ActuarAcerca deEnfoquebibliotecaCONTACTOinvestigaciónproyectoscharlaspolítica/defensaexposicioneseducaciónPRENSA
descargar papel
La portada del informe sobre las recompensas por bugs tiene una ilustración estilizada que representa la "caza de bugs" digital, con bugs hechos de circuitos que se arrastran y vuelan por un paisaje virtual de rejilla, plantas electroorgánicas, cables que serpentean por el fondo y múltiples ojos que flotan en el cielo. El título es "Algorithmic Justice League - Bug Bounties for Algorithmic Harms? Lecciones de la divulgación de vulnerabilidades de ciberseguridad para el descubrimiento, la divulgación y la reparación de daños algorítmicos - enero de 2022.
nuevo informe de AJL

¿RECOMPENSAS DE ERRORES POR DAÑOS ALGORÍTMICOS?

descargar el documento
kit de herramientas para redes sociales

Pagar a los hackers para que revelen fallos se consideraba antes algo radical; ahora es algo común.

Los programas de recompensas por fallos de ciberseguridad (BBP), en los que se recompensa a los participantes por identificar fallos explotables (o "bugs" de seguridad) en software o hardware, son cada vez más populares. Google, el Departamento de Defensa, Starbucks y cientos de otras empresas y organizaciones utilizan regularmente los BBP para comprar fallos de seguridad a los hackers. Una gran variedad de organizaciones han adoptado los BBP, y un número cada vez mayor de personas participan, la mayoría de las veces a través de plataformas como HackerOne o BugCrowd.

Recientemente, algunas empresas han adoptado las BBP para abordar cuestiones que van más allá de los fallos de seguridad. Por ejemplo, Rockstar Games, Twitter y otras han comenzado a utilizar las BBP para abordar diversos tipos de problemas sociotécnicos, incluido el daño algorítmico. Sin embargo, las condiciones en las que las BBP podrían ser útiles para encontrar, exponer y detener el daño algorítmico siguen siendo relativamente inexploradas. En Bug Bounties For Algorithmic Harms? Lessons from Cybersecurity Vulnerability Disclosure for Algorithmic Harms Discovery, Disclosure, and Redress, los investigadores de AJL Josh Kenway, Camille François, Sasha Costanza-Chock, Inioluwa Deborah Raji y la Dra. Joy Buolamwini se sumergen en en la pregunta "¿Cómo podríamos aplicar las BBP a áreas más allá de la ciberseguridad, incluyendo el daño algorítmico?"

dentro del informe

Los autores se basan en entrevistas con líderes de campo, en la revisión de la literatura y en la investigación en profundidad de los BBP. El informe incluye:

cinco puntos clave

con recomendaciones sobre cómo fomentar más eficazmente el descubrimiento, la divulgación y la mitigación del daño de los sistemas algorítmicos

resúmenes de las entrevistas

con los mejores profesionales del sector, como el director general y el director técnico de la plataforma HackerOne y los investigadores de seguridad que dirigieron el programa Hack the Pentagon, entre otros

un marco de diseño

para los mecanismos de divulgación de vulnerabilidades

un estudio de caso sobre el reciente piloto de bias bounty de Twitter

que escudriña las promesas y limitaciones del proyecto

25 lecciones de diseño concretas

para mejorar las BBP en el futuro

descargar el documento
kit de herramientas para redes sociales
La portada del informe sobre las recompensas por bugs tiene una ilustración estilizada que representa la "caza de bugs" digital, con bugs hechos de circuitos que se arrastran y vuelan por un paisaje virtual de rejilla, plantas electroorgánicas, cables que serpentean por el fondo y múltiples ojos que flotan en el cielo. El título es "Algorithmic Justice League - Bug Bounties for Algorithmic Harms? Lecciones de la divulgación de vulnerabilidades de ciberseguridad para el descubrimiento, la divulgación y la reparación de daños algorítmicos - enero de 2022.

portada e ilustraciones de clarote

PRINCIPALES CONCLUSIONES

Hemos sintetizado cinco conclusiones de alto nivel que pueden resumirse como sigue, junto con las correspondientes recomendaciones que pueden encontrarse en el informe completo.

#1 SE PREPARAN PARA INCLUIR LAS PREOCUPACIONES SOCIOTÉCNICAS.

Un puñado de actores del ecosistema BBP han ido ampliando lentamente sus programas actuales para incluir cuestiones sociotécnicas. Por ejemplo, se han creado programas de BBP y otros relacionados para identificar casos de abuso de datos (Google y Facebook), errores sistemáticos en los algoritmos para hacer trampas en los videojuegos (Rockstar Games), sesgos en los algoritmos de recorte de imágenes en las redes sociales (Twitter) y protecciones de privacidad deficientes en el software para móviles en relación con las afirmaciones de los proveedores (Correlium). Esta progresión no se ha producido de forma estructurada, y aún no han surgido mejores prácticas claras, pero es probable que la tendencia siga acelerándose. Proporcionamos un conjunto de palancas de diseño y recomendaciones sobre cómo dar forma a las BBP para el descubrimiento y la mitigación de daños algorítmicos.

#2 MIRADA A TRAVÉS DEL CICLO DE VIDA.

El atractivo de las "recompensas por errores" puede ocultar a menudo el hecho de que son sólo un mecanismo para mejorar la ciberseguridad que encaja en un arco más amplio y continuo de maduración del campo y desarrollo organizativo. Debería aplicarse a los daños algorítmicos una perspectiva de "ciclo de vida del producto tecnológico" similar a la que existe en la seguridad (como el "ciclo de vida del desarrollo seguro"), ya que para responder a los informes de daños algorítmicos, las organizaciones necesitan los "sistemas digestivos" para priorizar, evaluar y actuar sobre esos hallazgos.

#3 NUTRIR LA COMUNIDAD DE PRÁCTICA.

Las plataformas de recompensas por errores desempeñan un papel tanto directo como indirecto en el fomento de las comunidades de práctica. Por ejemplo, pueden proporcionar materiales y herramientas educativas, y motivar a los miembros de la comunidad a desarrollar y compartir recursos de forma independiente. Creemos que existe una gran necesidad de recursos similares, bien seleccionados y accesibles para ayudar a nutrir la comunidad de investigación de daños algorítmicos. Advertimos de los enfoques de creación de comunidades que excluyen a los que no pertenecen a la informática, incluidos los defensores de la comunidad, al tiempo que elevan indebidamente las habilidades técnicas y el tecnosolucionismo.

#4 DESARROLLAR INTENCIONADAMENTE UNA COMUNIDAD DIVERSA E INCLUSIVA.

Un pequeño número de plataformas de recompensas por errores domina el ecosistema de la divulgación de vulnerabilidades, lo que hace temer la mercantilización de la investigación en seguridad y la falta de diversidad entre los colaboradores de estas plataformas. Muchos mecanismos de descubrimiento de vulnerabilidades pueden entenderse como una forma de subcontratación, con acuerdos de compensación que van desde nada hasta lo incierto, pasando por lo incompleto. El despliegue exitoso de las recompensas por errores para los daños algorítmicos requerirá un esfuerzo serio para reclutar y retener diversas comunidades de investigadores y defensores de la comunidad, y para asegurar una compensación justa por el trabajo.

#5 FOMENTAN Y PROTEGEN LA INVESTIGACIÓN PARTICIPATIVA Y CONTRADICTORIA, Y GARANTIZAN ALGUNA FORMA DE DIVULGACIÓN PÚBLICA.

La divulgación de vulnerabilidades sigue luchando con los modelos de investigación compensada, segura, de terceros o de adversarios. Las plataformas que gestionan las BBP y actúan como intermediarias entre los piratas informáticos y las organizaciones objetivo desempeñan un papel destacado en el actual ecosistema de las BBP, y las organizaciones objetivo, a su vez, suelen tener derecho a la no divulgación. Los modelos de negocio y las fuentes de financiación de las plataformas de BBP tienden a inclinar su toma de decisiones hacia los intereses de las organizaciones objetivo, por ejemplo, a la hora de determinar si los informes de vulnerabilidad pueden hacerse públicos. Se necesita urgentemente una mayor protección para la investigación de daños algorítmicos por parte de terceros.

portada e ilustraciones de clarote

@AJLUNITED

SÍGUENOS EN LA SECCIÓN SOCIAL
Ver en twitter
Ver en twitter
Vista del programa
Vista del programa
Vista del programa
Ver en twitter
hashtags

#CodedBias #EquitableAI #AccountableAI #InclusiveAI #ResponsableAI #EthicalAI #AIbias #AIharms #MachineBias #ArtificialIntelligence #InclusiveTech #AJL #AlgorithmicJusticeLeague

Navegue por
  • Inicio
  • Actúa
  • Acerca de
  • Foco 
  • Biblioteca
  • Aprende másPolítica de privacidad
nuestra biblioteca
  • Investigación
  • Proyectos
  • Charlas
  • Política/Defensa
  • Exposiciones
  • Educación
  • Presiona
Contáctanos
  • Ponte en contacto
  • Comparta su historia
  • Periodistas
©Liga de la Justicia Algorítmica 2022
Powered by Casa Blue