macOS tự suy đoán quan hệ gia đình từ dữ liệu trên máy

macOS âm thầm tạo một hồ sơ liên kết người dùng với những người xung quanh, hoạt động và địa điểm của họ. Phân tích của nhà nghiên cứu bảo mật cho thấy hệ thống còn có thể suy đoán ai là người thân, đồng nghiệp hay bạn bè của chủ máy — một khả năng ít được Apple mô tả công khai.

Đồ thị tri thức được tạo ngay trên máy

Theo bài phân tích, từ macOS 13, phát hành năm 2022, mỗi máy Mac có hai tiến trình nền chuyên xây dựng đồ thị tri thức — một cấu trúc dữ liệu liên kết người, sự kiện, địa điểm và những thông tin khác. Một trong hai tiến trình, knowledgeconstructiond, được Apple mô tả trong tài liệu hệ thống là công cụ phân tích nội dung trên thiết bị để tạo đồ thị về máy và người dùng.

Nhóm nghiên cứu khảo sát hệ thống trên macOS 26.6.2. Họ tìm thấy 51 cơ sở dữ liệu SQLite trong thư mục ~/Library/IntelligencePlatform. Cơ sở dữ liệu chính, graph.db, lưu thông tin theo dạng bộ ba gồm chủ thể, quan hệ và đối tượng. Chẳng hạn, một người có thể được liên kết với một tổ chức thông qua quan hệ “là nhân viên của”.

Đồ thị có 181 lớp thực thể và 278 loại quan hệ. Dữ liệu được tổng hợp từ nhiều nguồn trên máy, gồm Danh bạ, Ảnh, Lịch, Chia sẻ trong gia đình, thông tin liên hệ khẩn cấp trong Sức khỏe, gợi ý của Siri từ Mail và Tin nhắn, ứng dụng được cài đặt cùng dữ liệu do ứng dụng cung cấp.

Hệ thống còn lưu nhật ký giao tiếp như người liên lạc, thời điểm, ứng dụng và chiều gửi nhận — nhưng theo nhóm nghiên cứu, nhật ký này không chứa nội dung tin nhắn. Các bảng riêng cũng ghi nhận vị trí, hoạt động di chuyển, người xuất hiện cùng nhau trong ảnh và một số tín hiệu thiết bị như trạng thái khóa màn hình, Wi-Fi, Bluetooth hay sạc pin.

Bộ phân loại suy đoán ai là người thân

Một phát hiện đáng chú ý là các mô hình học máy dùng để đánh giá quan hệ giữa chủ máy với những người khác. Nhóm nghiên cứu tìm thấy hai mô hình Core ML dùng thuật toán XGBoost — phương pháp học máy kết hợp nhiều cây quyết định — để phân loại mối quan hệ gia đình và bạn bè.

Mỗi mô hình sử dụng 144 đặc trưng, phần lớn liên quan đến hành vi, rồi đưa ra nhóm quan hệ và xác suất tương ứng. Điểm số được lưu trong cơ sở dữ liệu riêng entityTagging.db, với 17 cột quan hệ cho mỗi người và được tính lại hằng ngày. Tuy vậy, nhóm nghiên cứu chỉ xác định được mô hình đã phát hành cho hai trong số 17 cột; họ không truy được cách các cột còn lại được điền dữ liệu.

Một phần thông tin quan hệ còn được rút ra từ Danh bạ, Sức khỏe, Chia sẻ trong gia đình, Thời gian sử dụng thiết bị và Ảnh. Theo phân tích, 12 bộ phân tích trong Ảnh đánh giá các khả năng như bạn đời, cha mẹ, con cái, đồng nghiệp hoặc bạn bè dựa trên người thường xuất hiện cùng chủ máy, kể cả trong các chuyến đi và dịp nghỉ lễ.

Nếu tính năng Apple Intelligence đang hoạt động, mô hình ngôn ngữ lớn chạy trên thiết bị còn có thể đọc tin nhắn để đề xuất tên và quan hệ cho một khuôn mặt chưa được nhận diện. Mỗi thông tin trong đồ thị đều có điểm tin cậy từ 0 đến 1, nhưng bài phân tích cho biết cách một số xác suất được chuyển thành điểm tin cậy trong đồ thị vẫn chưa rõ.

Dữ liệu nhạy cảm và giới hạn của phân tích

Các cơ sở dữ liệu được lưu dưới dạng văn bản thuần, trong một khu vực được bảo vệ bởi quyền Truy cập toàn bộ đĩa của macOS. Điều đó không đồng nghĩa mọi ứng dụng đều có thể đọc dữ liệu, nhưng kho thông tin tập trung này có thể trở thành điểm rủi ro nếu một tác nhân được cấp quyền phù hợp hoặc vượt qua được lớp bảo vệ.

Nhóm nghiên cứu cho biết Apple từng công bố nghiên cứu về kỹ thuật xây dựng đồ thị vào năm 2023, nhưng tài liệu công khai về cách hệ thống được tích hợp trong macOS còn hạn chế. Họ cũng nhấn mạnh một số cơ chế được nêu trong bài là suy luận từ dữ liệu và thành phần tìm thấy trên máy, không phải mô tả chính thức của Apple.

Nhóm đã phát hành bảng điều khiển cục bộ iKnow để người dùng xem nội dung đồ thị của chính mình. Bài phân tích đồng thời nêu một kịch bản giả định về nguy cơ khi kho dữ liệu cá nhân lọt vào tay kẻ xấu và bị kết hợp với mô hình ngôn ngữ đã bị loại bỏ các giới hạn an toàn.

Góc nhìn

Với người dùng và doanh nghiệp, phát hiện này cho thấy dữ liệu cá nhân có thể được kết hợp để suy ra những mối quan hệ mà người dùng chưa trực tiếp khai báo. Việc xử lý trên thiết bị giảm nhu cầu gửi dữ liệu đi nơi khác, nhưng không loại bỏ rủi ro từ quyền truy cập, sao lưu hoặc phần mềm độc hại đã có đặc quyền trên máy.

Các nhà phát triển và kỹ sư nên xem xét kỹ quyền ứng dụng, quyền truy cập toàn bộ đĩa và cách dữ liệu nhạy cảm được lưu trữ. Đồng thời, cần phân biệt giữa dữ liệu được sao chép từ nguồn như Danh bạ với kết luận do mô hình suy đoán, bởi điểm tin cậy không đồng nghĩa với độ chính xác đã được xác nhận.