什么是隱私增強技術？有哪些？

隨著網絡通信技術對生活場景的滲透，數據隱私泄露成了當前網絡安全最大的難題之一，為保護用戶數據隱私，隱私增強技術應運而生。那么，什么是隱私增強技術?分類有哪些?本文將具體介紹。

1.隱私增強技術

隱私增強技術主要指那些增強用戶個人信息保護的技術，包括編碼、加密、假名和匿名、防火墻、匿名通訊技術等。

2.隱私增強技術分類

(1)同態加密

同態加密能夠對加密數據進行計算操作。任何分析的結果都保持加密狀態，只有數據所有者才能解密和查看。這種加密方法使企業能夠分析云存儲中的加密數據，或與第三方共享敏感數據。谷歌已發布了開源庫和工具，對加密數據集執行同態加密的操作。

(2)差分隱私

差分隱私將處理過的干擾信息添加到數據集，這樣既可以識別數據集中的組模式，同時保持個人的匿名性。這使得龐大數據集可以發布用于公共研究?？萍脊疽彩褂貌町愲[私來分析大量用戶數據，并從中獲得洞察力。

(3)聯合學習

聯合學習是一種機器學習技術，它使單個設備或系統能夠協同學習共享的預測模型，同時將數據保存在本地。比如說，手機下載當前模型，通過學習手機上的數據來改進該模型，然后僅將匯總后的變更內容上傳到集中式模型。之后，變更內容結合其他設備上的更新內容，改進共享的模型。聯合學習減少了需存儲在集中式服務器或云存儲的數據量。谷歌在安卓的Gboard中使用了聯合學習。

(4)安全多方計算(SMPC)

安全多方計算(Securemultipartycomputation，簡稱“SMPC”)是同態加密的一個子領域，將計算分布到諸多系統和多個加密數據源上。這項技術確保任何一方都看不到整個數據集，并限制了任何一方可以獲得的信息。OpenMined在其PyGrid對等平臺中使用SMPC，用于私密數據科學和聯合學習。

(5)合成數據生成(SDG)

合成數據生成(SyntheticDataGeneration，簡稱“SDG”)是從具有相同統計特征的原始數據集中人工創建的數據。由于SDG數據集可能遠大于原始數據集，除了用于人工智能和機器學習外，這項技術還用于測試環境，以減少數據共享和所需的實際數據量。

3.隱私增強技術與隱私設計理論

隱私增強技術與隱私設計理論有共通之處。但兩者并不能等同：

第一,性質不同。隱私增強技術是一種純粹的技術路徑,而許多技術都是可以被繞過或攻破的,如匿名化技術就可能被去匿名化技術攻破;[50]而隱私設計理論強調從根本上限制系統入侵隱私的能力,要想規避或攻破這一防御基本上是不可能的或者成本極高。

第二,適用范圍不同。隱私增強技術通常只適用于信息通訊技術;而隱私設計理論還適用于商業實踐、物理設計和基礎設施。

第三,范疇不同。踐行隱私設計理論除需要隱私增強技術的支持,還需要隱私默認保護規則、隱私影響評估等其他工具。相比較隱私增強技術,隱私設計理論是一種更為全面、理想的個人信息保護方案。

以上梳理了隱私增強技術的定義、類型及其與隱私設計理論的區別，希望對你有所幫助，如果你想了解更多相關內容，敬請關注三個皮匠報告的行業知識欄目。

本文由@2200 發布于三個皮匠報告網站，未經授權禁止轉載。

推薦閱讀：

2022年國內隱私計算廠商排名top10

隱私計算技術有哪些?應用在哪些場景或行業?

易觀分析：2022年中國隱私計算市場分析(37頁).pdf