算法|当隐私计算的齿轮转到“可算不可识” 大数据|网络安全

文章图片

文章图片

导语：某种意义上说， “可算不可识”在个人隐私保护与平台数据和算法发展之间找到了动态平衡。
出品丨数科社文丨柠溪
近年来，相关法律法规的不断完善让一众互联网公司从对算法和数据使用的狂热中清醒过来，开始逐渐重视个人隐私保护和消费者数据安全的问题。刚刚发布的三季报，很多互联网公司都调整了自己发展的规划，并对一些之前高谈阔论的未来技术研发目标做了不同程度的“遮掩” 。
从2015年之后，不管是字节系的崛起，还是美团在外卖业务上深耕，亦或是滴滴在出行领域的布局，包括国外的互联网企业在内，绝大多数解决用户数据安全的技术，都是从数据的发生端入手，试图通过隐藏用户最关键的信息来达到保证用户信息安全，同时还能继续实现互联网企业算法加大数据的运营优势。
发展过程中，企业对用户个人的隐私保护绝不是当下才被唤醒的意识。曾经有几家国际互联网巨头公布过脱敏后的用户数据，希望行业能对这样的用户数据安全技术进行标准化认定，以此来确认个人隐私保护可以用技术的手段予以解决。遗憾的是，这些信息无一例外都让媒体或者行业专家找到了可以逐一对应到用户本身的特征，开放的高维关联之下，绝对的匿名化宣告失败，相关平台“收获”了一波市场质疑：企业的算法机制或者技术手段到底会加剧隐私保护的风险，还是会反哺数据安全，按照法律要求保护个人隐私？
某种意义上说，这已经变成当下困扰中国乃至世界互联网平台型公司的问题。在满足匿名化要求的同时，来提升数据要素应用的能力，最终实现隐私保护和数据要素行业发展的平衡点，难题的“正解”在哪里？
01丨数据和算法是命门
先了解一下“题面” 。
随着移动互联网的普及以及头条系的崛起，以人工编辑为核心的传统信息分发模式逐渐衰落，以算法为核心的智能分发模式兴盛崛起。
当前的各大平台，基于算法的传播呈现出可计算的特质，后台将每个用户内容消费的行为数据，比如用户浏览时长、转发、评论等，个体属性数据以及社交关系数据进行大数据的统计和分析，进而挖掘用户的爱好习惯和社交兴趣网络，最终生成精准的用户画像，向用户推送最具个性化需求的信息、商品或者服务。
而平台可以依据这样的能力，获取在精准广告、产品销售以及服务推荐中的利益，从而建立自己的业务圈层。
一定程度上来说，算法推荐让编辑筛选模式下的“人找信息”变为“信息找人” ，用户成为了算法架构或程序编码的价值落点。

通过算法和大数据的挖掘，很多互联网平台在最近两年诞生了一系列新的商业模式，他们不光在满足用户信息需求上向前跨出了一大步，同时还能利用各种碎片化的服务和工具，帮助用户实现以前所不能想象的互联网服务。
尤其在互联网信息超载时代，以大数据驱动的智能算法推荐系统逐渐应用到社会生活的各个领域。面对海量信息，智能算法会根据用户的在线行为计算分析出个人的兴趣爱好和行为趋向，从而帮助用户做出自动化决策。大量无序的、杂乱的数据存储进数据库，积累、沉淀之后成为企业的信息资产和核心驱动力。