Dicho comité ha anunciado como ganadores los siguientes proyectos:
Los buscadores de personas son cada vez más habituales en la selección de personal o incluso para localizar compañeros o amistad. Los algoritmos de búsqueda tienen un impacto potencial en la gente clasificada y el objetivo de este proyecto es desarrollar la primera API de búsqueda de código abierto que impondrá una clasificación de las búsquedas más justa.
Los servicios móviles más populares en la actualidad están basados en la localización. A pesar de que normalmente el usuario es informado que el servicio accederá a sus datos de posicionamiento, apenas se le da información sobre la frecuencia en la que esta información es recopilada y cómo será usada. El objetivo de este proyecto es aumentar la concienciación sobre la filtración de datos y su recorrido.
- Transparencia a través del análisis dinámico automatizado a escala – UC Berkeley (EE.UU.)
Propuesta de herramienta de transparencia (en formato web y API) que permite detectar cómo las aplicaciones acceden y comparten datos sensibles, para ofrecer transparencia sobre rastreo de localización, fingerprinting de usuarios y dispositivos, filtraciones de datos personales identificables e incluso prácticas comerciales desleales (p.ej. violaciones legales y de privacidad).
Desarrollo de una herramienta que permita explorar cómo los datos están siendo agregados por Facebook y sus partners. Es decir, ver qué datos conoce Facebook sobre los usuarios y que están disponibles para los anunciantes como parámetros de target publicitario y detectar si los datos provienen directamente de Facebook o de data brokers.
- Dónde están las cosas no seguras: identificación sencilla de filtraciones de privacidad y de seguridad en dispositivos IoT CISPA, Saarland University (Alemania)
Las características de seguridad y privacidad de los dispositivos del Internet de las Cosas (IoT) y las aplicaciones asociadas para su control son cuando menos indulgentes. La aplicación IoTdroid permitirá escanear dispositivos IoT para detectar vulnerabilidades, investigar el tráfico de red entre dispositivos IoT y servidores para detectar filtraciones de privacidad e identificar apps vulnerables de control IoT instaladas en el móvil del usuario.
En la actualidad no hay mecanismos para saber los sesgos de los editores de noticias en redes como Facebook o Twitter. Este proyecto quiere desarrollar una herramienta para que se muestre de modo transparente los sesgos de información por parte de editores y promotores de noticias.
Para información completa sobre los proyectos becados: http://datatransparencylab.org/es/dtl-2017/becados-2017/
Data Transparency Lab es una comunidad global de tecnólogos, investigadores, legisladores y representantes de la industria para mejoran la transparencia de datos personales a través de la investigación, la innovación y el diseño. DTL recibe el apoyo de Telefónica, AT&T, INRIA, Mozilla y MIT Connection Science.
