Braziliaans onderzoek verzamelt miljarden openbare berichten die beschikbaar zijn gesteld door Discord; platformvragen

Discord is een digitaal communicatieplatform voor tekst-, spraak- en videogesprekken. Het netwerk is vooral populair onder tieners. — Foto: Foto: Ivan Radic/Flickr

Volgens het onderzoek met de titel "Discord Revealed: A Comprehensive Public Communication Dataset" is het doel om een ​​database te creëren die kan worden gebruikt als basis voor sociaalwetenschappelijk onderzoek.

De auteurs beweren dat ze de gegevens hebben verwerkt om te voorkomen dat geïdentificeerd kan worden wie de berichten heeft geplaatst.

Het onderzoek werd in februari van dit jaar gepubliceerd op arXiv, een website die onderzoeken uit verschillende vakgebieden publiceert, zoals computerwetenschappen, statistiek en biologie.

Gebruikers waren verrast toen bleek dat openbare gesprekken op het platform gedownload konden worden. Op sociale media begonnen ze het onderzoek in twijfel te trekken. Ze beweerden dat het een inbreuk op de privacy en zelfs op de veiligheid van hun gegevens zou zijn. Toen het bedrijf werd benaderd, beweerde het dat de onderzoekers de regels van het sociale netwerk hadden overtreden (lees hieronder meer).

Een professor aan de Pauselijke Universiteit van São Paulo (PUC-SP), die niet aan het onderzoek deelnam maar het wel heeft geanalyseerd, zegt dat het initiatief legitiem is.

Discord is een platform voor tekst-, spraak- en videogesprekken en is vooral populair onder tieners die tegelijkertijd willen gamen en chatten. Momenteel zijn er ongeveer 200 miljoen gebruikers.

Discord beweert dat het over gespecialiseerde teams beschikt die zich bezighouden met de bestrijding van illegaliteiten op het platform.

Uit het onderzoek blijkt dat bij de enquête alleen gegevens zijn verzameld uit groepen die als openbaar worden beschouwd volgens de gebruiksvoorwaarden van Discord, "waarmee alle gebruikers akkoord gaan bij aanmelding".

Om toegang te krijgen tot gegevens van Discord-servers, maakten onderzoekers volgens het onderzoek gebruik van de eigen 'Discovery'-functie van het platform. Hiermee kunnen gebruikers door openbare servers bladeren – en zelfs openbare berichten bekijken – zonder dat ze daaraan hoeven deel te nemen.

En om de informatie te verkrijgen, werd volgens het onderzoek gebruikgemaakt van de API, een functie waarmee grote hoeveelheden gegevens kunnen worden gedownload, van Discord zelf.

Nadat de gegevens waren gedownload, werden ze behandeld met anonimiseringstechnieken. Zo werden bijvoorbeeld gebruikersnamen vervangen door pseudoniemen. Zo werd alle informatie waarmee de gebruikers konden worden geïdentificeerd, opgeschoond.

Hoewel de tool door Discord zelf beschikbaar wordt gesteld en de gegevens die in de enquête worden gedownload openbaar zijn, stelt het platform vragen bij de manier waarop dit is gedaan.

"Het scrapen van gegevens van onze diensten zonder onze schriftelijke toestemming is een schending van onze Servicevoorwaarden en Communityrichtlijnen. Discord onderzoekt deze activiteit nauwgezet en zal passende maatregelen nemen. Dit is een ernstige zaak en we doen er alles aan om de privacy en gegevens van onze gebruikers te beschermen", aldus het bedrijf in een verklaring. Het lijkt erop dat onderzoekers maatregelen hebben genomen om de identiteit van mensen te beschermen, maar dit is nog steeds in strijd met ons beleid en we onderzoeken dit grondig."

Diogo Cortiz, hoogleraar aan de PUC en onderzoeker op het gebied van technologie en kunstmatige intelligentie, zegt dat hij geen onregelmatigheden ziet.

"Het onderzoek maakte gebruik van de officiële API van Discord, die toegang geeft tot openbare kanalen en servers. Met andere woorden, ze deden dit regelmatig (...) Discord beweert dat dit een schending van het beleid is, maar dit lijkt mij een manier om de onthulling van het gebrek aan beveiliging in berichtenuitwisseling te rechtvaardigen", zegt hij.

Cortiz benadrukt dat de onderzoekers beweren criteria te hebben aangenomen om te voorkomen dat de auteurs van de berichten kunnen worden geïdentificeerd.

"Zij [de onderzoekers van de UFMG] beweren dat ze anonimisering hebben toegepast. Volgens deze eisen is dit onderzoeksproject ethisch verantwoord", voegt Cortiz toe.

Volgens de PUC-professor was Discord niet duidelijk over welke regel door het onderzoek werd overtreden.

Volgens Cortiz, van PUC, nee. In dit geval gebruikten de onderzoekers van de UFMG echter gegevens van de officiële API van het platform, die toegang geeft tot openbare kanalen en servers, en hadden ze bovendien de gebruiksvoorwaarden geaccepteerd.

"Het is bijvoorbeeld niet omdat Instagram een ​​openbaar profiel heeft dat je deze bestanden mag gebruiken; volgens de servicevoorwaarden mag dat niet", zegt Cortiz. "Een platform dat veel gebruikt werd in de sociale wetenschappen met dit soort data-analyse was Twitter. Het had een API waarmee de data geëxtraheerd kon worden. En om de officiële API te gebruiken en de data te verkrijgen, moest aan een reeks vereisten worden voldaan", herinnert hij zich.