Интернет вещей (Internet of Things, IoT) — это комплекс объектов, подключенных к интернету и обменивающихся данными. Человек всегда был активной стороной информационного процесса — когнитивным субъектом. Однако с появлением IoT-систем наша монополия нарушена — мир теперь изучает нас. Факт сбора данных в интернете вещей незаметен: пользователи обычно не знают, что сведения о них собираются. «Дактилоскопия» устройств и браузеров (идентификация по набору характеристик) стала привычной реальностью обычного интернета, а в среде интернета вещей сбор идентифицирующих сведений ведется еще активнее.
Существенная часть собираемых IoT-данных относится именно к наблюдению за человеческим поведением. В основном это так называемые «обезличенные данные» — например, контроль покупательских потоков в торговом центре, когда фиксируются предпочтительные траектории движения людей, чтобы размещать рекламу в точках наибольшей проходимости. Их «обезличенность», как правило, очень условна — если камера гипермаркета контролирует, насколько изменилась популярность стенда с товаром после изменения его выкладки, или специальная WiFi-точка на кассе считывает MAC-адреса телефонов покупателей, эти данные собираются без цели персонализации. Но они могут быть легко реперсонализированы.
Однако немалая часть данных интернета вещей имеют персональную привязку. Например, с помощью технологии IoMT (The Internet of Medical Things — интернет медицинских вещей) в режиме реального времени происходит сбор потоков малых данных из носимых устройств, отслеживающих различные физиологические показатели: движение, динамику сна, сердечный ритм, физические нагрузки, режим питания.
Массив IoT-данных о каждом человеке, находящемся в современной информационной среде, является достаточным для построения полного индивидуального цифрового профиля. В него входят такие личные данные, как рост, вес, состояние здоровья, этническая принадлежность, политические предпочтения, потребительское поведение, данные о местоположении — как текущие, так и регулярные связи с другими людьми, их глубина и значимость, финансовая деятельность и т.д.
Это открывает широчайшие возможности для предиктивной аналитики — предсказания поведения конкретного человека и больших групп. У нее есть и вполне безобидное использование — например, предсказание заполняемости парковки ТЦ в зависимости от времени суток и дня недели. Однако на основе предиктивного моделирования прогнозируются не только торговые распродажи, но и информационные диверсии — распространение панических слухов, создание ажиотажного спроса для разбалансировки потребительского рынка, атаки на биржевые активы конкретных компаний, влияние на курсы валют и т.п.