Alıntı - ABD Patenti US11,107,588 B2

Okuma süresi 8 dakika

Güncellendi - 18 Haziran 2025

– Gal EHRLICH, Maier pencereleri –

Bireyin mahremiyetine saygı göstererek tedavilere, aşılara, testlere ve/veya faaliyetlere öncelik verilmesine yönelik yöntem ve sistemler

Aşağıda, yukarıda bahsedilen ABD patentinden - otomatik olarak çevrilmiş - bir alıntı yer almaktadır US11,107,588 B2şu anda sosyal medyada dolaşıyor. Patentin, grafen (grafen oksit) enjekte edilmiş kişilerle cep telefonu direği iletişimi için kullanılan bir buluş içerdiği söyleniyor.

Patent, üçü İsrail'den olmak üzere diğer dört patent başvurusuyla ilgilidir (277083276665* ve 276648*) ve BAE (Birleşik Arap Emirlikleri) P6001304/2020, ancak internette mevcut görünmemektedir.
* Cevapsız yazışmalar nedeniyle reddedildi

Ancak aslında bu patent de İsrail patenti gibi grafeni herhangi bir şekilde kullanan bir teknolojiyi tanımlamıyor; "grafen oksit" terimi her iki patentte de geçmiyor!

Bununla birlikte, ABD patenti, "... saklayacak bir şeyim yok..." fırsatçı görüşüne sahip olanların yanıldığını kanıtladığı ölçüde okunmaya değerdir.

Cep telefonları, kredi kartları veya çevrimiçi GPS harita hizmetlerinin kullanımı olsun, bu tür veriler ilk bakışta tahmin edilenden çok daha fazlasını ortaya koymaktadır. Bu veriler, kronolojik sırayla kesin hareket ve karşılaşma profillerinin oluşturulmasına imkan vermekte ve böylece CN'de bilinen sosyal kredi sistemine benzer şekilde, her bir bireyin davranışları üzerinde etki yaratılmasına olanak tanıyan seçici izleme, ayırma ve önlemlere olanak tanıyan veriler sağlamaktadır.

Alıntı (metin italiktir):

"Bireyin gerçek coğrafi konumlandırma verileri

Bazı uygulamalarda, her bir bireyin ölçülen gerçek coğrafi konum verileri, diğer bireyler için potansiyellerini değerlendirmek üzere izlenir. Bazı uygulamalarda, diğer bireylerin bulunduğu alanlarda gün boyunca yüksek hareket sergileyen bireyler yüksek bir puan alır. Bazı uygulamalarda, her bir bireyin gerçek coğrafi konum verileri aşağıdakilerden biri veya daha fazlası ile ilişkilendirilir:

• 1. elektronik cihazlar, örneğin GPS tarafından sağlanan kendi cep telefonlarının konumu
• 2. Aşağıdakilerden bir veya daha fazlasına dayalı yüz tanıma teknolojisinin kullanılması: a ) sokak kameraları, ATM'ler, mağazalardaki, binalardaki ve evlerdeki özel güvenlik kameraları vb. gibi mevcut kaynaklardan alınan video gözetim verileri; b ) sosyal medya.
• 3. kredi kartı kullanımı, bir bilgisayar veya elektronik cihaz kullanırken kullanılan IP adresi, bir telefon görüşmesi sırasında veri alan antenler gibi dijital faaliyetler.

İsteğe bağlı olarak veya ek olarak, bu tür gerçek coğrafi konum verileri, kişiler arasındaki temasın gerçek kimliğinin yerine veya buna ek olarak kullanılır.

Bireyin geçmiş tıbbi verileri

Bazı uygulamalarda, her bir bireyin geçmiş tıbbi verileri bir puan sağlamak üzere değerlendirilir. Örneğin, yukarıda belirtildiği gibi, kronik öksürüğü olan bireyler yüksek bir puan alırlar çünkü bulaşıcı hastalık/virüs/patojen bulaştırma olasılıkları daha yüksek olabilir. Bazı düzenlemelerde, hastalığı bulaştırma olasılığını artıran bir arka plan hastalığına sahip bireyler yüksek bir puan alır.

Bireyin mevcut tıbbi verileri

Pandemi sırasındaki bazı uygulamalarda, her bir bireye ait tüm yeni tıbbi veriler, yeni verilerin bireyin başkalarına bulaştırma potansiyeline ilişkin tıbbi durumunda bir değişikliğe işaret edip etmediğini belirlemek için izlenir. Yukarıdaki örnekte bir bireye kronik öksürük teşhisi konulursa, puanı artacaktır (örneğin, genel olarak ve/veya temas başına).

Üçüncü taraflardan bireyler hakkında alınan bilgiler

Bazı uygulamalarda, üçüncü taraf bilgileri, bilginin puanı etkilemesi gerekip gerekmediğini belirlemek için başkalarını bilgilendiren kişiler tarafından değerlendirilir. Örneğin, üçüncü bir taraf düşük hareket verileri gösteren ve düşük puan alan bir kişinin aslında çok sayıda hareket gerçekleştirdiğini bildirirse, bilgi doğrulandıktan sonra puan buna göre değişir. Bunun tersi de doğrudur, örneğin yüksek hareket verisi gösteren ve yüksek puan alan bir kişinin aslında evde kaldığını bildiren bir üçüncü taraf için, bilgi doğrulandıktan sonra puan buna göre değişebilir.

Özel zorunlu uygulama

Bazı uygulamalarda, pandemi ışığında, hükümet vatandaşlardan akıllı telefonlarına (veya tabletler, akıllı saatler ve akıllı gözlükler vb. gibi diğer akıllı cihazlara) aşılama prosedürlerinin lojistiğinde hükümete yardımcı olacak özel bir uygulama yüklemelerini isteyebilir. Bazı uygulamalarda, hükümet (veya başka bir kuruluş) bu tür özel akıllı cihazları halka sağlar. Bazı uygulamalarda, uygulama ve/veya akıllı cihaz, Bluetooth aracılığıyla kullanıcının konumu hakkında her zaman bilgi sağlayacak ve kullanıcılar arasındaki etkileşimleri, örneğin kullanıcılar arasındaki yakınlığı, kullanıcıların hareketini vb. değerlendirmek için komşu akıllı cihazlarla iletişim kuracak şekilde yapılandırılmıştır. Buluşun bazı uygulamalarında mevcut yazılımlar kullanılabilir, örneğin hem Android hem de tabanlı cep telefonları başkalarının yakınlığını tespit edebilen yazılımlara (örneğin bir işletim sistemi hizmeti olarak) sahiptir, bu tür yazılımlar burada açıklanan işlevleri sağlamak için kullanılabilir veya geliştirilebilir.

Bazı düzenlemelerde, böyle bir uygulama kullanıcının kaç benzersiz kişiyle tanıştığı hakkında bilgi sağlamak için kullanılabilir. Örneğin, belirli bir kullanıcı birçok kişiyle tanışabilir, ancak bunlar hep aynı kişilerdir. Başka bir kullanıcı daha az kişiyle tanışabilir, ancak her biri farklı bir kişidir. Bazı uygulamalarda, ikinci kullanıcı daha yüksek bir puan alabilir ve bu nedenle ilk olarak değerlendirilir. Bazı uygulamalarda, söz konusu uygulama ve/veya akıllı cihazlar aşılama prosedürlerinin ilerleyişini ve aşılama prosedürünün etkinliğini değerlendirmek için de kullanılır. Bazı uygulamalarda, her bir kullanıcıdan alınan bireysel veriler, aşılama prosedürlerinin ilerlemesini ve aşılama prosedürünün etkinliğini daha fazla değerlendirmek için sağlık bilgileriyle (hasta, aşılanmış, iyileşmiş, vb.) birleştirilir. İsteğe bağlı olarak, bir kullanıcı tarafından tanışılan kişiler aşılanmışsa veya başka bir şekilde bağışık olarak kategorize edilmişse, bu temaslar sayılmayabilir ve/veya daha düşük ağırlıklandırılabilir.

Bazı uygulamalarda, uygulama kullanıcılara kişiselleştirilmiş iletişim göndermek için de kullanılır, örneğin aşı olmaları için. Bazı uygulamalarda, uygulamadan alınan bilgiler göz önünde bulundurularak, kullanıcıya pandemi sırasında davranış kuralları konusundaki farkındalığını artırmak için bir iletişim göndermek ve enfeksiyon riskinin yüksek olduğu belirli yerlerden kaçınmak için gelip aşı olmak gibi belirli eylemler gerçekleştirilir.

Özel gönüllü uygulama

Bazı uygulamalarda, pandemi ışığında, nüfus, uygulamayı yükleyenlerin ödüllendirildiği özel bir uygulama yüklemeye teşvik edilir. Bazı uygulamalarda, ödül önceliklidir.

Öznenin gözetleme davranışı

Bazı uygulamalarda, öznenin davranışı, özne tarafından gerçekleştirilen güvenlik özellikleriyle ilgili olarak izlenir; örneğin, maske kullanmak (örneğin, bir arama sırasında veya cep telefonunun başka bir ekranında çekilen görüntüleri analiz etmek), ellerini yıkamak (örneğin, bir akıllı saat aracılığıyla su seslerini veya hareketlerini analiz etmek), sosyal mesafe (örneğin, Bluetooth güç seviyelerine ve/veya NFC algılamasına dayalı olarak), birden fazla konum arasında geçiş yapmak vb. Bazı uygulamalarda, bunlar yukarıdaki ile aynı cihazlar/yöntemler kullanılarak izlenir.

Örnek değerleme yöntemi

Bazı uygulamalarda, bir popülasyondaki her birey (örneğin 100, 1000, 10000 ve/veya 100000'den fazla birey), her bireyin potansiyel aşırı dağılım derecesini tanımlayan bir puan alır. Bazı uygulamalarda, puanlar temas sayısı olarak tanımlanır (buraya bakınız) ve sayılan temas sayısı yaklaşık 10 ila yaklaşık 100, isteğe bağlı olarak yaklaşık 100 ila yaklaşık 1000, isteğe bağlı olarak yaklaşık 1000 ila yaklaşık 10000, örneğin 100, 400, 1000, 2000, 10000 veya orta veya daha büyük sayılar arasındadır. Bazı uygulamalarda, yüksek bir değer aşırı dağılma için yüksek bir potansiyeli tanımlarken, düşük bir değer aşırı dağılma için düşük bir potansiyeli tanımlar. Buluşun açıklanmasını kolaylaştırmak için 0 ila 100 arasında bir derecelendirme ölçeği kullanılmıştır. Isı haritası derecelendirmesi, ondalık sıra ölçekleri vb. gibi diğer ölçeklerin de kullanılabileceği ve bunların hepsinin buluşun kapsamına dahil olduğu anlaşılmaktadır. Buluşun bazı uygulamalarında skor açıktır. Örneğin, buluşun bazı uygulamalarında, skor diğer değerlere göre normalize edilir. Normalizasyonun doğrusal olması gerekmez. Buluşun bazı uygulamalarında, skor bir skalerdir. Örneğin, buluşun bazı uygulamalarında, skor, bir aşırı yayılma potansiyeli boyutu ve bir davranış değişkenliği boyutu dahil olmak üzere çok boyutludur). Örneğin, skor, bir aşırı yayılma potansiyeli boyutu ve bir davranış boyutu değişkenliği dahil olmak üzere çok boyutludur). skor, bir aşırı yayılma potansiyeli boyutu ve bir davranış boyutu değişkenliği dahil olmak üzere çok boyutludur).

Bazı uygulamalarda puan, bir veya daha fazla faktör ve/veya bileşenin alınan bilgi verilerine göre puanlandığı ağırlıklı puanlama modelleri kullanılarak hesaplanır. Şimdi Şekil 3'e atıfta bulunarak, buluşun bazı düzenlemelerine göre ağırlıklı bir puan hesaplama yönteminin şematik bir akış şemasını göstermektedir.

Bazı düzenlemelerde, sistem bir özne hakkında bilgi verileri alır 302Bazı uygulamalarda, bilgi verileri bilgi verilerinin kaynağına göre sıralanır. 304. örneğin, elektronik bilgi 306. akıllı telefonlar, kameralar, kredi kartı bilgileri vb. 308. örneğin GPS veya baz istasyonlarından alınan coğrafi bilgiler 310. devlet bilgileri, örneğin nüfus sayım bürosundan veya EMR'den (elektronik tıbbi kayıtlar) 312İnsan bilgileri, örneğin, diğer bireyler ve yukarıdaki faktör ve/veya bileşenlerden biri veya daha fazlası hakkındaki bilgilerin sağlanması için çağrıda bulunan diğer bireylerden. Bazı uygulamalarda, sistem daha sonra, isteğe bağlı olarak önceden belirlenmiş bir kritere göre her bir bilgi parçasının ağırlıklı puanını hesaplar 314. bazı uygulamalarda, sistem daha sonra isteğe bağlı olarak önceden belirlenmiş bir kritere göre çeşitli ağırlıklı puanlardan genel bir puan oluşturur 316Bazı düzenlemelerde, sistem daha sonra popülasyonu gerçekten tedavi etmek için kullanılan bir tedavi dizisi listesi sağlar 318.

Bazı uygulamalarda, puan çok sayıda bileşenden oluşmaktadır; örneğin, bir kişinin bulaşıcı bir hastalık/virüs/patojen bulaştırma tahmini olasılığı, bir kişinin bulaşıcı bir hastalığa/virüse/patojene yakalanma tahmini olasılığı, söz konusu kişinin bulaşıcı bir hastalığa/virüse/patojene yakalanması halinde kişiye yönelik göreceli sağlık riski, söz konusu kişinin bulaşıcı bir hastalığa/virüse/patojene yakalanması halinde topluma yönelik zarar; diğer kişilere fiziksel yakınlığa ilişkin verilerle ilgili olarak isteğe bağlı olarak yukarıdakilerden biri veya daha fazlası.

Bazı düzenlemelerde, bir deneğin fiziksel yaklaşım verileri aşağıdakilerden biri veya daha fazlası kullanılarak diğer deneklerle birlikte hesaplanır:

• 1. deneğin temas halinde olabileceği denek sayısı;
• 2. Öznenin diğer öznelere olan potansiyel ve/veya fiili mesafesi;
• 3. deneğin diğer deneklerle olası ve/veya fiili karşılaşmasının süresi.

Buluşun bazı uygulamalarında, puan her bir temas olayı için ve/veya sonrasında güncellenir. Buluşun bazı uygulamalarında, güncelleme günün sonunda yapılır ve potansiyel olarak aynı kişiyle birden fazla toplantı toplanır. İsteğe bağlı olarak veya ek olarak, puan bir dizi temas olayı başına güncellenir. Buluşun bazı uygulamalarında, skor tüm temas olayları toplandıktan sonra, örneğin aşılanması halinde enfeksiyonu en iyi şekilde durduracak kişileri belirlemek için bir temas ağının analizine dayalı olarak hesaplanır. Böyle bir analiz temas ağının simüle edilmesi ve farklı aşılama planlarının denenmesi ve/veya farklı bireylerin ve/veya birey gruplarının çıkarılması yoluyla gerçekleştirilebilir.

Skordan tedaviye

Bazı uygulamalarda, her bir bireyin puanına veya isteğe bağlı olarak popülasyondaki çok sayıda bireyin puanına ulaşıldığında, her bir bireyin tedaviyi alma sırasını içeren bir liste oluşturulur. Bazı uygulamalarda, liste isteğe bağlı olarak gruplara ayrılır, örneğin, 100 ile 90 arasında puan alan tüm bireyler önce tedavileri alan A Grubunda toplanır. Ardından, 90 ila 80 puan arasında puan alan tüm bireyler, tedavileri ikinci olarak alan B grubunda gruplandırılır ve bu böyle devam eder.

Kamuoyu için bilgiler

Bazı uygulamalarda, liste oluşturulduktan sonra, bireyler ne zaman ve nereye gidecekleri ve tedavileri nerede alacakları konusunda, örneğin e-posta, cep telefonlarındaki özel uygulamalar, medya vb. aracılığıyla bilgilendirilir.

Örnek simülasyonlar

Bazı uygulamalarda, modelleme ve simülasyonlar, örneğin tedavilerin potansiyel ilerlemesini ve sürü bağışıklığına ulaşmak için olası zamanlamayı değerlendirmek ve/veya çeşitli parametreler için değerler seçmek için özel bilgisayarlarda gerçekleştirilir. Bazı uygulamalarda simülasyonlar, bireylerden alınan bir veya daha fazla gerçek verinin, bireylerden gelen/bireylere ait simüle edilmiş verileri çalıştırmak için (olası senaryoları çalıştırmak için gerekirse) eklenmesini içerir. Bazı uygulamalarda, değerlendirmeler ve modeller sinir ağları, makine öğrenimi ve özel simülasyonlardan bir veya daha fazlasını kullanır.

Bazı düzenlemelerde, simülasyonlar tedavilerin ( etki etme veya ) birey üzerinde etki etmeme olasılığını dikkate alır ve modeller.

Bazı uygulamalarda, simülasyonlar belirli bir deneğin karşılaşabileceği nüfus türünü ve bu bireylerin daha sonra karşılaşabileceği potansiyel nüfusu dikkate alır ve modeller. Örneğin, çok sayıda çocukla karşılaşan öğretmenler daha yüksek bir simülasyon puanı alacaktır çünkü çocuklar öğretmen tarafından enfekte edildiğinde, çocuklar evlerine dönecek ve potansiyel olarak ailelerine de bulaştıracaklardır. Oysa, örneğin, bir hapishanede çalışan bir doktor muhtemelen daha düşük bir simülasyon puanı alacaktır çünkü hapishanedeki mahkumlar dışarı çıkmazlar ve kimseye bulaştırma ihtimalleri yoktur. (Enfeksiyon hapishanede tek başına tutulmaktadır).

Bazı düzenlemelerde, bir süper yayıcıyı tanımlamak için kullanılan parametre değerlerini ve muhtemelen bunları normal bireylerden nasıl ayırt edeceğimizi değerlendirmek için simülasyonlar gerçekleştirilir.„