuckDuck Go 18,25% Google(VPN utan konto) Google(VPN, privatläge utan konto) Google standardläge 4.5 Vad samlar respektive sökmotor för personliga data? För att ge svar på denna fråga har vi sammanställt företagens integritetspolitik (se tabell 1). Tabellen visar hur de olika sökmotorerna förhåller sig till olika personliga data på en överskådlig nivå. Utifrån tabellen kan vi redovisa att både Google och Yandex hanterar personliga data. Med detta som grund kan vi redovisa att personliga data samlas av ovan nämnda sökmotorer. Dock är det viktigt att poängtera att Google använder personliga data i större utsträckning för sökresultat än vad Yandex gör. Något som diagram 1.1 och 1.2 intygar där vi kan se att korrelationen för Googles testfall förändras stegvis beroende på sekretesskydd medan Yandex bibehåller sökresultat med bättre korrelation mot ursprungsvärdet. 25

30 4.6 Övriga analyser Utifrån vår kvantitativa data har vi sammanställt totalt 171 olika diagram för analys. Detta har gett flertalet resultat inom området för testfall av sökresultat. Ett intressant resultat är vissa kategorier för de sökord vi valt tenderar att ge annorlunda korrelation. Exempel på detta är ordet Trump där korrelationen är 0.8 mellan sökmotorn DuckDuckGo och Yandex (se diagram 1.4). Ett annat intressant resultat är att ordet idealism har en stark korrelation mellan samtliga sökmotorer (se diagram 1.5) medan förkortningar som DIF har 0 korrelation överhuvudtaget (se diagram 1.6). Diagram 1.4 Korrelation mellan sökmotorerna för ordet Trump Trump - Utan konto olika sökmotorer Google Yandex DuckDuckGo 100% 80% 60% 80% 80% 40% 20% 30% 20% 30% 20% 0% Google Yandex DuckDuckGo Diagram 1.5 Korrelation mellan sökmotorerna för ordet idealism Idealism - Utan konto olika sökmotorer 60% 50% 40% 40% Google Yandex DuckDuckGo 50% 50% 40% 50% 50% 30% 20% 10% 0% Google Yandex DuckDuckGo 26