Cách bảo toàn siêu dữ liệu mạng xã hội

Tải xuống kho lưu trữ của một tài khoản chỉ là bước đầu tiên. Bản ghi bền vững là mối liên hệ giữa bài đăng, nội dung đa phương tiện, siêu dữ liệu và hoàn cảnh tải xuống.

Quy trình đáng tin cậy giữ lại gói dữ liệu gốc, ghi nhận siêu dữ liệu nằm bên ngoài ảnh hoặc video, bảo toàn dấu thời gian cùng thông tin múi giờ và xác minh từng tệp đa phương tiện sau khi giải nén.

Kho lưu trữ mạng xã hội có thể chứa những gì

Không có một định dạng siêu dữ liệu mạng xã hội chung duy nhất. Các luồng hoạt động xã hội tích lũy ngữ cảnh, đối tượng đa phương tiện và siêu dữ liệu tương tác, trong khi bài đăng, lượt thích, phản hồi, bài đăng đăng lại và bình luận có thể được mỗi nền tảng biểu diễn khác nhau theo nghiên cứu về lưu trữ.

Bản xuất dữ liệu có thể chứa siêu dữ liệu bên cạnh nội dung bài đăng. Một bản ghi bảo toàn hữu ích nên giữ lại các thông tin sau khi bản xuất cung cấp:

Việc tách riêng này rất quan trọng vì các giá trị tương tác trong bản tải xuống tài khoản chỉ là ảnh chụp tại một thời điểm. Sau đó chúng có thể có giá trị khác trên nền tảng như nghiên cứu về lưu trữ giải thích.

Chọn cách xuất dữ liệu có chủ đích và ghi nhận khoảng thời gian thu thập

Sử dụng các tùy chọn xuất dữ liệu hiện tại của nền tảng và ghi lại những gì bạn yêu cầu trước khi tải xuống.

Facebook

Trên giao diện Facebook dành cho máy tính, hãy chọn: ảnh đại diện > Cài đặt & quyền riêng tư > Cài đặt > Tài khoản Meta > Thông tin và quyền của bạn > Xuất thông tin của bạn > Tạo bản xuất. Chọn hồ sơ rồi chọn Xuất sang thiết bị theo hướng dẫn của Facebook.

Facebook cho phép bạn chọn thông tin cụ thể, khoảng thời gian, định dạng, email thông báo và chất lượng phương tiện. Video chất lượng cao hơn sẽ làm bản xuất lớn hơn theo Facebook.

Instagram

Trên giao diện Instagram dành cho máy tính, hãy chọn: Thêm > Cài đặt > Tài khoản Meta > Thông tin và quyền của bạn > Xuất thông tin của bạn > Tạo bản xuất. Chọn hồ sơ, chọn Tiếp, rồi chọn Xuất sang thiết bị theo hướng dẫn của Instagram.

Instagram cũng cho phép bạn tùy chỉnh thông tin, khoảng thời gian, định dạng, email thông báo và chất lượng phương tiện. Meta cho biết liên kết bản xuất có thể mất tối đa 30 ngày mới đến và bản xuất sẵn sàng chỉ có trong bốn ngày theo Instagram. Facebook cũng cho biết bản xuất hoàn tất có trong bốn ngày và việc xuất dữ liệu được bảo vệ bằng mật khẩu theo Facebook.

Google Takeout

Google Takeout có thể xuất video YouTube và dữ liệu của các sản phẩm Google khác. Chọn sản phẩm, thu hẹp dữ liệu của một sản phẩm nếu cần, rồi chọn phương thức phân phối và định dạng lưu trữ theo Google.

Takeout cung cấp tệp ZIP hoặc TGZ, bản xuất một lần hoặc theo lịch, cùng nhiều kho lưu trữ khi vượt quá kích thước kho lưu trữ tối đa đã chọn theo Google.

Với mỗi bản xuất, hãy ghi lại tài khoản, khoảng thời gian đã chọn, thời điểm yêu cầu, thời điểm tạo hoặc tải xuống kho lưu trữ, định dạng đã chọn và cài đặt chất lượng phương tiện. Giữ riêng khoảng thời gian thu thập này với trạng thái sau đó của tài khoản: Google cảnh báo rằng tệp dữ liệu có thể không bao gồm các thay đổi diễn ra giữa lúc yêu cầu tải xuống và lúc tạo kho lưu trữ theo Google.

Giữ gói dữ liệu, nội dung đa phương tiện và siêu dữ liệu cùng nhau

Giữ tệp ZIP hoặc TGZ gốc đã tải xuống làm gói nguồn. Tài liệu của Facebook mô tả bản xuất HTML là tệp ZIP có tệp HTML chỉ mục và các thư mục chứa những tệp như ảnh và video, trong khi JSON có thể đọc bằng máy và giúp việc chuyển thông tin dễ dàng hơn theo Facebook.

Không coi thư mục phương tiện là toàn bộ kho lưu trữ. Giữ lại chỉ mục HTML khi có bản xuất HTML, giữ JSON khi có bản xuất JSON và giữ nội dung đa phương tiện gốc. Gói bảo toàn do curl-x mô tả bao gồm tệp phương tiện gốc, bản lưu trữ trang có dấu thời gian, mã băm SHA-256 cho mỗi tệp đã tải xuống, URL bài đăng, ngày truy cập, danh tính người thu thập và các bản ghi mạng hoặc phản hồi máy chủ nếu có theo curl-x.

Ghi lại tên tệp gắn với từng mục phương tiện. Nếu cần tên tệp mô tả, hãy bao gồm nền tảng, tên người dùng và ngày; mẫu được tài liệu hóa là twitter_username_20260811.mp4 theo khuyến nghị của curl-x. Ghi tên tệp đó cùng mã băm, URL nguồn và dấu thời gian thu thập.

Xây dựng bản ghi siêu dữ liệu cho từng mục phương tiện

Sử dụng bản ghi JSON đi kèm, thường gọi là sidecar, cùng với nội dung phương tiện liên quan. Cách này hữu ích khi chú thích, ID bài đăng, dấu thời gian hoặc ngữ cảnh khác được lưu trong JSON thay vì bên trong ảnh hay video.

JSON phù hợp với công việc này: đặc tả Activity Streams của W3C mô tả JSON là cách thân thiện với con người, có thể xử lý bằng máy và có thể mở rộng để biểu diễn siêu dữ liệu hoạt động phong phú theo W3C. Bản ghi sidecar hoặc danh mục thực tế có thể dùng các trường sau khi có:

• Tên tệp và loại phương tiện.
• URL bài đăng và ID bài đăng.
• Chú thích hoặc văn bản bài đăng.
• Dấu thời gian bài đăng gốc.
• Tên người dùng, tên hiển thị và URL hồ sơ của tác giả.
• Số liệu tương tác dưới dạng ảnh chụp từ bản xuất.
• Dữ liệu vị trí, hashtag, lượt đề cập và liên kết.
• captured_at, người thu thập và phương thức thu thập.
• Mã băm SHA-256 hoặc mã băm nội dung khác.
• Phản hồi thô nếu có.

Bản ghi bảo toàn mẫu của SociaVault dùng captured_at, source_url, captured_by, method, content_hash và raw_response, sau đó lưu bản ghi dưới dạng JSON với tên tệp xác định như trình bày trong hướng dẫn bảo toàn.

Giữ các trường riêng cho dấu thời gian gốc của bài đăng và captured_at. Nếu nền tảng cung cấp độ lệch múi giờ hoặc Z, hãy giữ nguyên thay vì âm thầm chuyển giá trị sang giờ địa phương. Activity Streams của W3C yêu cầu tuần tự hóa UTF-8 và quy định giá trị ngày giờ phải có độ lệch số rõ ràng hoặc Z theo W3C.

Xác minh kho lưu trữ sau khi giải nén

Việc xác minh cần trả lời hai câu hỏi: tệp dự kiến có tồn tại sau khi giải nén không, và bạn có thể liên kết tệp đó với đúng bản ghi bài đăng không?

Hãy thực hiện theo trình tự này:

1. Giữ lại gói dữ liệu gốc và nội dung phương tiện gốc.
2. Tạo danh mục gồm tên tệp, URL bài đăng, ID bài đăng, dấu thời gian bài đăng gốc và mọi chú thích hoặc bản ghi JSON có sẵn.
3. Tạo mã băm SHA-256 cho từng tệp phương tiện đã tải xuống.
4. Ghi từng mã băm bên cạnh tên tệp, URL nguồn và dấu thời gian thu thập. Giá trị SHA-256 hoạt động như dấu vân tay của tệp: nếu tệp không thay đổi, mã băm vẫn giống nhau theo curl-x.
5. Kiểm tra mỗi mục phương tiện có bản ghi siêu dữ liệu tương ứng và đánh dấu các trường mà bản xuất không cung cấp là bị thiếu.
6. Giữ danh mục, JSON hoặc HTML thô, phương tiện gốc và các bản ghi thu thập có sẵn cùng nhau.

Tính toàn vẹn là phép kiểm tra tính toán nhằm xác nhận tệp vẫn đúng như nó tuyên bố. Các chuyên gia bảo toàn sử dụng checksum cho các tệp đã nộp và có thể chạy lại định kỳ như mô tả trong nghiên cứu về lưu trữ.

Kho lưu trữ có thể và không thể chứng minh điều gì

Hãy dùng ảnh chụp màn hình như tài liệu tham khảo trực quan bổ sung, không phải gói bảo toàn siêu dữ liệu hoàn chỉnh được mô tả ở trên. Để có bản ghi mạnh hơn, hãy giữ phương tiện gốc, siêu dữ liệu và ngữ cảnh, dấu thời gian thu thập, URL nguồn, ngày truy cập, danh tính người thu thập, mã băm và các bản ghi trang, mạng hoặc phản hồi máy chủ nếu có theo curl-x.

Kho lưu trữ đã tải xuống có thể bảo toàn dấu thời gian bài đăng do nền tảng ghi nhận khi trường đó được cung cấp. Tuy vậy, nó vẫn cần được gắn với khoảng thời gian thu thập riêng: Google cảnh báo kho lưu trữ có thể không bao gồm các thay đổi diễn ra giữa lúc yêu cầu và lúc tạo kho lưu trữ, còn nghiên cứu về lưu trữ lưu ý rằng số lượt tương tác có thể thay đổi sau đó theo Google và nghiên cứu về lưu trữ.

Nếu thiếu phương tiện hoặc siêu dữ liệu, hãy giữ gói dữ liệu gốc và HTML hoặc JSON thô, đánh dấu trường bị thiếu trong danh mục, đồng thời ghi lại cài đặt xuất dữ liệu và khoảng thời gian thu thập. Cách này duy trì ranh giới giữa những gì nền tảng đã cung cấp và những gì không có trong bản tải xuống.

Danh sách kiểm tra bảo toàn có thể lặp lại

Trước khi tải xuống:

• Ghi lại tài khoản, nền tảng, thời điểm yêu cầu xuất, khoảng thời gian đã chọn, định dạng và chất lượng phương tiện.
• Chọn tùy chọn xuất dữ liệu chính thức của nền tảng và ghi chú kết quả sẽ là HTML, JSON, ZIP hay TGZ.
• Ghi lại thời gian bản xuất khả dụng khi nền tảng cung cấp thông tin này.

Sau khi tải xuống:

• Giữ tệp ZIP hoặc TGZ gốc và nội dung phương tiện gốc.
• Giữ chỉ mục HTML hoặc các bản ghi JSON đi kèm bản xuất.
• Tạo danh mục tên tệp và siêu dữ liệu cho từng mục phương tiện.
• Giữ chú thích, ID bài đăng, dấu thời gian gốc, thông tin hồ sơ và liên kết cùng nội dung phương tiện liên quan.
• Lưu sidecar JSON hoặc bản ghi tương đương khi siêu dữ liệu tách khỏi nội dung phương tiện.
• Giữ nguyên độ lệch dấu thời gian hoặc Z như bản gốc.
• Tạo và ghi mã băm SHA-256 cùng tên tệp, URL nguồn và dấu thời gian thu thập.
• Đánh dấu phương tiện hoặc trường bị thiếu thay vì trình bày bản thay thế chưa được xác minh.
• Chạy lại việc xác minh checksum định kỳ.

Đối với sao lưu liên tục trên các nền tảng SocialGuardian liệt kê, trang chủ cho biết dịch vụ bao phủ Instagram, TikTok, YouTube, X, Facebook, LinkedIn, Twitch và Pinterest, đồng thời chỉ dùng @handle công khai, không yêu cầu mật khẩu hoặc đăng nhập theo SocialGuardian.