這里面一個(gè)有意思的地方在于，有一些數(shù)據(jù)并不是嚴(yán)格意義上的被公開(kāi)數(shù)據(jù)，或者說(shuō)只希望在某個(gè)特定范圍內(nèi)被公開(kāi)。舉例來(lái)說(shuō)社區(qū)的運(yùn)營(yíng)者可能只希望社區(qū)的用戶(hù)生成內(nèi)容（UGC）在社區(qū)內(nèi)進(jìn)行公開(kāi)，而不希望流傳到互聯(lián)網(wǎng)上。典型的這類(lèi)意愿的表述形式有類(lèi)似于Robots exclusion standard，主要用于向爬蟲(chóng)聲明網(wǎng)站中哪些內(nèi)容不能被讀取。

除此之外公開(kāi)數(shù)據(jù)還有可能僅僅是可以被讀取而不能希望被存儲(chǔ)的，舉例來(lái)說(shuō)比如社交網(wǎng)站中的朋友清單。朋友清單被存儲(chǔ)和對(duì)比之后就可以得到諸如”哪些朋友取消了對(duì)我的關(guān)注“這樣的信息，這里面也存在可能侵害了別人的個(gè)人隱私的問(wèn)題。一般為了防范這樣的越界爬取行為，公司可能會(huì)有針對(duì)性的組織自己的反扒竊（anti－scraping）系統(tǒng)，在協(xié)議范疇之外對(duì)數(shù)據(jù)的控制力賦予提供保障。

綜上所述我們可以看到，賦予數(shù)據(jù)的控制力長(zhǎng)久以來(lái)都面臨許多挑戰(zhàn)。且除了第一方數(shù)據(jù)外，沿著數(shù)據(jù)鏈條向下走，這種挑戰(zhàn)會(huì)逐漸增加。這種現(xiàn)象很大程度上源于數(shù)據(jù)作為一種抽象存在，不同于普通物品的可以被復(fù)制，而被復(fù)制的數(shù)據(jù)的控制力將會(huì)被重新的定義和賦予。

因此在數(shù)據(jù)流通的過(guò)程中將數(shù)據(jù)的各種屬性分開(kāi)管理和授權(quán)，盡量減少數(shù)據(jù)復(fù)制的出現(xiàn)，可以很大程度上降低在整個(gè)鏈條上管理控制力的成本。需要研究的不是如何把數(shù)據(jù)的鏈條切段，而是如何在鏈條的各個(gè)環(huán)節(jié)上更好的完成數(shù)據(jù)控制力的精細(xì)化管理。

新的產(chǎn)業(yè)機(jī)會(huì) — 數(shù)據(jù)流通鏈條中控制力管理的技術(shù)實(shí)踐前面提到，解決數(shù)據(jù)流通鏈條中賦予數(shù)據(jù)控制力的問(wèn)題，主要的方式是針對(duì)不同類(lèi)型的數(shù)據(jù)采取不同的方式，從宏觀上減少數(shù)據(jù)使用就要復(fù)制的情況出現(xiàn)。那么，在具體實(shí)踐里，針對(duì)個(gè)人數(shù)據(jù)的隱私保護(hù)，又有哪些宏觀分類(lèi)要素與技術(shù)手段呢？

宏觀來(lái)看，數(shù)據(jù)可以分為個(gè)人識(shí)別信息（PII）和用戶(hù)特征值兩類(lèi)。PII是指像可以在很高精度上在公開(kāi)環(huán)境下定位一個(gè)人的數(shù)據(jù)，比如像美國(guó)的SSN，國(guó)內(nèi)的身份證號(hào)，郵件地址，甚至有可能是電話(huà)號(hào)碼。用戶(hù)特征值基本可以理解為除了PII以外其它的圍繞個(gè)人行為特征或個(gè)人特性（如生物統(tǒng)計(jì)學(xué)數(shù)據(jù)，人口統(tǒng)計(jì)學(xué)數(shù)據(jù)等）的數(shù)據(jù)了。用戶(hù)特征值往往是數(shù)據(jù)挖掘產(chǎn)生價(jià)值的對(duì)象，而PII則是扮演著將多個(gè)特征值統(tǒng)一在一起的角色，由PII形成的圖是數(shù)據(jù)鏈條上公司間進(jìn)行數(shù)據(jù)融合的橋梁。

可以看出，對(duì)PII的控制是數(shù)據(jù)鏈條中形成控制的關(guān)鍵，沒(méi)有PII的兩個(gè)數(shù)據(jù)集是很難整合在一起使用的。針對(duì)PII的控制一般被稱(chēng)為De－identification，目前主要有比如脫敏（Data Masking），匿名（Anonymization）和k－匿名（k－anonymization）由弱到強(qiáng)三種比較常見(jiàn)的方式。

脫敏基本是將比如身份證的一部分隱去，從而在可以接近識(shí)別的前提下盡量保護(hù)數(shù)據(jù)的隱私，類(lèi)似于對(duì)一般數(shù)據(jù)處理中的泛化技術(shù)。拋開(kāi)脫敏過(guò)程中的信息丟失不談，這種方法顯然是缺乏足夠的安全性的。因?yàn)橹灰�存�?chǔ)和沉淀這樣的masked data，就可以最終反推出原始數(shù)據(jù)的內(nèi)容來(lái)，因此脫敏的方法在隱私要求比較高的環(huán)境中已經(jīng)不再使用了。

匿名指修改或者移除個(gè)人身份信息，隱藏?cái)?shù)據(jù)和個(gè)人的對(duì)應(yīng)關(guān)系。一般的數(shù)據(jù)源會(huì)自己生成并管理這種對(duì)應(yīng)關(guān)系，由于個(gè)人身份信息的完全隱藏，安全性也會(huì)遠(yuǎn)高于直接對(duì)原始PII進(jìn)行脫敏。同時(shí)的對(duì)于使用PII來(lái)關(guān)聯(lián)數(shù)據(jù)集的這一屬性，也可以靠修改內(nèi)部的對(duì)應(yīng)關(guān)系來(lái)組織使用匿名數(shù)據(jù)在外部進(jìn)行數(shù)據(jù)集關(guān)聯(lián)的操作。

k－匿名在匿名的基礎(chǔ)之上提出了個(gè)人識(shí)別不僅限于PII，任何數(shù)據(jù)形成的集合都能在一定程度上識(shí)別出一個(gè)人來(lái)，k在這里指的是用這個(gè)數(shù)據(jù)集進(jìn)行識(shí)別時(shí)可以將識(shí)別的人群縮小為數(shù)量為k的集合。k－匿名是目前通用標(biāo)準(zhǔn)中較高的一類(lèi)，其中k的值越高，隱私保護(hù)的效果越好，在Google和Facebook的內(nèi)部數(shù)據(jù)管理中都有大量的使用。

用戶(hù)特征值數(shù)據(jù)主要在價(jià)值挖掘中被體現(xiàn)，使用的方法宏觀上可以分為使用原始數(shù)據(jù)和使用統(tǒng)計(jì)數(shù)據(jù)兩類(lèi)。比如某人在某時(shí)某地進(jìn)行了某次購(gòu)物可以被認(rèn)為是原始數(shù)據(jù)，那么某人在過(guò)去的一天里進(jìn)行了3次購(gòu)物可以被認(rèn)為是統(tǒng)計(jì)數(shù)據(jù)。在很多情況下避免原始數(shù)據(jù)的直接使用是不太影響價(jià)值挖掘的同時(shí)可以更好的保護(hù)原始數(shù)據(jù)的。

類(lèi)似的，在鏈條中傳遞用戶(hù)特征數(shù)據(jù)時(shí)所使用的控制方法也比較多，常見(jiàn)的就有泛化（比如給定一個(gè)范圍而不是具體的數(shù)值），統(tǒng)計(jì)（如前所述），加密（比如同態(tài)加密），差分隱私（比如給定的數(shù)值是原始數(shù)值的基礎(chǔ)上增加一個(gè)噪音），合成（比如將原始數(shù)據(jù)轉(zhuǎn)化為代表所需知識(shí)的模型或者由模型生成不同于原始數(shù)據(jù)的新數(shù)據(jù)）等等。

涉及多方數(shù)據(jù)的安全運(yùn)算環(huán)境的方式可以從多種角度來(lái)劃分。比如從是否存在可信的第三方（或者對(duì)于該第三方的信任成本有多大）來(lái)談，使用比如GC或者OT來(lái)實(shí)現(xiàn)的MPC可以實(shí)現(xiàn)完全沒(méi)有可信第三方的環(huán)境，而基于某些同態(tài)加密設(shè)計(jì)或者可信硬件的環(huán)境一般是強(qiáng)依賴(lài)于對(duì)于第三方的可信度的，而可信硬件環(huán)境還存在信任硬件產(chǎn)品供應(yīng)方這一個(gè)額外的信任成本。

除了上述的兩類(lèi)（MPC和可信硬件）之外，也存在許多其它方式在聯(lián)合運(yùn)算中保護(hù)原始數(shù)據(jù)的方法，其中就有比如合成數(shù)據(jù)（比如通過(guò)將原始數(shù)據(jù)轉(zhuǎn)換為模型），比如差分隱私（巧妙的選擇在原始數(shù)據(jù)上面增加噪聲從而在保護(hù)原始數(shù)據(jù)敏感性的前提下不會(huì)過(guò)多的干涉運(yùn)算本身），還有比如傳統(tǒng)的泛化（只傳輸包含原始數(shù)據(jù)的一個(gè)范圍）等多種方式。

在實(shí)際應(yīng)用之中，一般會(huì)考慮數(shù)據(jù)的泄露危害程度（比如PII數(shù)據(jù)的泄露會(huì)造成連鎖的數(shù)據(jù)泄露反應(yīng)），數(shù)據(jù)是否容易被沉淀（比如高時(shí)效性的數(shù)據(jù)相對(duì)不那么容易被沉淀）等在達(dá)到安全級(jí)別的前提下，盡可能的保持信息完整性（合成，差分和泛化都會(huì)在不同程度上損失原始信息）的同時(shí)提升整體系統(tǒng)的運(yùn)行效率。

在介紹工程實(shí)踐的技術(shù)類(lèi)型的同時(shí)，我們也希望澄清在實(shí)踐中遇到的兩個(gè)比較常見(jiàn)的認(rèn)知誤區(qū)：數(shù)據(jù)隱私解決方案，不等同于單一的密碼學(xué)或技術(shù)點(diǎn)創(chuàng)新，是一個(gè)結(jié)合了數(shù)據(jù)科學(xué)、密碼學(xué)、聯(lián)邦學(xué)習(xí)、云計(jì)算的綜合工程，通常是技術(shù)組合的形式；其次，對(duì)于數(shù)據(jù)隱私比較受關(guān)注的MPC（多方安全計(jì)算），最近幾年，MPC在數(shù)學(xué)原理上并沒(méi)有特別大的根本性變化，更多是工程方面的突破與進(jìn)展。

數(shù)據(jù)的流動(dòng)性具有其必然性和合理性，也是AI在產(chǎn)業(yè)中更好發(fā)揮智能的基礎(chǔ)，但數(shù)據(jù)價(jià)值挖掘帶來(lái)便利的同時(shí)，也面臨著隱私侵犯的隱患。

從當(dāng)下實(shí)踐來(lái)看，通過(guò)給予數(shù)據(jù)擁有方控制力的方式是平衡數(shù)據(jù)價(jià)值挖掘和隱私保護(hù)最有效的方式；而流動(dòng)中的數(shù)據(jù)鏈條復(fù)雜，通常需要在數(shù)據(jù)流通的過(guò)程中將數(shù)據(jù)的各種屬性分開(kāi)管理和授權(quán)，盡量減少數(shù)據(jù)復(fù)制的出現(xiàn)，從而降低在整個(gè)鏈條上管理控制力的成本。數(shù)據(jù)流動(dòng)過(guò)程中的隱私保護(hù)，是動(dòng)態(tài)的、過(guò)程中的數(shù)據(jù)安全與隱私，對(duì)應(yīng)的技術(shù)實(shí)踐也將帶來(lái)新的產(chǎn)業(yè)和創(chuàng)新機(jī)會(huì)。

對(duì)于這個(gè)新興的產(chǎn)業(yè)，早期我們所選擇的方案也要迎合市場(chǎng)的階段進(jìn)行漸進(jìn)式推廣，比如數(shù)牘科技的解決方案中就設(shè)計(jì)了數(shù)據(jù)流控制，數(shù)據(jù)擁有方可以控制數(shù)據(jù)流向?yàn)閱蜗蚧螂p向，在現(xiàn)實(shí)環(huán)境中靈活應(yīng)用。數(shù)據(jù)隱私規(guī)范和價(jià)值挖掘是雙向作用、螺旋上升的過(guò)程，只有規(guī)范數(shù)據(jù)使用才可以在匯聚更多數(shù)據(jù)的基礎(chǔ)上迎來(lái)價(jià)值挖掘的下一個(gè)爆發(fā)點(diǎn)。我們很期待未來(lái)十年，在隱私規(guī)范的推動(dòng)下創(chuàng)造出新的數(shù)據(jù)使用范式，推動(dòng)AI的數(shù)據(jù)基礎(chǔ)設(shè)施革命，并能投入其中貢獻(xiàn)一點(diǎn)自己的力量。