第二讲笔记:隐私计算助力数据要素流通

本文来自:IT宝库(https://www.itbaoku.cn)

1、数据要素流转与数据

2、数据外循环中的信任 焦虑

信任焦虑背后的代表性案例

内鬼门 : 2023 年 , 美国科技公司 Ubiquiti在2021年1月曝出数据泄露事 件, “攻击者”在随后的“谈判”中试 图向该企业勒索近200万美元(50比特 币)赎金以换回被盗数据。随着深入调 查发现,该公司员工Sharp才是事后背 后的始作俑者

Facebook剑桥分析数据门:英国剑桥分析 公司获取海量Facebook用户数据,未经用户同 意的情况下将这些数据用于政治广告分析,以支 持2016年唐纳德·特朗普的总统竞选。 • 案发后,扎克伯格表示2014年Facebook平 台就已经不再允许第三方应用获取用户好友 的数据,并于2015年要求相关公司删除数据 并提交了证明。但Facebook没有(也难以) 去确认这些个人数据真的已经被删除 • 2019年7月,美国联邦贸易委员会宣布 Facebook因违反隐私规定,需缴纳50亿美 元的罚款

美国网络影视公司 Netflix:举办 了一个预测算法的比赛 ( Netflix Prize),比赛要求在公开数据上推测用 户的电影评分 ,也做了去标识脱敏处理。但UTAustin研究者关联IMDb互联 网电影数据库后识别了其中的用户身 份。在2010年,Netflix 因为隐私原因 宣布停止比赛,并受到九百万美元高额罚款。

信任焦虑的关键问题之一:数据权属

信任焦虑的解决方案:从主体信任到技术信任

  • 控制面:以 区块链/可信计算 为核心支撑技术构建 数据使用权跨域管控层
  • 数据面:以 隐私计算 为核心支撑技术构建 密态数联网,包括 密态枢纽 与 密态管道

隐私计算的内涵在扩大

隐私计算需要降低接入门槛