Luka w tajności głosowania w Georgii spotyka się z AI, ujawniając zagrożenie dla prywatności przed wyborami śródokresowymi
Georgia przez niemal cztery lata nie załatała znanej słabości ochrony prywatności głosowania, a agent programistyczny oparty na AI znacznie ułatwił jej wykorzystanie. Luka w tajności głosowania w Georgii nie zmienia głosów ani nie podważa ogłoszonych wyników. Zagraża czemuś innemu: konstytucyjnej obietnicy, że nikt nie może ustalić, jak głosowała konkretna osoba.
Badacz z Princeton, Max Springer, wykorzystał publiczne rejestry i publicznie dostępnego asystenta AI, aby odtworzyć kolejność kart do głosowania z prawyborów w Georgii w maju 2026 roku. Jego analiza odtworzyła kolejność oddania około 1,52 mln kart, co stanowiło 98,9% kart oddanych osobiście w badanych przez niego hrabstwach. Associated Press niezależnie opisała ustalenia Springera oraz rozmawiała z urzędnikami wyborczymi i ekspertami ds. bezpieczeństwa o nierozwiązanej podatności.
Niewygodna sprzeczność jest wyraźna. Georgia publikuje dane na poziomie pojedynczych kart, aby społeczeństwo mogło kontrolować wyniki wyborów, lecz przestarzałe oprogramowanie jej skanerów może sprawić, że ta przejrzystość obróci się przeciw prywatności wyborców. AI nie odkryła tej luki. Ograniczyła natomiast poziom wiedzy i czas potrzebne, by przekształcić dawną pracę techniczną w działającą analizę.
To rozróżnienie ma znaczenie przed listopadowymi wyborami śródokresowymi. Demonstracja dotyczy tajności głosowania, a nie manipulowania głosami, i nie ma dowodów, że ktokolwiek wykorzystał tę metodę w złej wierze. Jednak oczekiwanie na potwierdzone nadużycie oznaczałoby, że stan broniłby obietnicy prywatności dopiero po tym, gdy podstawowa bariera techniczna już upadła.
Luka w tajności głosowania w Georgii była już udokumentowana
Bezpośrednią zmianą nie jest nowo odkryty błąd oprogramowania. Jest nią dowód, że istniejąca słabość stała się dostępna dla znacznie większej liczby osób.
Wyborcy w Georgii dokonują wyborów na dotykowych urządzeniach do oznaczania kart do głosowania. Każde urządzenie drukuje papierową kartę zawierającą wybory czytelne dla człowieka oraz kod QR. Wyborca wkłada następnie tę kartę do skanera optycznego, który rejestruje wybory i tworzy elektroniczny zapis oddanego głosu.
Zapis oddanego głosu, powszechnie skracany do CVR, zawiera wybory zarejestrowane z jednej karty bez dołączania nazwiska wyborcy. Administratorzy wyborów i zewnętrzni analitycy mogą wykorzystywać te zapisy do badania wyników na poziomie pojedynczych kart.
Skanery tworzą również cyfrowe obrazy kart. Aby chronić anonimowość, odpowiadające im elektroniczne zapisy są wyświetlane w przetasowanej kolejności, a nie w kolejności, w której wyborcy wrzucali karty.
Badacze ujawnili problem z tym procesem w październiku 2022 roku. Skanery przypisywały identyfikatory przy użyciu deterministycznego algorytmu, co oznacza, że stała procedura dawała wyniki wyglądające na losowe, lecz możliwe do odwrócenia. Ich ujawnienie techniczne wyjaśniało, w jaki sposób analityk mógł odzyskać pierwotną sekwencję skanowania.
Sama sekwencja nie identyfikuje wyborcy. Staje się wrażliwa, gdy ktoś połączy ją z odrębnymi rejestrami pokazującymi, kto głosował, gdzie głosował i mniej więcej kiedy się zarejestrował.
Springer przetestował to połączenie na prawyborach w Georgii w maju 2026 roku. Według jego analizy prywatności głosowania przekazał agentowi programistycznemu pierwotne badania i zapytał, czy słabość nadal można wykorzystać w Georgii.
Agent programistyczny to duży model językowy, który może pisać, wykonywać, sprawdzać i poprawiać kod komputerowy w dążeniu do określonego celu. Zamiast jedynie proponować kod, może przechodzić przez błędy i zbudować działający potok analityczny.
Springer powiedział, że agent odwrócił tasowanie zapisów kart i wskazał, które dodatkowe publiczne pliki były potrzebne. Obejmowały one listy osób głosujących przed terminem, dzienniki audytowe skanerów oraz rejestry odpraw specyficzne dla lokalizacji.
Eksperyment nie wymagał dostępu do maszyny do głosowania, prywatnej sieci, zastrzeżonego kodu źródłowego ani ograniczonej bazy danych. Wykorzystał rejestry istniejące na potrzeby legalnej administracji wyborczej i publicznego nadzoru.
To połączenie sprawia, że tej historii nie można sprowadzić do znanego ostrzeżenia o hipotetycznym hakowaniu wyborów. Analiza dotyczyła danych opublikowanych po głosowaniu, a nie maszyn w trakcie oddawania głosów. Jej wynik dotyczył tożsamości wyborców i ich wyborów na kartach, a nie zmian w liczeniu.
Podatność poprzedza także obecne generatywne systemy AI. Pierwotni badacze już wyjaśnili metodę odzyskiwania danych. AI zmieniła zakres specjalistycznej pracy potrzebnej do zastosowania jej wobec rzeczywistych danych wyborczych.
Z punktu widzenia bezpieczeństwa jest to znacząca zmiana w możliwości wykorzystania podatności. Luka, która kiedyś wymagała programisty znającego formaty wyborcze, może stać się dostępna dzięki instrukcjom w języku naturalnym i iteracyjnemu generowaniu kodu.
Georgii nie zarzuca się publikowania bezpośredniej listy łączącej wyborców z kartami. Każdy publiczny plik z osobna wygląda na mniej niebezpieczny. Naruszenie prywatności pojawia się, gdy przewidywalne identyfikatory skanerów umożliwiają łączenie oddzielnych zbiorów danych.
To centralne napięcie tego artykułu. Publiczne dowody wyborcze powinny zwiększać wiarygodność zbiorczych wyników bez ujawniania indywidualnych wyborów politycznych. Obecna konfiguracja Georgii ma trudności z zapewnieniem obu tych form ochrony jednocześnie.
Dopasowywanie kart przez AI zamienia publiczne rejestry w identyfikatory
AI obniżyła praktyczną barierę między przeczytaniem o podatności a zastosowaniem jej wobec ponad miliona rzeczywistych kart do głosowania.
Springer przeanalizował dane ze 139 hrabstw Georgii. Poinformował, że odtworzył kolejność osobistego oddania kart w 114 z nich, obejmując około 1,52 mln kart.
Pierwszy etap przyporządkowywał karty i wyborców do odpowiadających sobie grup. Załóżmy, że trzech wyborców z tej samej partii i okręgu zarejestrowało się w tym samym okresie wcześniejszego głosowania. Rejestry mogłyby zawęzić ich wybory do trzech odpowiadających kart, nie dowodząc jednak, która osoba oddała którą z nich.
Mniejsze grupy zapewniają większą pewność. Jeśli tylko jeden wyborca z określonej partii, okręgu, stylu karty i daty pasuje do jednego odzyskanego zapisu, publiczne dane mogą prowadzić do jednoznacznego dopasowania.
Springer oszacował, że około 1% analizowanych przez niego wyborców głosujących osobiście przed terminem można było jednoznacznie zidentyfikować wyłącznie na podstawie listy wcześniejszych wyborców i zapisów oddanych głosów. Odsetek ten jest znacznie węższy niż wskaźnik odzyskania kolejności oddania kart wynoszący 98,9% i tych dwóch liczb nie należy mylić.
Odtworzenie kolejności oznacza ustalenie sekwencji elektronicznych zapisów kart. Zidentyfikowanie karty oznacza powiązanie jednego z tych zapisów z nazwiskiem konkretnej osoby. Drugie zadanie wymaga dodatkowych informacji o czasie, miejscu lub kolejności.
Springer następnie uzyskał dzienniki audytowe skanerów oraz rejestry odpraw dla indywidualnych lokali wyborczych. Rejestry te dostarczyły dokładniejszych informacji o czasie i kolejności, umożliwiając mu rozdzielenie wyborców, którzy początkowo znajdowali się w tej samej grupie.
W hrabstwie Heard, jak podał, dopasował większość z 650 wyborców głosujących osobiście przed terminem do konkretnej karty. Pozostałych wyborców można było zasadniczo zawęzić do pojedynczej zamiany między dwiema możliwymi kartami.
Poinformował o podobnym wyniku wśród 1 860 wcześniejszych wyborców w centrum głosowania Ball Ground w hrabstwie Cherokee. Ta ruchliwa lokalizacja jest istotna, ponieważ podważa założenie, że dopasowanie działa tylko w wyjątkowo cichym, wiejskim okręgu.
Metoda nadal zawiera niepewność. Wyborca, który rejestruje się jako pierwszy, niekoniecznie skanuje kartę jako pierwszy. Ludzie potrzebują różnej ilości czasu, aby zagłosować, sprawdzić wydruki lub poprosić o pomoc. Kolejność rejestracji nie może więc automatycznie być traktowana jako kolejność kart.
Silniejsze dopasowania Springera opierały się na czymś więcej niż prostym porównaniu wiersz po wierszu. Łączyły odwracalną sekwencję skanera ze stylami kart, udziałem partyjnym, datami, lokalizacjami głosowania i bardziej szczegółowymi rejestrami audytowymi.
Nawet wtedy opublikowana praca jest demonstracją badacza, a nie ogólnostanowym rozstrzygnięciem każdego dopasowania. Niezależna replikacja pomogłaby zmierzyć liczbę fałszywych dopasowań w zatłoczonych lokalizacjach i przy nietypowych wzorcach głosowania.
Urzędnik wyborczy Georgii Gabriel Sterling podkreślił tę niepewność. Argumentował, że połączenie wyborcy z konkretną kartą nadal może wymagać znacznego zgadywania, zwłaszcza gdy kilka osób mieści się w tym samym oknie czasowym.
Ta krytyka zawęża twierdzenie, ale nie usuwa słabości. System prywatności nie powinien zależeć od tego, czy wystarczająco wielu wyborców przemieszcza się przez lokal w dostatecznie mylącej kolejności. Powinien z założenia uniemożliwiać wiarygodne powiązanie.
Luka w tajności głosowania w Georgii staje się szczególnie poważna, gdy oficjalne rejestry uzupełniają obserwacje zewnętrzne. Obserwator wyborczy, kamera, pracodawca, działacz kampanii lub znajomy może wiedzieć, kiedy dana osoba weszła do lokalu albo wrzuciła kartę.
Małe społeczności mogą tworzyć kolejne źródło informacji. Gdy mieszkańcy znają się nawzajem, a tylko kilka osób prosi o kartę konkretnej partii, pozornie anonimowy zapis może ujawnić tożsamość.
Dopasowywanie kart przez AI skaluje się również inaczej niż ręczne dochodzenie. Analityk może polecić agentowi ujednolicenie niespójnych plików hrabstw, napisanie parserów, sprawdzenie założeń i powtarzanie procesu w wielu jurysdykcjach.
Model nie dokonuje politycznych ocen. Automatyzuje pracę z danymi, która wcześniej pochłaniała znaczny czas programowania. Ułatwia to odtworzenie, modyfikowanie i rozpowszechnianie już opublikowanej metody ataku.
To szersza lekcja dotycząca bezpieczeństwa AI. Obrońcy nie mogą zakładać, że praca techniczna pozostaje niepraktyczna tylko dlatego, że jej wykorzystanie wymaga nieznanych formatów lub żmudnego kodowania. Agenci coraz częściej potrafią przekształcać publiczną dokumentację w działające oprogramowanie.
Przejrzystość i tajne głosowanie są obecnie w bezpośrednim konflikcie
Georgia musi zachować dowody wspierające publiczną weryfikację, nie publikując jednocześnie rejestrów, które można ponownie połączyć z polityczną tożsamością wyborcy.
Rejestry na poziomie pojedynczych kart służą uzasadnionemu celowi demokratycznemu. Badacze, kampanie, dziennikarze i obywatele mogą ich używać do weryfikacji zliczania, badania anomalii oraz porównywania wyników elektronicznych z papierowymi kartami.
Georgia aktywnie promowała tę przejrzystość. Po prawyborach 19 maja biuro sekretarza stanu przeanalizowało 2 081 900 kart w kompleksowym audycie obrazów.
Stan zgłosił 159 rozbieżności, przy czym 99,9924% kart nie wykazało żadnej rozbieżności. Według stanowych wyników audytu prawyborów audyt potwierdził wyniki wszystkich 1 785 skontrolowanych rywalizacji.
Liczby te dotyczą dokładności liczenia. Nie odpowiadają na pytanie, czy ktoś może powiązać prawidłowy zapis karty z indywidualnym wyborcą.
Ta różnica jest kluczowa. Integralność wyborów obejmuje prawidłowe zarejestrowanie każdego wyboru, zachowanie wiarygodnych dowodów, dokładne zliczenie tych dowodów oraz ochronę tożsamości wyborcy.
System może dobrze działać w trzech pierwszych obszarach, a zawodzić w czwartym. Dowody dokładnego zliczania nie podważają więc wykazanej słabości ochrony prywatności.
Podobnie, luka w prywatności głosowania nie jest dowodem, że maszyny zmieniały głosy, usuwały karty lub wyłoniły niewłaściwego zwycięzcę. Wyniki Georgii z 2020 roku przetrwały ponowne liczenia i dochodzenia, podczas gdy fałszywe twierdzenia o powszechnych oszustwach z użyciem maszyn wielokrotnie nie znalazły potwierdzających dowodów.
Łączenie tych dwóch kwestii osłabiłoby argumenty za naprawą. Urzędnicy wyborczy mogą uznać rzeczywisty problem poufności, nie potwierdzając przy tym niepowiązanych twierdzeń o manipulowaniu wynikami.
Jak zauważyła Associated Press w swojej analizie odpowiednich przepisów, konstytucja Georgii wymaga przeprowadzania wyborów w tajnym głosowaniu, a prawo stanowe nakazuje, by sprzęt wyborczy umożliwiał głosowanie w „absolutnej tajności”, tak aby nikt nie mógł poznać wyborów innego wyborcy.
Tajne głosowanie chroni coś więcej niż osobisty komfort. Ogranicza kupowanie głosów, ponieważ kupujący nie może łatwo zweryfikować, czy doszło do spełnienia warunków. Chroni też ludzi przed naciskami ze strony pracodawców, krewnych, grup politycznych, urzędników państwowych i stosujących przemoc partnerów.
Technicznie odtwarzalny głos tworzy ryzyko podobne do pokwitowania. Nawet jeśli niewiele osób próbuje przeprowadzić rekonstrukcję, sama możliwość może wpływać na wyborców, którzy w uzasadniony sposób obawiają się odwetu lub przymusu.
Kampanie polityczne mogłyby również cenić zindywidualizowane wybory. Współczesne bazy danych kampanii już przewidują preferencje na podstawie danych demograficznych, historii głosowania, informacji konsumenckich i rejestrów kontaktów. Odtworzone karty wyborcze dostarczałyby bezpośrednich dowodów, a nie jedynie szacowanego prawdopodobieństwa.
Sterling argumentował, że kampanie prawdopodobnie uznałyby zwykłe profilowanie wyborców i działania kontaktowe za tańsze niż wykorzystanie tej luki. Zauważył również, że ktoś dążący do wymuszenia mógłby uznać głosowanie korespondencyjne za łatwiejszy cel.
Ta odpowiedź dotyczy motywacji atakującego, a nie obowiązku państwa w zakresie ochrony prywatności. Gwarancja tajności głosowania nie jest uzależniona od tego, czy jej naruszenie stanowi najbardziej ekonomiczną strategię kampanii.
Głównym przeciwieństwem w tej historii nie jest więc AI kontra pracownicy wyborczy. Jest nim przejrzystość oparta na szczegółowych danych publicznych kontra tajność osłabiona przez deterministyczne identyfikatory i skorelowane dzienniki.
Usunięcie wszystkich publicznych danych o kartach wyborczych rozwiązałoby ten konflikt w niewłaściwy sposób. Niezależna weryfikacja zależy od dostępu do istotnych rejestrów. Lepszym rozwiązaniem jest zerwanie technicznych powiązań ujawniających kolejność oddawania głosów przy jednoczesnym zachowaniu możliwości audytu.
Inne jurysdykcje podobno używają objętych problemem skanerów, lecz skala ich ekspozycji jest inna. Niektóre zainstalowały aktualizację oprogramowania producenta. Inne ograniczają dostęp do rejestrów potrzebnych atakującemu do dopasowania wyborców.
Georgia stanowi szczególnie wrażliwą kombinację. Sprzęt działa w całym stanie, odpowiednie rejestry można uzyskać publicznie, a stan nie wdrożył aktualizacji przed cyklem wyborczym w 2026 roku.
Ta kombinacja skłoniła Marka Lindemana, dyrektora ds. polityki i strategii w bezpartyjnej organizacji technologii wyborczych Verified Voting, do opisania sytuacji Georgii Associated Press jako „idealnej burzy”. Jego krytyka, że utrzymująca się możliwość była kompromitująca, trafniej oddaje instytucjonalną porażkę niż kolejne abstrakcyjne ostrzeżenie dotyczące AI.
Naprawa sprzętu wyborczego w Georgii nadeszła zbyt późno, by łatwo ją wdrożyć
Oczywista odpowiedź w postaci aktualizacji oprogramowania zderzyła się z certyfikacją, finansowaniem, kompetencjami oraz operacyjnym ryzykiem zmian w ogólnostanowych systemach wyborczych krótko przed listopadem.
Dominion Voting Systems, którego działalność wyborcza została później sprzedana i przemianowana na Liberty Vote, opracował aktualizację rozwiązującą problem odwracalnej kolejności rekordów. Oficjalne materiały firmy Liberty Vote potwierdzają, że firma powstała w wyniku przejęcia Dominion. Wielu innych użytkowników objętych problemem skanerów podobno zainstalowało aktualizację.
Georgia nie wdrożyła odpowiednich ogólnostanowych aktualizacji po zakupie systemu w 2019 roku. W 2026 roku stan zbliżał się do kolejnych wyborów o dużym znaczeniu, z tą samą słabością prywatności udokumentowaną w 2022 roku.
Członkini State Election Board Salleigh Grubbs zaproponowała zobowiązanie biura sekretarza stanu do zastosowania aktualizacji producenta przed wyborami środka kadencji. Argumentowała, że prywatność głosowania chroni zarówno indywidualnych wyborców, jak i integralność wyborów.
Prawnik agencji odpowiedział, że Georgia nie certyfikowała aktualizacji, wdrożenie wymagałoby miesięcy, a ustawodawcy nie zapewnili niezbędnego finansowania. Rada odrzuciła propozycję Grubbs.
Niektórzy członkowie kwestionowali również, czy rada ma uprawnienia do nakazania sekretarzowi stanu przeprowadzenia aktualizacji. Obawa ta wynikała z wcześniejszych sporów dotyczących prawnych granic uprawnień rady do tworzenia regulacji.
Członkini rady Sara Tindall Ghazal zagłosowała przeciw propozycji, mimo że opisała brak aktualizacji jako niezwykle frustrujący. Wskazała na przewidziane w Georgii sankcje karne za ujawnienie głosu innej osoby jako środek odstraszający.
Sankcje karne mają znaczenie po dopuszczeniu się niewłaściwego działania. Nie mogą uczynić technicznie możliwej do powiązania karty wyborczej anonimową, zapobiec dyskretnemu profilowaniu ani zagwarantować odzyskania ujawnionych wyników.
Pospieszna aktualizacja również niesie realne ryzyko. Oprogramowanie wyborcze wymaga certyfikacji, instalacji, testów sprzętu, przygotowania pracowników lokali wyborczych, planowania awaryjnego oraz spójnego wdrożenia we wszystkich hrabstwach.
Zmiana ogólnostanowego środowiska wyborczego krótko przed ważnymi wyborami może wprowadzić błędy konfiguracji lub nierówne procedury. Obrońcy praw wyborczych wcześniej ostrzegali, że późne zmiany mogą dezorientować pracowników i wyborców.
To jest operacyjny kompromis, a nie usprawiedliwienie dla wieloletniego opóźnienia. Urzędnicy stoją przed ryzykownym harmonogramem w 2026 roku, ponieważ znana luka pozostawała nierozwiązana w wcześniejszych, bezpieczniejszych oknach wdrożeniowych.
Stan próbował zastosować odpowiedź administracyjną. Zgodnie z opisywaną odpowiedzią stanu, biuro sekretarza stanu poleciło lokalnym urzędnikom usunięcie części publicznie dostępnych danych wykorzystywanych w procesie dopasowywania Springera.
Ograniczenie wrażliwych rejestrów czasowych lub porządkowych może zmniejszyć natychmiastową ekspozycję. Może być też szybsze niż instalowanie nowego oprogramowania skanerów w całym stanie.
Jednak ukrywanie rejestrów wymaga starannego zaprojektowania. Usunięcie zbyt dużej ilości informacji może utrudnić nadzór nad wyborami, a niespójne przestrzeganie zasad przez hrabstwa może pozostawić dane możliwe do wykorzystania w niektórych miejscach.
Podejście musi też uwzględniać rejestry uzyskiwane w drodze formalnych wniosków o dostęp do informacji publicznej, a nie tylko pliki publikowane online. Usunięcie pliku do pobrania z witryny niekoniecznie zmienia to, co prawo stanowe nakazuje agencji ujawnić.
Trwałe rozwiązanie musi określić minimalny zestaw danych potrzebnych do rzetelnych publicznych audytów. Następnie musi usunąć lub przekształcić pola umożliwiające łączenie rejestrów z nazwaną aktywnością wyborców.
Możliwe zabezpieczenia obejmują kryptograficznie bezpieczne losowe identyfikatory, opóźnione ujawnianie danych, agregowanie wrażliwych znaczników czasu oraz ścisłe rozdzielenie rejestrów list wyborców i skanerów. Każda opcja wymaga niezależnych testów przeciwko realistycznym atakom wykorzystującym łączenie danych.
Georgia powinna również założyć, że przyszłe narzędzia AI będą bardziej zaawansowane niż agent użyty przez Springera. Polityka pozostająca bezpieczna tylko dlatego, że dzisiejszy proces dopasowywania jest niewygodny, szybko się zdezaktualizuje.
Wada sprzętu wyborczego ilustruje szerszy problem utrzymania systemów. Instytucje publiczne często oceniają priorytet poprawek według tego, czy dana luka spowodowała już udokumentowaną szkodę. AI zmienia tę kalkulację, czyniąc starsze słabości tańszymi w praktycznym wykorzystaniu.
Priorytet aktualizacji powinien odzwierciedlać obecną łatwość wykorzystania luki, a nie tylko datę jej ujawnienia. Czteroletnia słabość może stać się pilniejsza, gdy automatyzacja eliminuje potrzebę specjalistycznej wiedzy, która wcześniej ograniczała jej wykorzystanie.
Ryzyko dla prywatności jest poważne, lecz najsilniejsze twierdzenia wymagają testów
Dowody uzasadniają pilną reakcję w sprawie prywatności, ale nie potwierdzają twierdzeń, że wyniki głosowania w Georgii zostały naruszone lub że każdy wyborca został zidentyfikowany z pewnością.
Eksperyment Springera ustala kilka ważnych faktów. Opublikowane tasowanie skanerów można odwrócić. AI może pomóc wdrożyć takie odwrócenie. Publiczne dane Georgii umożliwiają znaczące odtworzenie kolejności oddawania głosów, a dodatkowe rejestry mogą prowadzić do bardzo precyzyjnego dopasowania wyborców do kart wyborczych.
Eksperyment nie dowodzi, że złośliwy podmiot stworzył już ogólnostanową bazę danych wyborów poszczególnych osób. Springer powiedział, że nie ma dowodów, iż ktoś wykorzystał tę słabość w niegodziwych celach.
Nie pokazuje też, że AI uzyskała dostęp do systemów głosowania. Model pracował na rejestrach wyborczych po ich utworzeniu. Nazwanie demonstracji atakiem AI na maszyny do głosowania błędnie przedstawiałoby mechanizm.
Wskaźnik 98,9% wymaga równie ostrożnego traktowania. Opisuje on karty wyborcze, których kolejność oddania Springer odtworzył w analizowanych hrabstwach. Nie oznacza, że ostatecznie wskazał wyborcę stojącego za 98,9% kart wyborczych.
Jego bardziej szczegółowe przykłady z hrabstw dawały znacznie silniejsze powiązania. Jednak sprawdzenie dokładności każdego dopasowania nadal jest trudne, ponieważ rzeczywiste mapowanie wyborcy na kartę wyborczą jest celowo niedostępne.
Ta luka w weryfikacji jest nieodłączna dla badań nad prywatnością. Tajny system nie może wygodnie dostarczyć danych referencyjnych bez naruszenia tajemnicy, którą ma chronić.
Badacze nadal mogą oceniać metodę poprzez kontrolowane wybory, syntetyczne rejestry, znanych wyborców testowych, statystyczne granice błędu i niezależną replikację. Testy te powinny badać opóźnienia między zameldowaniem a skanowaniem, porzucanie kart wyborczych, pomoc, zmiany maszyn oraz wyborców opuszczających oczekiwaną kolejność.
Urzędnicy powinni również opublikować wystarczająco dużo metodologii, by zewnętrzni eksperci mogli ocenić działania łagodzące skutki problemu. Twierdzenie, że dopasowywanie wymaga „zgadywania”, nie jest mierzalnym standardem bezpieczeństwa.
Właściwe pytanie brzmi, ile niepewności pozostaje dla atakującego, który obiera za cel konkretnego wyborcę. Technika nie musi identyfikować wszystkich, aby zagrażać politykom, sędziom, pracownikom publicznym, aktywistom lub mieszkańcom małych społeczności.
Ukierunkowany atakujący może już posiadać obserwacje niedostępne w publicznym zbiorze danych. Harmonogramy pracy, nagrania z lokalizacji, wolontariusze kampanii, wpisy w mediach społecznościowych lub bezpośrednia obserwacja mogą zawęzić dopasowanie.
Prawny środek odstraszający również zasługuje na testy wobec realistycznych przeciwników. Zagraniczni aktorzy, anonimowi brokerzy danych i osoby gotowe ujawnić zbiór danych mogą nie reagować na stanowe sankcje karne tak, jak oczekują lokalni urzędnicy.
Jednocześnie publiczna dyskusja musi unikać podsycania narracji spiskowych dotyczących wyborów. Luka wpływa na prywatność, podczas gdy audyty Georgii dotyczą zgodności między dowodami papierowymi a zgłoszonymi wynikami.
Stan poinformował, że jego majowy audyt wykazał jedynie 16 rozbieżności wśród 2 038 067 kart wyborczych utworzonych przez urządzenia do oznaczania kart. Niezależnie od ograniczeń tego audytu, liczby te dotyczą dokładności zliczania, a nie ochrony tożsamości.
Traktowanie każdego problemu bezpieczeństwa wyborów jako dowodu na skradzione wybory utrudnia praktyczne naprawy. Zachęca urzędników do odrzucania uzasadnionych badań jako kolejnego ataku politycznego i skłania stronników do wyolbrzymiania ograniczonej wady.
Odpowiedzialny wniosek jest węższy i mocniejszy. Georgia ma udokumentowany mechanizm, który może ujawnić indywidualne wybory na kartach wyborczych w określonych warunkach danych. AI obniżyła wysiłek potrzebny do wykorzystania go na dużą skalę.
To ustalenie wystarcza, by domagać się działań łagodzących. Nie wymaga twierdzeń o zmienionych głosach, zhakowanych urządzeniach zliczających ani nieprawidłowym wyniku wyborów.
Co Georgia musi udowodnić przed listopadem
Kolejnym sprawdzianem będzie to, czy Georgia potrafi wyłączyć łańcuch dopasowywania, zachowując wystarczającą ilość publicznych dowodów do weryfikacji wyników wyborów.
Pierwszym sygnałem będzie sposób traktowania dzienników audytowych skanerów, rejestrów zameldowania oraz plików oddanych głosów. Hrabstwa potrzebują spójnych instrukcji określających, które pola pozostają publiczne, które zostają zagregowane, a które otrzymują silniejszą ochronę prywatności.
Jeśli niezależni badacze nie będą mogli odtworzyć precyzyjnej kolejności wyborców po tych zmianach, bezpośrednia ocena ryzyka dla prywatności stanie się mniej poważna. Jeśli rejestry hrabstw pozostaną niespójne lub łatwe do skorelowania, administracyjna odpowiedź stanu będzie wyglądać na niepełną.
Drugim sygnałem jest niezależna walidacja techniczna. Georgia powinna zaprosić wykwalifikowanych badaczy bezpieczeństwa wyborów do przetestowania zaktualizowanego procesu ujawniania informacji z użyciem realistycznych procedur obowiązujących w listopadzie.
Walidacja ta musi mierzyć dokładność powiązań, a nie jedynie potwierdzać, że jeden plik zniknął ze strony internetowej. Powinna również wyjaśniać, w jaki sposób stan zachowuje dowody niezbędne do audytów i publicznych odwołań.
Przejrzysty, powtarzalny test wzmocniłby zaufanie, że środki zaradcze odnoszą się do samego mechanizmu problemu. Odmowa umożliwienia znaczących testów oznaczałaby, że urzędnicy proszą wyborców o przyjęcie niepopartego dowodami zapewnienia.
Trzecim sygnałem jest finansowany, certyfikowany plan aktualizacji oprogramowania producenta lub jego zastąpienia. Oficjalny zapis certyfikacji amerykańskiej Komisji Pomocy Wyborczej pokazuje, że Democracy Suite 5.17 otrzymał federalną certyfikację 16 marca 2023 roku, choć certyfikacja federalna nie zastępuje własnego procesu zatwierdzania i wdrażania w Georgii.
Długoterminowy plan wymaga dat, etapów certyfikacji stanowej, procedur wdrożenia w hrabstwach oraz testów po instalacji. Jeśli te kamienie milowe ponownie się opóźnią, stan pozostanie zależny od kontrolowania każdego pomocniczego rejestru, który może ujawnić kolejność głosowania wyborców.
Georgia stoi także przed szerszą transformacją sprzętową. Ustawodawcy przesunęli termin wycofania zliczania głosów za pomocą kodów QR do 2028 roku, nie zdoławszy wybrać rozwiązania zastępczego przed wyborami śródokresowymi w 2026 roku. Opóźnienie dotyczące kodów QR odzwierciedla to samo napięcie między reformą techniczną a gotowością operacyjną.
Zliczanie głosów za pomocą kodów QR i odwracalna kolejność CVR to odrębne kwestie. Wymiana jednego komponentu nie rozwiązuje automatycznie drugiego problemu. Każdy przyszły system musi zostać oceniony zarówno pod kątem dokładnego liczenia, jak i odporności na łączenie rekordów.
Dopasowywanie kart wyborczych przez AI powinno zmienić sposób, w jaki administratorzy wyborów modelują ryzyko. Publiczne pliki, które kiedyś wydawały się nieszkodliwe, mogą stać się wrażliwe, gdy agenci odkrywają zależności między formatami, jurysdykcjami i znacznikami czasu.
Zasada ta wykracza poza wybory. Szpitale, sądy, szkoły i pracodawcy często publikują rzekomo anonimowe rejestry, zachowując przy tym daty, lokalizacje, kategorie lub deterministyczne identyfikatory. AI może ułatwiać wykorzystywanie takich kombinacji.
Dla wyborców w Georgii bezpośrednie pytanie jest jednak konkretne. Czy stan może wykazać, że nazwisko danej osoby, aktywność podczas odprawy i odzyskana kolejność kart wyborczych nie prowadzą już do jednego wyboru politycznego?
Najpierw należy obserwować zasady ujawniania informacji w hrabstwach, następnie niezależne testy prywatności, a na trzecim miejscu harmonogram certyfikacji oprogramowania. Te sygnały pokażą, czy Georgia przerwała łańcuch dopasowań, czy jedynie uczyniła go nieco mniej wygodnym.
Luka w tajności głosowania w Georgii nie dowodzi, że listopadowe liczenie głosów będzie błędne. Pokazuje, że dokładne rejestry wyborcze i anonimowość wyborców wymagają odrębnych zabezpieczeń. Przed oddaniem kolejnych głosów Georgia powinna wykazać oba te aspekty.
