在大数据时代,基于大数据的应用,给日常生活、经济发展、城市治理等带来了极大的便捷。同时,用户隐私也面临着可能无处不在的“算计”,如何享受数据价值带来的利好并保护隐私,正成为当下热议的话题。
一、矛与盾:数据的开放应用与数据的隐私安全保护
一系列与“隐私数据”有关的事件在最近接二连三的出现在眼前。
蚂蚁金服和旷视关于“提供数据供对方训练算法”紧急公关,背后是人们对于“人脸数据”安全的关注。
苹果iOS 14内测版的推出,其中变化最大的就在于隐私保护新功能。比如App用于广告目的的用户追踪将需要获得用户批准等等。对于移动互联网中将追踪用户行为展开精准营销、定向投放的公司而言,无疑是个巨大的“打击”。
Tiktok美国事件背后更是说不清道不明的用户“隐私数据”问题。
“隐私数据”备受关注的同时,也引起了多方对于“隐私数据”的思考。
数据计算后可所产生的价值是不可估量的。对大数据应用或人工智能企业来说,合理边界和方式使用用户数据,已成为从企业到产业乃至整个社会发展的核心驱动力。
但保护“隐私安全”同样迫切。就像熵增科技创始人杨更曾说的,隐私就是我们故意要保持的信息不对称。一个没有隐私的人,相比一个有隐私的人是处于劣势的。而保护隐私能让个人处于更加公平的大环境中。
要让数据保持隐私安全不难,不收集、不去使用即可做到。但要推动数据作为生产要素产生价值和贡献,看似是盾与矛的关系,该如何化解?
二、既与又:隐私安全计算成为“唯一技术解”
中国科学院院士鄂维南曾在公开演讲中表示,数据作为一种特殊的资源,需要流动起来才能产生价值。不过,这种流动不是数据本身的共享,而是“数据价值”的流动,实现数据“可用不可见“。既能满足数据流动需求,又能保护数据与隐私安全。
因此需要一个“转换器”来实现数据安全和应用开放的“既与又”。隐私安全计算被认为是当下完成这一使命的“唯一技术解决”,是一门数据提供方不泄露原始数据和不泄露计算算法的前提下,对数据进行分析计算并能验证计算结果的信息技术。
隐私安全计算本身并不是一个单一技术,基于不同的信任假设和应用场景可以选择出适配相应条件的技术,括如基于硬件的TEE、基于密码学的安全多方计算(MPC)和全同态加密(FHE)、源自人工智能的联邦学习等等,实现“数据价值”的共享。
国内已经涌现出一批以隐私安全计算为核心技术的企业。根据翼方健数首席执行官罗震在公开演讲中表示,翼方健数的隐私安全计算平台翼数坊XDP,正通过隐私安全计算实现数据流通:数据不出平台,只在平台内授权使用,只输出数据的结果。
(图片来自网络)
数据要素市场的建立应该成体系和规模,应该通过生态进行快速搭建。
翼方健数通过构建“数据和计算的互联网”(IoDC),建设数据存储、计算和协作的开放生态。通过计算实现数据的打通、共享和价值实现。
总的来说,影响“隐私安全计算”转换数据价值共享效率有两大因素——技术和生态。技术是通向“数据价值共享”的工具,生态是繁荣“数据价值共享”的关卡。
12下一页>（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
