1月28日是“数据隐私日”，这是国会在2009年确认的日期。其过去11年的目的是突出涉及消费者和商业隐私及数据保护的问题，以促进对这些概念的更大认识和教育。每个公司，无论大小，都需要有一个原则性的关注数据隐私，以保护运营和客户。我和数据加密提供商DualityTechnologies的主席和联合创始人Rina Shainski讨论了这个话题。看：欺骗表：Face book数据隐私扫描（免费PD F）（Tech Republic）S cott Matteson：2020年世界各地的决策者和企业如何看待数据隐私？我们应该关注哪些趋势？Rina Shainski：我们的个人隐私权，特别是我们的数据隐私权，已经成为一个越来越重要的问题，其驱动因素是人们认识到，日益丰富的数据（“大海捞针”）不再“保护”个人。事实上，事实恰恰相反，因为人工智能和机器学习的力量成倍增长，它们知道如何“喂养”如此丰富的数据。更严格的监管自然也随之而来，从2018年引入GDP R开始，到今年1月实施的CCPA继续实施。让GDPR和CCPA有别于上一代数据隐私监管的是监管机构现在可以对违规企业实施的重罚。潜在的严厉制裁旨在迫使企业遵守，这影响了企业如何使用数据。我相信，数据隐私监管的势头将持续到2020年，联邦数据隐私监管举措已经证明了这一点，现有法规的成功将带来顺风。推动进一步立法的原因是，不断有报告称，有意和无意滥用数据，存在隐私风险，消费者对数据聚合器越来越缺乏信任，加上对如何处理其私人数据的不满。2020年出现的巨大挑战是如何将数据和人工智能驱动的智能服务的好处与个人隐私相协调，这被公认为“基本人权”。请看：对于《加州消费者隐私法》（CCPA）（Tech Republic），哪些企业需要了解？Rina Shainski：技术（AI和ML）正被“指责”为我们目前的数据隐私问题，但技术也可以帮助解决它。增强隐私技术（PET S）是一种新的、新兴的技术类别，并越来越多地被用于保护数据隐私，同时允许数据使用。在PETs出现之前，以前的解决方案往往主要依赖于去识别和匿名化，这通常涉及从数据集中删除个人可识别的信息（P II）字段。然而，由于人工智能和机器学习能力的进步，匿名化技术已经不够，从而能够重新识别匿名数据。安全计算领域的PET，如同态加密、多方计算（MPC）、零知识和差分隐私，正在引入保护各种数据使用模式的新范式。例如，我的公司DualityTechnologies允许对加密数据进行数据科学计算，这允许敏感数据在保持受保护的同时由我们客户的合作伙伴进行分析和处理。这打开了一个全新的数据驱动的商业和研究合作世界，最大限度地利用数据，同时保护数据隐私。看：你的数据政策是否为加州新的消费者隐私法案做好了准备？（Tech Republic）斯科特·马特森：消费者和企业之间的隐私有何不同？Rina Shainski：消费者往往是私人数据的拥有者和来源。企业通常是这些消费者数据的保管者、聚合者和处理者。数据隐私管理通常适用于生成私有数据的企业-通常是由于提供服务-然后汇总和处理。消费者通过使用各种服务，产生一个“数字足迹”，可以被服务提供者提炼和使用，以利于更好的服务、研究和许多领域的科学进步。但同样的“数字足迹”如果被滥用，就会使个人数据受到严重利用，正如我们所看到的那样，这对人民的生活以及整个经济和政治制度都产生了不利影响。这导致消费者和企业之间的信任危机。斯科特·马特森：我看到许多人越来越倾向于完全放弃社交媒体。是不是太激进了一步？如果是这样的话，人们可以采取哪些选择来能够以最小的风险使用社交媒体？Rina Shainski：社交媒体只是pa
这个故事的t。个人的“数字足迹”并不局限于社交媒体。例如，我们的位置数据被运行在我们的智能手机上的大量应用程序跟踪，应用程序所有者交换这种非常有利可图的信息，使他们的“免费”使用模型有点用词不当。这同样适用于我们的一些医疗记录、财务信息和其他令人难以置信的敏感数据。社交媒体往往会曝光更多关于个人的信息，因为人们愿意与他们的社交网络分享他们的个人故事，同时间接地允许社交媒体服务提供商为了经济利益而交换他们的个人信息。作为消费者从社交媒体提供商获得“免费”服务的回报，消费者允许公司将其个人数据和内容货币化。允许用户付费使用他们的服务以换取保证他们的个人数据不会被货币化的社交网络可以降低隐私风险，从而升级到现状。虽然接受个性化服务和个性化医疗保健是一个优势，需要我们的数据来培训相关的人工智能应用程序，但我们仍然必须维护保护我们的数据的权利。这是这个数据经济新时代的大挑战..看：思科的研究发现了投资隐私的公司的巨大回报（Tech Republic）Scott Matteson：隐私问题和补救措施将如何在未来形成？Rina Shainski：大数据时代就在这里，将包括个人数据在内的数据转化为经济价值正在推动新兴数据经济。AI/ML是加速许多创新能力进步的引擎，这些创新能力对我们所有人都有巨大的好处，科学发现和医学突破，仅举几个例子。然而，与此同时，我们的资源和独创性也必须投入到保护这个新的数据驱动世界中的数据隐私上，否则数据经济将无法迅速发展。我相信，增强隐私技术将在保护数据隐私方面发挥极其重要的作用，同时通过生态系统和数据价值链之间的隐私保护协作，能够从数据中提取价值。
