如何處理數(shù)據(jù)共享與隱私保護之間的矛盾早已成為了當前數(shù)據(jù)圈的熱議話題，本期“智源-AI Time”邀請到了明略科技集團首席科學家吳信東教授、清華大學計算機系朱小燕教授、清華大學交叉信息研究院徐葳副教授，以及微眾銀行人工智能部副總經(jīng)理吳海山，共同論道了“數(shù)據(jù)共享開放與隱私保護”這個似乎高深，又與每個人息息相關的話題。

數(shù)據(jù)開放的三大必要條件

我們共享位置信息以便預約車的司機找到自己，也暴露了自己的行蹤；用瀏覽紀錄調教APP獲得更合心意的推薦，也讓個人喜好一覽無余。開放個人數(shù)據(jù)的同時，我們冒著暴露隱私的危險，也享受著它帶來的便利。

有統(tǒng)計數(shù)據(jù)顯示，每天全世界會上傳5億張圖片，每分鐘就有20小時的視頻被分享，我們整個人類文明所產生的全部數(shù)據(jù)中有90%是過去兩年所產生的。

有人說，發(fā)揮數(shù)據(jù)的價值，主要在流通。的確，數(shù)據(jù)共享可以使更多的人充分地使用已有數(shù)據(jù)資源，減少資料收集、數(shù)據(jù)采集等重復勞動和相應費用，而把精力重點放在開發(fā)新的應用程序及系統(tǒng)集成上。但是，要真的讓數(shù)據(jù)流通起來，需要以下這些必要條件：

數(shù)據(jù)資源的標準化

數(shù)據(jù)開放共享，首先要做到的就是數(shù)據(jù)資源的標準化。我們需要解決大規(guī)模的、來自多個來源的、異構的數(shù)據(jù)集成問題，實現(xiàn)海量多元異構數(shù)據(jù)源的統(tǒng)一管理。

數(shù)據(jù)質量

數(shù)據(jù)質量是數(shù)據(jù)開放共享中需要解決的關鍵問題。比如，對于數(shù)據(jù)的發(fā)布者來說的話，怎么樣來保證開放的數(shù)據(jù)沒有敏感內容，怎么樣保證這個數(shù)據(jù)是可信的？自動的評估和控制數(shù)據(jù)質量，是一個關鍵指標。

開放和共享不等于免費

清華大學計算機系朱小燕教授提到“開放和共享不等于免費”，分配權益，其實也是數(shù)據(jù)流通的基本動力，必須要保證數(shù)據(jù)的擁有者，持有者和開發(fā)者，都能有滿意的權益分配。

數(shù)據(jù)共享和開放在產業(yè)界的趨勢和挑戰(zhàn)

根據(jù)不同的用法，數(shù)據(jù)有不同的治理和整理方法。那些使用數(shù)據(jù)的人，未必是生產數(shù)據(jù)的人。

清華大學交叉信息研究院徐葳副教授提到，“來自業(yè)內的數(shù)據(jù)可能不如分布在地方政府手里的數(shù)據(jù)多，但是很多人會明顯覺得BAT似乎把數(shù)據(jù)用的更好。那是因為業(yè)內特定領域已經(jīng)打通了數(shù)據(jù)并且形成了閉環(huán)，他們更清楚數(shù)據(jù)應該怎么使用，理解根據(jù)這些使用需要采集怎樣的數(shù)據(jù)、怎樣去對數(shù)據(jù)進行清洗?！?/p>

的確，數(shù)據(jù)必須要流動起來它才能產生價值，否則的話它就是一個孤島，沒有什么太大的價值。數(shù)據(jù)共享，也需要一個前后背景，以學術研究還是產業(yè)應用為前提進行共享，這兩者的管理治理完全不一樣。

以金融行業(yè)為例，因為金融行業(yè)非常容易出現(xiàn)不合規(guī)行為，所以數(shù)據(jù)的應用和管控會更加嚴格。比如，如果用來投資，被標為非公開信息的數(shù)據(jù)會被禁止使用。而關于個人用戶隱私層面的管控可能更嚴，在金融領域里面，有一種“另類數(shù)據(jù)”。它不是類似傳統(tǒng)銀行財報這樣公開的信息，而是一種新型的數(shù)據(jù)，比如手機上的GPS數(shù)據(jù)、網(wǎng)站APP下載的數(shù)據(jù)。這些也可以用來分析一個公司或者一個國家經(jīng)濟層面的運轉程度。

現(xiàn)在越來越多的研究層面開始關注，包含用戶信息的數(shù)據(jù)如何在技術場景里使用。為了解決一個工業(yè)界的問題，需要訓練模型，那如何在不共享數(shù)據(jù)的情況下進行機器學習呢？

微眾銀行人工智能部副總經(jīng)理吳海山舉例解釋，“比如用數(shù)據(jù)去分析用戶貸款違約的概率，可能需要A公司電商的數(shù)據(jù)、B公司社交的數(shù)據(jù)，但兩家公司不可能放心地把數(shù)據(jù)放到我的平臺上……在這種情況下，為了在數(shù)據(jù)不共享的情況下，依然能夠訓練機器學習模型，我們首席人工智能專家楊強教授提出了聯(lián)邦學習，它是一種新型的，能夠在保護用戶隱私和數(shù)據(jù)共享的前提下，以一個合法合規(guī)的方式去使用數(shù)據(jù)、訓練模型、解決問題，我們覺得這個可能是更加本質的一個問題?！?/p>

“離開數(shù)據(jù)服務談數(shù)據(jù)隱私都是耍流氓”

機器學習需要大量數(shù)據(jù)，數(shù)據(jù)的共享無疑是學界和業(yè)界共同期待的，但是數(shù)據(jù)的共享也離不開對于數(shù)據(jù)和隱私的保護。

對于用戶隱私的保護，幾位專家有不同的看法。徐葳教授認為隱私是一種個人感受；吳信東教授認為企業(yè)的隱私就是其核心競爭力。

而吳海山先生則認為隱私是一種資產，“我們去看病的時候，恨不得把所有的信息都告訴醫(yī)生，我們買房子貸款的時候，恨不得把以往所有的信息都給銀行看，才能讓它給你貸款。這個時候隱私已經(jīng)作為一種資產，有一個隱含的定價前提。你得到更好的金融服務，得到更好的企業(yè)服務，個性化服務。所以談任何個人隱私、企業(yè)隱私，得到的服務和隱私之間有一個平衡，這是在討論隱私之前需要關注的問題?！?/p>

數(shù)據(jù)加密技術大盤點

大數(shù)據(jù)生命周期分為數(shù)據(jù)發(fā)布、數(shù)據(jù)儲存、分析和挖掘、數(shù)據(jù)使用，在這些環(huán)節(jié)中都存在數(shù)據(jù)隱私保護的問題。加密是保護數(shù)據(jù)的一個手段，但是加密之后的數(shù)據(jù)無法使用。現(xiàn)在的技術需要保證數(shù)據(jù)在流通使用過程中也不造成泄露，也就是限制數(shù)據(jù)的使用。

在沙龍現(xiàn)場，幾位嘉賓也探討了目前幾種常見的數(shù)據(jù)加密技術。

差分隱私

差分隱私其實是一種度量方式。通過一群人里算出來的模型，和去除A算出來的是一樣的，這樣就無從判斷A是否還在這群人中，就起到保護A隱私的作用。這個方法對于保護“泯然眾人”的數(shù)據(jù)是有用的，但是卻很難保護那些“很個性”的數(shù)據(jù)，因為這些“個性”的數(shù)據(jù)對于整體數(shù)據(jù)的計算印象很大。

多方安全計算

多方安全計算（MPC）是解決一組互不信任的參與方之間保護隱私的協(xié)同計算問題，MPC要確保輸入的獨立性，計算的正確性，同時不泄露各輸入值給參與計算的其他成員。主要是針對無可信第三方的情況下，如何安全地計算一個約定函數(shù)的問題，在電子選舉、電子投票、電子拍賣、秘密共享、門限簽名等場景中有著重要的作用。

K匿名

k-匿名技術是1998 年由Samarati和Sweeney提出的，要求發(fā)布的數(shù)據(jù)中存在一定數(shù)量（至少為k）的在準標識符上不可區(qū)分的記錄，使攻擊者不能判別出隱私信息所屬的具體個體，從而保護了個人隱私。明略科技集團首席科學家吳信東教授舉例解釋，“比如，為了避免報警者受到報復，警察記錄的是方圓多少距離的人打來的報警電話，通過對位置信息的泛化，保護了報警者的位置信息，但同時也會降低數(shù)據(jù)的可用性?？赡芫煊涗浭俏骞镆詢鹊娜舜蛄穗娫?，但是警察自己也找不到那個人是誰?！?/p>

什么樣的數(shù)據(jù)值得保護？數(shù)據(jù)隱私保護技術就像是順豐快遞，要看寄送的東西值不值得快遞費用。評估數(shù)據(jù)的價值，是比數(shù)據(jù)保護更重要的事情。數(shù)據(jù)保護問題的本質就在于我們如何對數(shù)據(jù)進行定價?；蛟S有人出價一萬買你的隱私，你會斷然拒絕；但如果是一億呢？離開數(shù)據(jù)的定價、數(shù)據(jù)流動產生的價值和通過數(shù)據(jù)得到的服務去討論數(shù)據(jù)隱私，其實都是比較片面的。

隱私保護的政策問題

2018年5月25日，歐洲聯(lián)盟出臺《通用數(shù)據(jù)保護條例》（GDPR General Data Protection Regulation）。這是全球目前最嚴格的數(shù)據(jù)保護條例。其最高的一筆罰單給了英國航空公司，罰金數(shù)額為1.8339億英鎊（約合15.8億元人民幣）。

國際方面對于數(shù)據(jù)保護的政策愈發(fā)嚴格，中國在保護個人信息方面也發(fā)布了推薦性國家標準《信息安全技術個人信息安全規(guī)范》，可以說在數(shù)據(jù)隱私保護規(guī)定方面，中國走在了亞洲前列。這項規(guī)范也參考了歐盟的《通用數(shù)據(jù)保護條例》，ISO29000系列等國際范圍內的個人信息保護法律法規(guī)及標準，同時，從國內主要存在的個人信息保護現(xiàn)狀和問題出發(fā)制定標準，更側重標準的實用性。

歐盟《通用數(shù)據(jù)保護條例》（即GDPR）的制定確實在一定程度上保護了數(shù)據(jù)，但是也阻礙了歐洲人工智能產業(yè)的發(fā)展。而且，因為GDPR罰款高達公司全球營業(yè)額的4%，這對傳統(tǒng)產業(yè)的企業(yè)很不友好、也不利于小公司的生存和發(fā)展。

從政策制定角度來講，隱私保護政策需要可操作性以及合理合法的指導，讓受眾接受這條政策并積極施行。從經(jīng)濟學角度來講，隱私保護政策會提高數(shù)據(jù)的價值，畢竟數(shù)據(jù)本身就是一種資產。

更嚴的隱私無疑會增加數(shù)據(jù)的成本，讓整個行業(yè)尤其是小公司生存更加困難；更開放的數(shù)據(jù)共享，只會讓大眾和媒體放大數(shù)據(jù)隱私的侵犯，反而忘記數(shù)據(jù)共享帶來的價值。我們需要的是靈活的隱私保護和數(shù)據(jù)共享方案。