自動化對抗資料經紀人：深入探討 auto-identity-remove

現代的網際網路已將個人身份變成商品。資料經紀人——那些抓取、彙整並販售個人資訊的公司——在暗處運作，往往讓個人幾乎無法手動請求刪除自己的資料。對大多數人而言，這個過程是一個繁瑣的循環：在數百個網站上搜尋自己的個人檔案，並填寫重複且常常刻意設置障礙的退出表單。

最近，一個名為 auto-identity-remove 的開源專案出現，旨在解決這個問題。該工具由 stephenlthorn 開發，目標是自動化從超過 500 個人搜尋網站與資料經紀人資料庫中移除個人資訊，並以週期性排程執行。透過瀏覽器自動化與 AI 驅動的 CAPTCHA 解決方案，它試圖將隱私維護的負擔從使用者轉移到機器上。

自動化運作原理

此工具基於 Node.js 與 Playwright，能模擬人類與網頁的互動。它不僅僅是一段簡單腳本，而是實作了一套複雜的工作流程，以因應資料經紀人退出程序的多樣性：

  1. 發現與識別：腳本會搜尋使用者的姓名與州別，以找到特定的個人檔案 URL，許多經紀人要求此類精確的退出請求。
  2. 自動提交：使用本機 config.json 檔案中儲存的個人資料，自動填寫並送出退出表單。
  3. CAPTCHA 繞過：為了克服經紀人故意增加的阻力，工具整合了 CapSolver——一項以 AI 為基礎、以少量費用解決 reCAPTCHA 的服務。
  4. 狀態追蹤：state.json 檔案會記錄成功的移除。由於經紀人常會重新加入資料，工具使用 90 天的重新檢查窗口，以確保資料持續被刪除。
  5. 混合執行：對於過於複雜而無法自動化的網站（例如 Google 的「關於您的搜尋結果」），工具會在使用者的瀏覽器中開啟該頁面，讓使用者手動處理。

經紀人覆蓋策略

專案將經紀人分為三個自動化層級：

  • 明確定義（30+ 網站）：對於像 Spokeo、WhitePages，以及 ZoomInfo、Clearbit 等 B2B 巨頭等高價值經紀人，提供專屬的邏輯以處理其特定的搜尋與移除流程。
  • 通用執行器（470+ 網站）：利用 The Markup 與「Big Ass Data Broker Opt Out List」的資料集，工具採用四種啟發式策略（例如尋找「Do Not Sell My Personal Information」按鈕或 OneTrust 隱私管理器）來嘗試自動退出。
  • 手動備援：需要帳號驗證或複雜驗證的網站會被標記，交由使用者自行處理。

技術考量與限制

雖然此工具提供了強大的隱私框架，但仍面臨諸多挑戰。Hacker News 上的社群討論指出了多項關鍵的技術與哲學障礙。

平台相依性

目前此工具高度依賴 macOS，使用 launchd 進行排程，並透過 Messages 應用程式發送通知。雖然核心邏輯是 Node.js，但 Linux 或 Windows 使用者必須自行實作排程（例如 cron）才能達成相同的每月自動化。

「活躍使用者」悖論

使用者之間的一大爭論點是，自動化退出是否真的有助於隱私，或反而會對使用者造成傷害。有人認為提交表單（需要提供最新聯絡資訊）可能向經紀人表明其持有的資料是正確且使用者「活躍」的。

"我毫不諱言地懷疑許多退出表單的目的僅是記錄最新的資訊。"

國際適用性

此工具主要針對美國市場設計，依賴「州」與「ZIP code」作為主要識別欄位。美國以外的使用者回報說，非數字郵遞區號或不同的地址格式常會導致自動化邏輯失效。

比較：開源 vs. 收費服務

市面上已有像 Incogni 與 Optery 這樣的付費服務提供類似功能。auto-identity-remove 的開發者建議將其視為補充而非競爭。付費服務通常擁有專業維護的流程，覆蓋更廣的經紀人，但其為閉源且需訂閱。

此開源工具提供透明度與可控性，特別針對付費服務可能遺漏的漏洞（例如 Acxiom 或 LexisNexis）進行補強。對於注重隱私的使用者而言，最強的策略可能是結合付費服務的批量移除與此腳本的高價值目標補齊。

未來展望

專案目前仍處於 beta 階段，開發者正尋求協助以改進通用網站的啟發式方法，並實作電子郵件驗證流程。隨著「電腦使用」AI 模型（如 Claude 最新的能力）持續進化，人們越來越好奇這些模型是否能以動態、視覺化的方式取代靜態選擇器，從而提升自動化身份移除的成功率。

Sources