Исследователи 8th Rank Дарио Паскуини и Михал Базыли изучили работу компонентов macOS, которые формируют на устройстве персональный граф знаний. По их данным, система собирает в единую структуру сведения о владельце Mac, его контактах, событиях, фотографиях, переписке, перемещениях и привычках, а затем использует эти связи для персонализации функций операционной системы и Apple Intelligence.
Авторы подчёркивают, что речь идёт прежде всего о локальной обработке: обнаруженные базы размещаются на самом компьютере и защищены механизмом Full Disk Access. Однако исследователи считают, что масштаб объединённых данных и непрозрачность их обработки создают заметные риски для приватности, особенно если доступ к устройству получит злоумышленник.
Какие службы создают граф
Как отмечается в исследовании, в macOS работают два системных процесса — knowledgeconstructiond и intelligenceplatformd. Первый упомянут в официальной справке macOS как служба, которая анализирует содержимое устройства для построения «графа знаний, представляющего устройство и пользователя». Второй выполняет часть ресурсоёмких операций.
Исследователи обнаружили рабочие данные этих служб в каталоге ~/Library/IntelligencePlatform. Там находится несколько десятков баз SQLite, включая graph.db — основное хранилище связей. По оценке авторов, в поставляемой Apple онтологии описаны 181 класс сущностей и 278 предикатов, то есть типов свойств и отношений между объектами.
В такой модели объектами могут быть люди, организации, приложения, места, события, группы, транспорт, медиаконтент и различные виды активности. Связи фиксируют, например, номер телефона контакта, место проведения встречи, состав семейной группы, работодателя, участника события или вероятную степень родства.
Откуда поступают сведения
В граф, судя по выводам 8th Rank, могут попадать данные из приложений «Контакты», «Календарь», «Фото», «Сообщения» и «Почта», а также из «Предложений Siri», «Семейного доступа», «Здоровья», «Экранного времени», HomeKit, Apple Music, Wallet и CarPlay. Отдельно учитываются сведения о приложениях, установленных на Mac, данные о подключениях, геолокации, движении, зарядке, Wi‑Fi, Bluetooth и других системных сигналах.
При этом авторы указывают, что система не обязательно сохраняет содержание писем и сообщений в самом графе. Но метаданные коммуникаций — кто, кому, когда и через какое приложение писал или звонил — могут использоваться для построения связей. Аналогично фотографии позволяют сопоставлять людей по совместному появлению в кадре даже без явных подписей.
Среди обнаруженных полей исследователи называют имена, псевдонимы, адреса электронной почты, номера телефонов, почтовые адреса, даты рождения, сведения о работодателе, календарные события, информацию о доставках и платежах, данные об установленных программах и признаки интересов пользователя.
Какие выводы делает система
Значительная часть записей формируется прямым копированием данных из приложений. Например, имя берётся из «Контактов», а участники встречи — из «Календаря». Но в структуре также предусмотрены результаты автоматических выводов.
По данным авторов исследования, macOS использует несколько моделей машинного обучения. В частности, они обнаружили две модели Core ML для оценки семейных и социальных связей: EntityTagging_Family.mlmodelc и EntityTagging_FamilyAndFriends.mlmodelc. В их метаданных указаны 144 признака, включая совпадение фамилии, общий домашний адрес, участие в группе iCloud Family, интенсивность общения, время коммуникаций и совместное появление на фотографиях.
Исследователи пишут, что отдельные признаки учитывают активность в конкретные дни недели, ночью, дома или в выходные. На основе этих данных система может присваивать вероятностные метки вроде «мать», «отец», «ребёнок», «партнёр», «брат», «сестра», «друг» или «коллега». Каждая запись снабжается показателем уверенности от 0 до 1.
Авторы также обнаружили механизмы для сопоставления разных записей об одном человеке, кластеризации лиц на фотографиях, определения интересов и возможного назначения мест — например, дома, офиса или спортзала. В материале отдельно оговорено, что не все описанные классы и предикаты обязательно активны в каждой версии macOS: часть выводов основана на анализе файлов, моделей и кода, а не на официальном описании Apple.
Удалённые записи могут временно сохраняться
В основной базе есть действующая таблица графа и отдельная таблица expired_stable_graph для отозванных записей. По наблюдениям исследователей, после удаления контакта или изменения исходных данных некоторые связанные факты не исчезают мгновенно, а переносятся в архивную часть хранилища вместе с уровнем уверенности и указанием источника.
Авторы не смогли точно установить срок хранения этих записей. В части наблюдений устаревшие сведения исчезали примерно через 48 часов, однако на одном из исследуемых компьютеров в архивной таблице находились и существенно более старые записи. Кроме того, вероятностная оценка связи с человеком могла сохраниться даже после того, как сама активная запись о нём уже была удалена из основного графа.
Почему это касается не только владельца Mac
Персональный граф включает информацию не только о пользователе устройства, но и о людях, с которыми он общается. Контакты, участники встреч, собеседники в переписке, члены семейной группы и люди на фотографиях могут быть связаны между собой через общие события, группы и историю взаимодействий.
В качестве примера исследователи отмечают, что корреляция таких данных потенциально позволяет узнать состав семьи, определить вероятные родственные отношения, оценить возраст ребёнка, узнать предстоящие события и места встреч, а также составить список программ на устройстве. Авторы подчёркивают: эти выводы могут быть получены не из одного поля, а из сочетания множества разрозненных сигналов.
Именно эта концентрация сведений в одном хранилище, по мнению 8th Rank, формирует «единую точку отказа» для приватности. При физическом доступе к разблокированному компьютеру, вредоносном ПО с необходимыми разрешениями или компрометации учётной записи такие данные могут оказаться особенно ценными для атак с помощью социальной инженерии.
Инструмент для просмотра данных
Вместе с исследованием авторы представили проект iKnow — локальную панель для просмотра содержимого персонального графа на собственном Mac. Утилита написана на Python, запускается на адресе 127.0.0.1, открывает базы только для чтения и, по заявлению разработчиков, не передаёт сведения во внешние сервисы.
iKnow показывает социальный граф, вероятностные оценки родства, связи между людьми на совместных фотографиях, историю коммуникаций, календарные данные, перечень установленных приложений и архивированные записи. Авторы советуют запускать инструмент только локально и не передавать извлечённые базы облачным ИИ-сервисам.
Исследование проводилось на macOS 26.6.2; разработчики iKnow также частично тестировали проект на macOS 26.7.1 и macOS 27.0.1. Они предупреждают, что после обновления системы граф может перестраиваться, а часть функций панели на новых версиях macOS может работать неполноценно.
Apple напрямую не комментировала выводы исследователей. Официальная документация компании подтверждает существование knowledgeconstructiond и его назначение по построению графа знаний на устройстве, однако детального публичного описания источников данных, моделей и сроков хранения записей авторы исследования не нашли.
