Στη μετά – Snowden εποχή, όλοι μιλούν για την έκταση της παρακολούθησης στο Ίντερνετ – ωστόσο, ο Ντον Μόρισον, του Νορβηγικού Ινστιτούτου Επιστημών και Τεχνολογίας του Τροντχάιμ επιλέγει μία διαφορετική «οδό» για «αντίμετρα», αναπτύσσοντας μία μέθοδο που επιτρέπει την παρακολούθηση της λογοκρισίας στο Διαδίκτυο, και ειδικότερα σε υπηρεσίες όπως το Twitter και το κινεζικό Weibo.
Σύμφωνα με δημοσίευμα του New Scientist, ο Μόρισον δημιούργησε ένα εικονικό κοινωνικό δίκτυο – εξομοίωση, στο οποίο δύο χρήστες θεωρούνται «συνδεδεμένοι» εφόσον ένα από τα posts τους εμφανίζεται στο timeline του άλλου. Το «μοτίβο» των συνδέσεων μεταξύ των χρηστών παρέχει με αυτόν τον τρόπο τα «μεταδεδομένα» (metadata) που χρησιμοποιούνται για την ανάλυση της δικτυακής συμπεριφοράς.
Τα περισσότερα κοινωνικά δίκτυα αποτελούνται από συμπλέγματα «κοινοτήτων», οι δεσμοί μεταξύ των οποίων δημιουργούν χαρακτηριστικές δομές. Όταν ο Μόρισον εξομοίωσε τη δραστηριότητα κυβερνητικών λογοκριτών, που έσβηναν τουλάχιστον το 10% των δημοσιεύσεων, το «σχήμα» αυτών των δομών άλλαζε σημαντικά, υποδεικνύοντας ένα «παραμορφωμένο» και λιγότερο καλά συνδεδεμένο δίκτυο. Αυτό φαινόταν περισσότερο σε περιπτώσεις που «στοχεύονταν» δημοφιλείς δημοσιεύσεις οι οποίες είχαν αναπαραχθεί (μέσω retweet, για παράδειγμα).
Το σύστημα του Μόρισον ήταν σε θέση να «αντιληφθεί» με ακρίβεια 85% πότε λάμβανε χώρα μεγάλης κλίμακας λογοκρισίας. Επίσης, ήταν δυνατός ο προγραμματισμός του συστήματος έτσι ώστε, με το που εντόπιζε αλλαγές στο «σχήμα» του δικτύου, να είναι δυνατή η αποστολή ενημέρωσης/ ενεργοποίηση συναγερμού για ακτιβιστές και διαδηλωτές, έτσι ώστε να γνωρίζουν πότε οι αρχές επεμβαίνουν στις δημοσιεύσεις τους.
Ο Μόρισον οραματίζεται έναν αυτόματο ανιχνευτή online λογοκρισίας: «ποια είναι η “πρόγνωση καιρού” όσον αφορά στη λογοκρισία σε αυτά τα δίκτυα σήμερα; Μπορώ να φανταστώ να ασκείται έτσι πίεση στις κυβερνήσεις για να περιορίσουν τη λογοκρισία» σημειώνει σχετικά.
Η δουλειά του θα παρουσιαστεί στο International Workshop on Data Mining in Social Networks στην Ταϊβάν τον Μάιο.
