隱私增強(qiáng)計(jì)算是2021年的頂級戰(zhàn)略技術(shù)趨勢之一。到2025年，50%的大型組織將采用它在不可信的環(huán)境和多方數(shù)據(jù)分析用例中處理數(shù)據(jù)。

隨著全球安全與風(fēng)險(xiǎn)管理（SRM）領(lǐng)導(dǎo)者逐漸適應(yīng)COVID-19大流行帶來的"新常態(tài)"，企業(yè)必須調(diào)整其隱私計(jì)劃，以便在預(yù)算日益緊張的情況下獲得更好的規(guī)模和表現(xiàn)。在應(yīng)付這些相互競爭之時(shí)，，有一件事是不容商榷的——那就是隱私事件或數(shù)據(jù)泄露造成的聲譽(yù)風(fēng)險(xiǎn)。

所有涉及個(gè)人身份信息（PII）信息的數(shù)字運(yùn)營都必須制定計(jì)劃，以解決兩個(gè)問題：客戶期望他們的數(shù)據(jù)是安全的，以及全球范圍內(nèi)隱私法規(guī)的廣度和深度。

Gartner預(yù)測，到2023年，將隱私用戶體驗(yàn)嵌入客戶體驗(yàn)的組織將比那些沒有嵌入客戶體驗(yàn)的組織享有更高的可信度和高達(dá)20%的數(shù)字收入。這很簡單：信任更多的企業(yè)，客戶花更多的錢。

想要實(shí)現(xiàn)如此崇高目標(biāo)的企業(yè)必須同時(shí)考慮內(nèi)部和外部數(shù)據(jù)源進(jìn)行合并，并挖掘它們以獲得見解，所有這些都需要敏感的個(gè)人數(shù)據(jù)來實(shí)現(xiàn)數(shù)據(jù)貨幣化、欺詐分析和商業(yè)智能目的。讓我們來探討將增強(qiáng)隱私的計(jì)算能力集成到操作中的一些挑戰(zhàn)和機(jī)遇，并特別關(guān)注差分隱私。

1

什么是隱私增強(qiáng)計(jì)算？隱私增強(qiáng)計(jì)算是一種新型技術(shù)，使企業(yè)能夠處理、分析和共享數(shù)據(jù)，而無需公開底層數(shù)據(jù)（即專有信息/敏感數(shù)據(jù)）或相關(guān)算法。當(dāng)?shù)谌椒?wù)提供商可以為業(yè)務(wù)運(yùn)營增加價(jià)值，但組織不愿意共享對內(nèi)部數(shù)據(jù)的訪問權(quán)限時(shí)，這些技術(shù)就會派上用場。Gartner認(rèn)為，隱私增強(qiáng)計(jì)算是2021年的頂級戰(zhàn)略技術(shù)趨勢之一。到2025年，50%的大型組織將采用它在不可信的環(huán)境和多方數(shù)據(jù)分析用例中處理數(shù)據(jù)。隱私增強(qiáng)計(jì)算技術(shù)的實(shí)現(xiàn)可以結(jié)合以下方法：

對本地?cái)?shù)據(jù)執(zhí)行分析，而不披露其實(shí)際位置

提供一個(gè)可信的環(huán)境，由外部合作伙伴執(zhí)行分析

在對數(shù)據(jù)執(zhí)行任何分析之前轉(zhuǎn)換數(shù)據(jù)

如此大量數(shù)據(jù)的整理和存儲對于大規(guī)模開發(fā)解決方案至關(guān)重要，然而，它給企業(yè)帶來了兩個(gè)挑戰(zhàn)：

存儲的數(shù)據(jù)很容易被數(shù)據(jù)泄露

數(shù)據(jù)通常在不受信任的環(huán)境（如第三方云合作伙伴）中共享，或用于多方分析解決方案

今天，各種新的隱私增強(qiáng)計(jì)算技術(shù)正在出現(xiàn)，其中許多產(chǎn)品是由大型企業(yè)專門開發(fā)和測試的。然而，由于法律責(zé)任的增加和建立客戶信任的需求更強(qiáng)烈，組織不希望在其內(nèi)部運(yùn)營之外共享其信息。這會產(chǎn)生一些額外的問題。首先，企業(yè)錯(cuò)過了將鎖定在數(shù)據(jù)中的巨大價(jià)值寶庫貨幣化的機(jī)會。其次，企業(yè)無法從組織外部發(fā)生的創(chuàng)新中受益，而如果將創(chuàng)新整合到他們的運(yùn)營中，就能獲得豐厚的紅利。最后，目前尚不清楚誰擁有該過程的知識產(chǎn)權(quán)，由于規(guī)范模棱兩可，因此目前沒有明確的數(shù)據(jù)共享法律框架。盡管如此，致力于創(chuàng)新的企業(yè)仍在努力消除這些問題，以下技術(shù)在商業(yè)上可用于部署：

差分隱私

同態(tài)加密

安全多方計(jì)算

零知識證明

私有設(shè)置交叉點(diǎn)

差異隱私在各行各業(yè)獲得了相當(dāng)大的吸引力，以解決數(shù)據(jù)共享或知識產(chǎn)權(quán)保護(hù)問題。它涉及共享有關(guān)數(shù)據(jù)集的信息，同時(shí)保留或扭曲有關(guān)數(shù)據(jù)集中個(gè)人或特性的某些信息。該系統(tǒng)依靠數(shù)學(xué)算法將“干擾”插入數(shù)據(jù)集中，同時(shí)確保生成的結(jié)果分析不會因“干擾”插入而出現(xiàn)顯著偏差。即使黑客獲得了具有潛在破壞性個(gè)人信息的數(shù)據(jù)，差異隱私也將使不良行為者無法對這些數(shù)據(jù)元素進(jìn)行逆向工程并將其與個(gè)人聯(lián)系起來，它可以最大限度地降低個(gè)人數(shù)據(jù)泄露的風(fēng)險(xiǎn)，即使源數(shù)據(jù)本身受到損害。

2

誰應(yīng)該考慮差分隱私？B2C 和 B2B 組織越來越認(rèn)識到跨企業(yè)系統(tǒng)存儲的信息量的價(jià)值。同樣的價(jià)值觀使它們成為黑客和監(jiān)管機(jī)構(gòu)監(jiān)督的目標(biāo)：何此類數(shù)據(jù)泄露所造成的貨幣負(fù)債和監(jiān)管監(jiān)督都意義重大。持有PII的敏感數(shù)據(jù)的公司應(yīng)探索差異隱私系統(tǒng)，以減少此類敏感數(shù)據(jù)被暴露時(shí)的任何潛在影響。任何處理依賴于高水平人工智能模型精度的實(shí)時(shí)高性能數(shù)據(jù)處理的業(yè)務(wù)功能，都應(yīng)該考慮差分隱私和其他隱私保護(hù)技術(shù)。然而，這些方法的實(shí)施仍然需要大量的數(shù)據(jù)和持續(xù)的投資。鑒于這些技術(shù)還處于起步階段，它們的長期生存能力需要不斷的衡量，擴(kuò)展這些解決方案的部署需要跨組織內(nèi)部的職能部門進(jìn)行教育和戰(zhàn)略規(guī)劃。此外，企業(yè)應(yīng)該對針對這些實(shí)現(xiàn)的潛在黑客嘗試持開放態(tài)度，這將意味著持續(xù)監(jiān)測它們的性能，并定期進(jìn)行微調(diào)，并根據(jù)數(shù)據(jù)的變化性質(zhì)進(jìn)行調(diào)整。

3

差分隱私的實(shí)際應(yīng)用示例差分隱私在科技和制藥公司以及政府實(shí)體中越來越受歡迎：（1）美國人口普查局在發(fā)布人口報(bào)告之前使用差分隱私。該組織收集了大量的PII，作為十年一次的練習(xí)一部分。聯(lián)邦政府和州政府依靠收集到的數(shù)據(jù)來規(guī)劃他們的預(yù)算和項(xiàng)目，使用差分隱私允許美國人口普查局在不損害公民隱私的情況下，在粒度級別上共享上下文信息。（2）Google 在發(fā)布移動(dòng)性報(bào)告時(shí)使用了差分隱私，該報(bào)告可視化了 COVID-19 危機(jī)期間不同地區(qū)的移動(dòng)模式。當(dāng)圍繞全球封鎖的爭論激烈時(shí)，谷歌使用在紐約等城市的Android設(shè)備上捕獲的數(shù)據(jù)來監(jiān)控人們的移動(dòng)。當(dāng)這些信息被公開時(shí)，該公司努力不共享個(gè)人的設(shè)備級數(shù)據(jù)。差分隱私確保人們的行動(dòng)被準(zhǔn)確捕獲，而不會透露誰被跟蹤。（3）作為臨床研究的一部分，制藥制造公司收集了豐富的信息，包括關(guān)于藥物試驗(yàn)參與者和長期健康指標(biāo)的PII。這些信息對于證明正在開發(fā)的藥物的療效至關(guān)重要。由于這些信息必須與FDA或EMA等監(jiān)管機(jī)構(gòu)共享，因此采用了差分隱私等技術(shù)，以減少任何第三方重新識別個(gè)人的風(fēng)險(xiǎn)。與其他增強(qiáng)隱私的技術(shù)相結(jié)合，不同的隱私可以使高度監(jiān)管行業(yè)的企業(yè)安全地利用其最敏感的數(shù)據(jù)。由于該系統(tǒng)的潛在影響很高，因此，納入最佳實(shí)踐的前期投資最好不是留給財(cái)力更雄厚的企業(yè)。