de Internetactu
Affichage des articles dont le libellé est Internetactu.net. Afficher tous les articles
Affichage des articles dont le libellé est Internetactu.net. Afficher tous les articles
lundi 10 octobre 2011
MAXIMUM NEWS SEMAINE 41 P2P-EDGERANK-POLITIQUE-SOUND TOSSING-HACKER-MELTY-FACEBOOK
Rejoignez la communauté SCIencextrA . .
de Internetactu
de Internetactu
mardi 13 septembre 2011
Anonyme sur internet?
Rejoignez la communauté SCIencextrA
Lors de la conférence de sécurité informatique Black Hat qui se tenait récemment à Las Vegas, Alessandro Acquisti, professeur agrégé de technologie de l’information et de politique publique à l’Ecole de Heinz de l’université Carnegie Mellon, a montré comment une photographie d’une personne pouvait être utilisée pour retrouver sa date de naissance, son numéro de sécurité sociale et d’autres informations en utilisant la technologie de reconnaissance faciale pour faire correspondre l’image à celles que l’on trouve sur les sites sociaux type Facebook. Acquisti reconnaît les limites de confidentialité de son travail, mais avertie que le plus gros problème ne repose pas tant sur la violation de la vie privée que sur l’inexactitude des données extraites des techniques d’extraction.
Pour Alessandro Acquisiti, explique Erica Naone de la Technology Review, le risque est bien de voir demain l’information en ligne préjuger de qui nous sommes et se tromper. L’internet pourrait devenir non plus l’endroit où nul ne sait que vous êtes un chien, mais “un endroit où tout le monde connaît votre nom”.
Acquisti s’inquiète de ce qu’il se passe quand les données font des erreurs. “Nous avons tendance à faire des extrapolations fortes sur les données faibles”, explique-t-il. Un certain nombre d’entreprises ont déjà commencé à utiliser les médias sociaux pour mesurer la réputation. La société californienne Social Intelligence par exemple, effectue des fouilles de données poussées sur des employés éventuels pour révéler leurs qualités et défauts…
Image : Quel est votre taux d’erreur quand vous Googlez quelqu’un ?
Acquisit a tenté de montrer les pièges de ces outils. Pour cela il a procédé à plusieurs expériences. Pour la première, les chercheurs ont récupéré des photos de profils sous pseudonymes sur des sites de rencontres et ont tenté de les identifier en les comparant avec des photos de profils de sites sociaux via une technologie de reconnaissance de visage (PittPatt, racheté récemment par Google). La seconde a consisté à faire la même chose mais depuis des photos d’étudiants prises avec une simple webcam sur un campus et a permis d’identifier un tiers des cobayes. Enfin, cette expérience s’est complétée d’un autre algorithme pour prédire le numéro de sécurité social d’une personne identifiée dans la rue. Son but était de montrer qu’en partant d’un visage anonyme dans la rue, on pouvait obtenir des informations sensibles sur cette personne.
L’équipe a ainsi été capable de retrouver environ un tiers des profils des sujets. A 75 % du temps, ils ont correctement prédit les centres d’intérêts des personnes. Pour 16 % des sujets, ils ont réussi à prédire correctement les cinq premiers chiffres du numéro de sécurité sociale de leurs cobayes, en seulement deux tentatives.
“Mais cela signifie pourtant, que pour 2/3 des sujets, ils n’ont pas réussi à identifier correctement les personnes. Que pour 25 % des sujets, ils ont mal identifiés les intérêts personnels et pour 80 % mal identifié le numéro de sécurité sociale”, pointe avec raison Erica Naone. Ce qui signifie que ces technologies ne fonctionnent pas encore très bien. Et c’est justement là qu’est le risque le plus important, explique Acquisti.
Acquisti s’attend à ce que les technologies de reconnaissance faciale s’améliorent dans les prochaines années et se demande ce qu’il se passera quand elles seront assez évoluées pour qu’on puisse leur faire confiance la plupart du temps. “La technologie risque de devenir cauchemardesque pour ceux qui seront mal identifiés”.
Au Defcon, une conférence sur le hacking qui se tenait également à Las Vegas à la même période, un groupe nommé la Fondation pour la confidentialité en ligne a présenté les résultats (.pdf) de sa Big Five Experiment, une étude du même type, visant à faire correspondre les traits de personnalités de bénévoles à des profils Facebook. Les cobayes devaient remplir des tests de personnalité dont ils se sont servis pour identifier des profils regroupant les mêmes caractéristiques. Les chercheurs de la Privacy Foundation ont trouvé une corrélation entre les personnes dont la personnalité tendait vers l’ouverture et ceux dont les profils Facebook étaient les plus informées. Pourtant, les corrélations exactes ont été là aussi relativement faibles. Selon leurs conclusions, les profils Facebook ne sont pas une source fiable d’information. Cela reste un pari, estime le cofondateur de la Fondation, Chris Summer.
Ce qu’ont cherché à démontrer Acquisti et Summer, conclut Erica Naone, “c’est que les politiques doivent protéger les individus de la fouille sociale de données et de la mauvaise utilisation des informations qui peuvent en être faite en émettant par exemple des normes de précisions auxquelles les organisations devraient se conformer”. Alors que les erreurs sont encore là pour longtemps et ne vont pas nous empêcher d’utiliser ces technologies, quels recours proposent-on aux victimes ? Quelles assurances prend-t-on pour diminuer le risque des fausses identifications – pour autant que leurs effets soient pires qu’une bonne identification ?!
“La question déterminante de notre époque”, affirme Acquisti, “est de savoir comment nous, en tant que société, nous allons traiter ces grands répertoires de données, les big data ?”
Lors de la conférence de sécurité informatique Black Hat qui se tenait récemment à Las Vegas, Alessandro Acquisti, professeur agrégé de technologie de l’information et de politique publique à l’Ecole de Heinz de l’université Carnegie Mellon, a montré comment une photographie d’une personne pouvait être utilisée pour retrouver sa date de naissance, son numéro de sécurité sociale et d’autres informations en utilisant la technologie de reconnaissance faciale pour faire correspondre l’image à celles que l’on trouve sur les sites sociaux type Facebook. Acquisti reconnaît les limites de confidentialité de son travail, mais avertie que le plus gros problème ne repose pas tant sur la violation de la vie privée que sur l’inexactitude des données extraites des techniques d’extraction.
Pour Alessandro Acquisiti, explique Erica Naone de la Technology Review, le risque est bien de voir demain l’information en ligne préjuger de qui nous sommes et se tromper. L’internet pourrait devenir non plus l’endroit où nul ne sait que vous êtes un chien, mais “un endroit où tout le monde connaît votre nom”.
Acquisti s’inquiète de ce qu’il se passe quand les données font des erreurs. “Nous avons tendance à faire des extrapolations fortes sur les données faibles”, explique-t-il. Un certain nombre d’entreprises ont déjà commencé à utiliser les médias sociaux pour mesurer la réputation. La société californienne Social Intelligence par exemple, effectue des fouilles de données poussées sur des employés éventuels pour révéler leurs qualités et défauts…
Image : Quel est votre taux d’erreur quand vous Googlez quelqu’un ?
Acquisit a tenté de montrer les pièges de ces outils. Pour cela il a procédé à plusieurs expériences. Pour la première, les chercheurs ont récupéré des photos de profils sous pseudonymes sur des sites de rencontres et ont tenté de les identifier en les comparant avec des photos de profils de sites sociaux via une technologie de reconnaissance de visage (PittPatt, racheté récemment par Google). La seconde a consisté à faire la même chose mais depuis des photos d’étudiants prises avec une simple webcam sur un campus et a permis d’identifier un tiers des cobayes. Enfin, cette expérience s’est complétée d’un autre algorithme pour prédire le numéro de sécurité social d’une personne identifiée dans la rue. Son but était de montrer qu’en partant d’un visage anonyme dans la rue, on pouvait obtenir des informations sensibles sur cette personne.
L’équipe a ainsi été capable de retrouver environ un tiers des profils des sujets. A 75 % du temps, ils ont correctement prédit les centres d’intérêts des personnes. Pour 16 % des sujets, ils ont réussi à prédire correctement les cinq premiers chiffres du numéro de sécurité sociale de leurs cobayes, en seulement deux tentatives.
“Mais cela signifie pourtant, que pour 2/3 des sujets, ils n’ont pas réussi à identifier correctement les personnes. Que pour 25 % des sujets, ils ont mal identifiés les intérêts personnels et pour 80 % mal identifié le numéro de sécurité sociale”, pointe avec raison Erica Naone. Ce qui signifie que ces technologies ne fonctionnent pas encore très bien. Et c’est justement là qu’est le risque le plus important, explique Acquisti.
Acquisti s’attend à ce que les technologies de reconnaissance faciale s’améliorent dans les prochaines années et se demande ce qu’il se passera quand elles seront assez évoluées pour qu’on puisse leur faire confiance la plupart du temps. “La technologie risque de devenir cauchemardesque pour ceux qui seront mal identifiés”.
Au Defcon, une conférence sur le hacking qui se tenait également à Las Vegas à la même période, un groupe nommé la Fondation pour la confidentialité en ligne a présenté les résultats (.pdf) de sa Big Five Experiment, une étude du même type, visant à faire correspondre les traits de personnalités de bénévoles à des profils Facebook. Les cobayes devaient remplir des tests de personnalité dont ils se sont servis pour identifier des profils regroupant les mêmes caractéristiques. Les chercheurs de la Privacy Foundation ont trouvé une corrélation entre les personnes dont la personnalité tendait vers l’ouverture et ceux dont les profils Facebook étaient les plus informées. Pourtant, les corrélations exactes ont été là aussi relativement faibles. Selon leurs conclusions, les profils Facebook ne sont pas une source fiable d’information. Cela reste un pari, estime le cofondateur de la Fondation, Chris Summer.
Ce qu’ont cherché à démontrer Acquisti et Summer, conclut Erica Naone, “c’est que les politiques doivent protéger les individus de la fouille sociale de données et de la mauvaise utilisation des informations qui peuvent en être faite en émettant par exemple des normes de précisions auxquelles les organisations devraient se conformer”. Alors que les erreurs sont encore là pour longtemps et ne vont pas nous empêcher d’utiliser ces technologies, quels recours proposent-on aux victimes ? Quelles assurances prend-t-on pour diminuer le risque des fausses identifications – pour autant que leurs effets soient pires qu’une bonne identification ?!
“La question déterminante de notre époque”, affirme Acquisti, “est de savoir comment nous, en tant que société, nous allons traiter ces grands répertoires de données, les big data ?”
Comment domestiquer la sélection naturelle?
Rejoignez la communauté SCIencextrA
Un récent article du New Scientist fait le point sur ce qui pourrait bien être la prochaine révolution dans le domaine de la biologie synthétique. Il s’agit de domestiquer le processus de la sélection naturelle lui-même. Les nouvelles sciences comme la biotechnologie se heurtent à une série de problèmes que les anciennes sciences de l’ingénierie ne connaissaient pas (ou peu) : ceux posés par les systèmes complexes, dont les êtres vivants sont l’archétype. Notre corps est composé à 75% d’eau. Comment imaginer qu’en y ajoutant 25 % d’autres composés chimiques, on obtiendrait un tel résultat ? C’est ce qu’on appelle “l’émergence”. La combinaison d’un certain nombre d’éléments génère des propriétés qui ne pourraient être déduites d’une simple analyse des composants de base. L’émergence produit des résultats fabuleux, mais c’est une plaie pour les ingénieurs : elle signifie qu’il est impossible de manipuler un système complexe de manière prévisible.
Du coup, les chercheurs en biologie synthétique essaient d’éviter cette complexité en construisant des briques de vivant “simplifiées” et contrôlables. Comme le dit Drew Endy, célèbre évangéliste de la méthode des biobricks : “Les ingénieurs abominent la complexité. Je déteste les propriétés émergentes. J’aime la simplicité. Je ne veux pas que l’avion que je vais prendre demain manifeste des propriétés émergentes pendant son vol.”
Mais la technologie offre une autre option : accepter la complexité, faire comme la nature, et laisser l’évolution accélérer les choses. C’est la voie défendue par George Church, professeur de génétique à Harvard et au MIT. Church a déjà fait parler de lui ces derniers temps. En 2007, il faisait dans la revue en ligne The Edge une prophétie folle pour l’époque : “Dans l’année, affirmait-il, les gens pourront consulter leur génome”. Et effectivement, 11 mois plus tard, apparaissaient 23andMe et les autres sociétés de génomique personnelle. Il a ensuite créé le projet “Personal Genome” qui offrait aux volontaires un séquençage complet et gratuit de leur ADN à condition d’accepter de voir ses données rendues publiques. Mais c’est une autre de ses idées, celle d’une “machine à évolution”, qui a retenu l’attention du New Scientist.
Harris Wang, étudiant en troisième année de l’équipe de Church, en a inventé la première mouture en 2009. Son but était de produire une grande quantité de lycopène, la protéine qui donne sa couleur rouge aux tomates. Il a donc d’abord sélectionné des bactéries E. Coli capables de produire une petite quantité de ce produit (rappelons qu’avant de faire la une de l’actualité sanitaire, les E. Coli étaient surtout connues pour être les “rats de laboratoire” de l’ingénierie génétique : les organismes sur lesquels on effectue tous les tests). Ensuite, il a synthétisé 50 000 brins d’ADN correspondant, avec des variations, aux 24 gènes susceptibles de produire du lycopène, puis il a entré les bactéries et les brins dans sa machine, et les a laissés se recombiner joyeusement. Il a répété le cycle 35 fois, produit 15 milliards de souches, l’une d’elles produisant cinq fois plus de lycopène que la bactérie originale.
On le voit ici, il ne s’agit pas de créer des mutations au hasard. On sélectionne la séquence qu’on veut améliorer et on effectue les transformations exclusivement sur celle-ci. Avec son expérience, Wang a mis trois jours pour résoudre un problème sur lequel l’industrie biotechnologique planchait depuis des années…
De fait, la technique de Church n’est pas neuve. Elle s’appelle l’algorithme génétique, et a été inventée par John Holland au cours des années 60. D’ailleurs, un grand nombre de chercheurs travaillant dans ce qu’on appelle la “vie artificielle” tentent depuis longtemps d’utiliser la sélection darwinienne pour créer des programmes informatiques de plus en plus sophistiqués. Jusqu’ici, ça n’avait pas très bien marché, et surtout, tout cela se déroulait en virtuel : les formes de vie artificielles étaient des programmes, des séquences de codes. Church, au contraire envisage d’utiliser l’algorithmique génétique dans le monde réel.
Seul problème avec cette méthode, explique le New Scientist, il est facile de produire de nouvelles configurations, mais après, il est plus difficile de les retrouver !
Pour Wang, c’était assez simple. Il a cultivé 100 000 souches et a simplement sélectionné celles qui possédaient le rouge le plus brillant. Mais ce n’est pas toujours aussi facile. Church envisage cependant des solutions au problème. On pourrait par exemple incorporer dans l’ADN à multiplier des biomarqueurs qui s’activeraient lorsqu’un certain résultat est atteint.
Church pense vendre ses machines assez bon marché, à peu près 90 000 $ chacune. “Nous nous efforçons de faire baisser les prix pour tous, plutôt que de faire un grand projet que personne ne peut répéter”, explique-t-il.
Et de se lancer, parallèlement à ses recherches, dans l’entreprise privée. Church a cofondé LS9, une société de biocarburants basée près de San Francisco, et compte utiliser sa machine pour réaliser une E. coli susceptible de produire des biocarburants. Et, on le sait, la perspective de biocarburants plus faciles à produire et moins polluants est le Graal de la biologie synthétique. D’autres bactéries peuvent se révéler précieuses, telle la Shewanella, capable de convertir des métaux toxiques comme l’uranium en une forme insoluble (et donc moins dangereuse) ou les cyanobactéries qui peuvent extraire l’énergie de la lumière grâce à la photosynthèse.
Mais la technologie de Church va bien plus loin. Selon lui, la machine à évolution est le seul moyen de créer de profondes transformations du génome. Pas simplement quelques gènes, comme le font les ingénieurs génétiques d’aujourd’hui (et comme Wang l’a réalisé), mais la réécriture de génomes entiers.
À l’heure actuelle, appliquer d’importants changements même sur le plus petit génome est extrêmement coûteux et laborieux. Ainsi, comme nous rappelle encore le New Scientist, lorsque Craig Venter a, l’an dernier, réussi à remplacer le génome d’une bactérie par son équivalent synthétique, cela lui a réclamé 400 années de travail en temps humain et a coûté autour de 40 millions de dollars.
Si la “machine à évolution” se montrait capable d’accélérer ce processus (et d’en réduire le coût), cela pourrait amener à une accélération de la manipulation du génome humain, avec toutes les questions éthiques que cela pose. Church travaille déjà dessus, à travers une recherche financée par l’Institut national américain du génome, destinée à créer une multitude de cellules humaines pour voir quelles variations pourraient être à l’origine de maladies. “Nous aimerions, explique-t-il, développer les ressources afin que les gens puissent rapidement tester des hypothèses sur le génome humain en en synthétisant de nouvelles versions.”
Un récent article du New Scientist fait le point sur ce qui pourrait bien être la prochaine révolution dans le domaine de la biologie synthétique. Il s’agit de domestiquer le processus de la sélection naturelle lui-même. Les nouvelles sciences comme la biotechnologie se heurtent à une série de problèmes que les anciennes sciences de l’ingénierie ne connaissaient pas (ou peu) : ceux posés par les systèmes complexes, dont les êtres vivants sont l’archétype. Notre corps est composé à 75% d’eau. Comment imaginer qu’en y ajoutant 25 % d’autres composés chimiques, on obtiendrait un tel résultat ? C’est ce qu’on appelle “l’émergence”. La combinaison d’un certain nombre d’éléments génère des propriétés qui ne pourraient être déduites d’une simple analyse des composants de base. L’émergence produit des résultats fabuleux, mais c’est une plaie pour les ingénieurs : elle signifie qu’il est impossible de manipuler un système complexe de manière prévisible.
Du coup, les chercheurs en biologie synthétique essaient d’éviter cette complexité en construisant des briques de vivant “simplifiées” et contrôlables. Comme le dit Drew Endy, célèbre évangéliste de la méthode des biobricks : “Les ingénieurs abominent la complexité. Je déteste les propriétés émergentes. J’aime la simplicité. Je ne veux pas que l’avion que je vais prendre demain manifeste des propriétés émergentes pendant son vol.”
Mais la technologie offre une autre option : accepter la complexité, faire comme la nature, et laisser l’évolution accélérer les choses. C’est la voie défendue par George Church, professeur de génétique à Harvard et au MIT. Church a déjà fait parler de lui ces derniers temps. En 2007, il faisait dans la revue en ligne The Edge une prophétie folle pour l’époque : “Dans l’année, affirmait-il, les gens pourront consulter leur génome”. Et effectivement, 11 mois plus tard, apparaissaient 23andMe et les autres sociétés de génomique personnelle. Il a ensuite créé le projet “Personal Genome” qui offrait aux volontaires un séquençage complet et gratuit de leur ADN à condition d’accepter de voir ses données rendues publiques. Mais c’est une autre de ses idées, celle d’une “machine à évolution”, qui a retenu l’attention du New Scientist.
Harris Wang, étudiant en troisième année de l’équipe de Church, en a inventé la première mouture en 2009. Son but était de produire une grande quantité de lycopène, la protéine qui donne sa couleur rouge aux tomates. Il a donc d’abord sélectionné des bactéries E. Coli capables de produire une petite quantité de ce produit (rappelons qu’avant de faire la une de l’actualité sanitaire, les E. Coli étaient surtout connues pour être les “rats de laboratoire” de l’ingénierie génétique : les organismes sur lesquels on effectue tous les tests). Ensuite, il a synthétisé 50 000 brins d’ADN correspondant, avec des variations, aux 24 gènes susceptibles de produire du lycopène, puis il a entré les bactéries et les brins dans sa machine, et les a laissés se recombiner joyeusement. Il a répété le cycle 35 fois, produit 15 milliards de souches, l’une d’elles produisant cinq fois plus de lycopène que la bactérie originale.
On le voit ici, il ne s’agit pas de créer des mutations au hasard. On sélectionne la séquence qu’on veut améliorer et on effectue les transformations exclusivement sur celle-ci. Avec son expérience, Wang a mis trois jours pour résoudre un problème sur lequel l’industrie biotechnologique planchait depuis des années…
De fait, la technique de Church n’est pas neuve. Elle s’appelle l’algorithme génétique, et a été inventée par John Holland au cours des années 60. D’ailleurs, un grand nombre de chercheurs travaillant dans ce qu’on appelle la “vie artificielle” tentent depuis longtemps d’utiliser la sélection darwinienne pour créer des programmes informatiques de plus en plus sophistiqués. Jusqu’ici, ça n’avait pas très bien marché, et surtout, tout cela se déroulait en virtuel : les formes de vie artificielles étaient des programmes, des séquences de codes. Church, au contraire envisage d’utiliser l’algorithmique génétique dans le monde réel.
Seul problème avec cette méthode, explique le New Scientist, il est facile de produire de nouvelles configurations, mais après, il est plus difficile de les retrouver !
Pour Wang, c’était assez simple. Il a cultivé 100 000 souches et a simplement sélectionné celles qui possédaient le rouge le plus brillant. Mais ce n’est pas toujours aussi facile. Church envisage cependant des solutions au problème. On pourrait par exemple incorporer dans l’ADN à multiplier des biomarqueurs qui s’activeraient lorsqu’un certain résultat est atteint.
Church pense vendre ses machines assez bon marché, à peu près 90 000 $ chacune. “Nous nous efforçons de faire baisser les prix pour tous, plutôt que de faire un grand projet que personne ne peut répéter”, explique-t-il.
Et de se lancer, parallèlement à ses recherches, dans l’entreprise privée. Church a cofondé LS9, une société de biocarburants basée près de San Francisco, et compte utiliser sa machine pour réaliser une E. coli susceptible de produire des biocarburants. Et, on le sait, la perspective de biocarburants plus faciles à produire et moins polluants est le Graal de la biologie synthétique. D’autres bactéries peuvent se révéler précieuses, telle la Shewanella, capable de convertir des métaux toxiques comme l’uranium en une forme insoluble (et donc moins dangereuse) ou les cyanobactéries qui peuvent extraire l’énergie de la lumière grâce à la photosynthèse.
Mais la technologie de Church va bien plus loin. Selon lui, la machine à évolution est le seul moyen de créer de profondes transformations du génome. Pas simplement quelques gènes, comme le font les ingénieurs génétiques d’aujourd’hui (et comme Wang l’a réalisé), mais la réécriture de génomes entiers.
À l’heure actuelle, appliquer d’importants changements même sur le plus petit génome est extrêmement coûteux et laborieux. Ainsi, comme nous rappelle encore le New Scientist, lorsque Craig Venter a, l’an dernier, réussi à remplacer le génome d’une bactérie par son équivalent synthétique, cela lui a réclamé 400 années de travail en temps humain et a coûté autour de 40 millions de dollars.
Si la “machine à évolution” se montrait capable d’accélérer ce processus (et d’en réduire le coût), cela pourrait amener à une accélération de la manipulation du génome humain, avec toutes les questions éthiques que cela pose. Church travaille déjà dessus, à travers une recherche financée par l’Institut national américain du génome, destinée à créer une multitude de cellules humaines pour voir quelles variations pourraient être à l’origine de maladies. “Nous aimerions, explique-t-il, développer les ressources afin que les gens puissent rapidement tester des hypothèses sur le génome humain en en synthétisant de nouvelles versions.”
Articles
