隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，整個社會被強行推入“大數(shù)據(jù)”時代。不管人們是否愿意，我們的個人數(shù)據(jù)正在不經(jīng)意間被動地被企業(yè)、個人搜集并使用。個人數(shù)據(jù)的網(wǎng)絡化和透明化已經(jīng)成為不可阻擋的大趨勢。過去，能夠大量掌控公民個人數(shù)據(jù)的機構(gòu)只能是持有公權(quán)力的政府機構(gòu)，但現(xiàn)在許多企業(yè)和某些個人也能擁有海量數(shù)據(jù)，甚至在某些方面超過政府機構(gòu)。這些用戶數(shù)據(jù)對企業(yè)來說是珍貴的資源，因為他們可以通過數(shù)據(jù)挖掘和機器學習從中獲得大量有價值的信息。與此同時，用戶數(shù)據(jù)亦是危險的“潘多拉之盒”，數(shù)據(jù)一旦泄漏，用戶的隱私將被侵犯。近年來，已經(jīng)發(fā)生了多起用戶隱私泄露事件，公民的個人的隱私數(shù)據(jù)保護遇到了嚴峻的挑戰(zhàn)。

    20世紀最著名的用戶隱私泄漏事件發(fā)生在美國馬薩諸塞州。90年代中葉，為了推動公共醫(yī)學研究，該州保險委員會發(fā)布了政府雇員的醫(yī)療數(shù)據(jù)。在數(shù)據(jù)發(fā)布之前，為了防止用戶隱私泄露，委員會對數(shù)據(jù)進行了匿名化處理，即刪除了所有的敏感信息，如姓名、身份證號和家庭住址等。然而，來自麻省理工大學的Sweeney成功破解了這份匿名化處理后的醫(yī)療數(shù)據(jù)，能夠確定具體某一個人的醫(yī)療記錄。匿名醫(yī)療數(shù)據(jù)雖然刪除了所有的敏感信息，但仍然保留了三個關(guān)鍵字段：性別、出生日期和郵編。Sweeney同時有一份公開的馬薩諸塞州投票人名單（被攻擊者也在其中），包括投票人的姓名、性別、出生年月、住址和郵編等個人信息。她將兩份數(shù)據(jù)進行匹配，發(fā)現(xiàn)匿名醫(yī)療數(shù)據(jù)中與被攻擊者生日相同的人有限，而其中與被攻擊者性別和郵編都相同的人更是少之又少。由此，Sweeney就能確定被攻擊者的醫(yī)療記錄。Sweeney進一步研究發(fā)現(xiàn)，87%的美國人擁有唯一的性別、出生日期和郵編三元組信息，同時發(fā)布事實上幾乎等同于直接公開。

    2006年，美國在線公司（AOL）公布了超過65萬用戶三個月內(nèi)的搜索記錄，以推動搜索技術(shù)的研究。AOL同樣對發(fā)布的數(shù)據(jù)進行了匿名化處理，即用一個隨機數(shù)代替用戶的賬號。隨后，《紐約時報》成功將部分數(shù)據(jù)去匿名化，并公開了其中一位用戶的真實身份。這起隱私泄漏事件引起了人們的廣泛關(guān)注，美國在線公司因為此事件在北加州地方法院被起訴。美國網(wǎng)飛公司曾（Netflix）舉辦了一個推薦系統(tǒng)算法競賽，發(fā)布了一些“經(jīng)過匿名化處理的”用戶影評數(shù)據(jù)供參賽者測試，僅僅保留了每個用戶對電影的評分和評分的時間戳。然而，來自德州大學奧斯汀分校的兩位研究人員借助公開的互聯(lián)網(wǎng)電影數(shù)據(jù)庫（IMDB）的用戶影評數(shù)據(jù)，獲得了IMDB用戶，并不比在Netflix上的全部電影瀏覽信息（包括涉及敏感題材的電影）少。為此，2009年Netflix遭到了4位用戶的起訴，也不得不取消了該競賽。

    除了上述幾個著名的用戶隱私泄露事件，大數(shù)據(jù)帶來的整體性變革，使得個體用戶很難對抗個人隱私被全面暴露的風險，谷歌公司著名的街景服務曾引發(fā)許多攝影對象的抱怨，他們要求谷歌在街景畫面中屏蔽掉自家住宅或商鋪的圖像，但虛化后的陰影與周邊景象形成了鮮明對比，促使一些歹徒尋著“此地無銀三百兩”的提示，按圖索驥地登堂入室。同時，傳統(tǒng)線下企業(yè)的數(shù)據(jù)保護方式失效了，只要用戶使用智能手機、上網(wǎng)購物或參與社交媒體互動，就必須將自己的個人數(shù)據(jù)所有權(quán)轉(zhuǎn)移給服務商。更為復雜的是，經(jīng)過多重交易和多個第三方渠道的介入，個人數(shù)據(jù)的權(quán)利邊界消失了或者說模糊不清了，公民的個人的隱私保護遇到了嚴峻的挑戰(zhàn)。

    面對頻發(fā)的隱私泄露事件，隱私保護問題需要得到有效的解決。解決的途徑包括：制定法律法規(guī)、研發(fā)技術(shù)方法、規(guī)范管理措施三個方面。

    在法律法規(guī)方面，歐美早在七十年代就有專門的隱私保護法，如下圖所示：

    香港在回歸之前就頒布實施了個人數(shù)據(jù)條例。該條例1995年頒布，1996年12月20日生效。條例的執(zhí)行由個人數(shù)據(jù)隱私專員監(jiān)督。該條例管理個人、企業(yè)、公共機構(gòu)和政府部門對于在世人士的相關(guān)數(shù)據(jù)的使用（如果這些數(shù)據(jù)可以有效識別該在世人士）。香港的PDPO條例主要強調(diào)了數(shù)據(jù)保護的六大原則： 個人數(shù)據(jù)收集的目的和方式、個人數(shù)據(jù)的準確性和數(shù)據(jù)保留的時間、個人數(shù)據(jù)的使用、個人數(shù)據(jù)的安全性、信息基本有效可用、個人數(shù)據(jù)的訪問。

    我國大陸雖然沒有專門的隱私保護法，但在多個法律法規(guī)的條文中涉及到了隱私保護，對保護個人隱私作了間接的、原則性的規(guī)定。例如，《中華人民共和國憲法》第三十八條、第三十九條、第四十條明確了對公民的人格尊嚴、住宅、通信自由和通信秘密的保護,這是我國法律對隱私權(quán)進行保護的最根本的依據(jù)；第三十八條規(guī)定:“中華人民共和國公民的人格尊嚴不受侵犯。禁止用任何方法對公民進行侮辱、誹謗和誣告陷害”，第三十九條規(guī)定:“中華人民共和國公民的住宅不受侵犯。禁止非法搜查或者非法侵八公民的住宅”，第四十條規(guī)定:“中華人民共和國公民的通信自由和通信秘密受法律的保護。除因國家安全或者追查刑事犯罪的需要,由公安機關(guān)或者檢察機關(guān)依照法律規(guī)定的程序?qū)νㄐ胚M行檢查外,任何組織或者個人不得以任何理由侵犯公民的通信自由和通信秘密”?！吨腥A人民共和國合同法》第六十條第二款規(guī)定:“當事人應當遵循誠實信用原則,根據(jù)合同的性質(zhì)、目的和交易習慣履行通知、協(xié)助、保密等義務”。第六十條還規(guī)定:“當事人應當按照約定全面履行自己的義務。當事人應當遵循誠實信用原則,根據(jù)合同的性質(zhì)、目的和交易習慣履行通知、協(xié)助、保密等義務”。最高人民法院《關(guān)于貫徹執(zhí)行<中華人民共和國民法通則>若干問題的意見（試行）》第140條：“以書面、口頭形式宣場他人的隱私，或者捏造事實公然丑化他人人格，以及用侮辱、誹謗等方式損害他人名譽，造成一定影響的，應當認定為侵害公民名譽權(quán)的行為”?！肚謾?quán)責任法》第三十六條：“網(wǎng)絡用戶、網(wǎng)絡服務提供者利用網(wǎng)絡侵害他人民事權(quán)益的，應當承擔侵權(quán)責任……”。《中華人民共和國刑法》第二百五十三條之一：“國家機關(guān)或者金融、電信、交通、教育、醫(yī)療等單位的工作人員，違反國家規(guī)定，將本單位在履行職責或者提供服務過程中獲得的公民個人信息，出售或者非法提供給他人，情節(jié)嚴重的，處三年以下有期徒刑或者拘役，并處或者單處罰金。竊取或者以其他方法非法獲取上述信息，情節(jié)嚴重的，依照前款的規(guī)定處罰。單位犯前兩款罪的，對單位判處罰金，并對其直接負責的主管人員和其他直接責任人員，依照各該款的規(guī)定處罰”，等等。這些法律規(guī)定對于保護公民的隱私權(quán)具有重要意義。

    在技術(shù)方面，隱私保護的研究領(lǐng)域主要關(guān)注基于數(shù)據(jù)失真的技術(shù)、基于數(shù)據(jù)加密的技術(shù)和基于限制發(fā)布的技術(shù)。

    基于數(shù)據(jù)失真的技術(shù)通過添加噪音等方法，使敏感數(shù)據(jù)失真但同時保持某些數(shù)據(jù)或數(shù)據(jù)屬性不變，仍然可以保持某些統(tǒng)計方面的性質(zhì)。包括隨機化，即對原始數(shù)據(jù)加入隨機噪聲，然后發(fā)布擾動后數(shù)據(jù)的方法；第二種是阻塞與凝聚，阻塞是指不發(fā)布某些特定數(shù)據(jù)的方法，凝聚是指原始數(shù)據(jù)記錄分組存儲統(tǒng)計信息的方法；第三類是差分隱私保護。

    基于數(shù)據(jù)加密的技術(shù)采用加密技術(shù)在數(shù)據(jù)挖掘過程隱藏敏感數(shù)據(jù)的方法，包括安全多方計算 SMC，即使兩個或多個站點通過某種協(xié)議完成計算后，每一方都只知道自己的輸入數(shù)據(jù)和所有數(shù)據(jù)計算后的最終結(jié)果；還包括分布式匿名化，即保證站點數(shù)據(jù)隱私、收集足夠的信息實現(xiàn)利用率盡量大的數(shù)據(jù)匿名

    基于限制發(fā)布的技術(shù)有選擇地發(fā)布原始數(shù)據(jù)、不發(fā)布或者發(fā)布精度較低的敏感數(shù)據(jù)，實現(xiàn)隱私保護。當前這類技術(shù)的研究集中于“數(shù)據(jù)匿名化”，保證對敏感數(shù)據(jù)及隱私的披露風險在可容忍范圍內(nèi)。包括K-anonymity、L-diversity、T-closeness。

    最早被廣泛認同的隱私保護模型是k-匿名，由Samarati和Sweeney在2002年提出，作者正是馬薩諸塞州醫(yī)療數(shù)據(jù)隱私泄露事件的攻擊者。為應對去匿名化攻擊，k-匿名要求發(fā)布的數(shù)據(jù)中每一條記錄都要與其他至少k-1條記錄不可區(qū)分（稱為一個等價類）。當攻擊者獲得k-匿名處理后的數(shù)據(jù)時，將至少得到k個不同人的記錄，進而無法做出準確的判斷。參數(shù)k表示隱私保護的強度，k值越大，隱私保護的強度越強，但丟失的信息更多，數(shù)據(jù)的可用性越低。

    然而，美國康奈爾大學的Machanavajjhala等人在2006年發(fā)現(xiàn)了k-匿名的缺陷，即沒有對敏感屬性做任何約束，攻擊者可以利用背景知識攻擊、再識別攻擊和一致性攻擊等方法來確認敏感數(shù)據(jù)與個人的關(guān)系，導致隱私泄露。例如，攻擊者獲得的k-匿名化的數(shù)據(jù)，如果被攻擊者所在的等價類中都是艾滋病病人，那么攻擊者很容易做出被攻擊者肯定患有艾滋病的判斷（上述就是一致性攻擊的原理）。為了防止一致性攻擊，新的隱私保護模型l-diversity改進了k-匿名，保證任意一個等價類中的敏感屬性都至少有l(wèi)個不同的值。t-Closeness在l-diversity 的基礎上，要求所有等價類中敏感屬性的分布盡量接近該屬性的全局分布。(a, k)-匿名原則，則在k-匿名的基礎上，進一步保證每一個等價類中與任意一個敏感屬性值相關(guān)記錄的百分比不高于a。

    然而，上述隱私保護模型依然有缺陷，需要不斷的被改進，但同時又有新的攻擊方法出現(xiàn)，使得基于k-匿名的傳統(tǒng)隱私保護模型陷入這樣一個無休止的循環(huán)中。從根本上來說，傳統(tǒng)隱私保護模型的缺陷在于對攻擊者的背景知識和攻擊模型都給出了過多的假設。但這些假設在現(xiàn)實中往往并不完全成立，因此攻擊總是能夠找到各種各樣的攻擊方法來進行攻擊。直到差分隱私的出現(xiàn)，這一問題才得到較好的解決。

    差分隱私（differential privacy, DP）是微軟研究院的Dwork在2006年提出的一種新的隱私保護模型。該方法能夠解決傳統(tǒng)隱私保護模型的兩大缺陷：（1）定義了一個相當嚴格的攻擊模型，不關(guān)心攻擊者擁有多少背景知識，即使攻擊者已掌握除某一條記錄之外的所有記錄信息（即最大背景知識假設），該記錄的隱私也無法被披露；（2）對隱私保護水平給出了嚴謹?shù)亩x和量化評估方法。正是由于差分隱私的諸多優(yōu)勢，使其一出現(xiàn)便迅速取代傳統(tǒng)隱私保護模型，成為當前隱私研究的熱點，并引起了理論計算機科學、數(shù)據(jù)庫、數(shù)據(jù)挖掘和機器學習等多個領(lǐng)域的關(guān)注。

    在管理領(lǐng)域，我國各部門也在制定一些強制管理措施保護隱私信息。

    總之，隱私保護在大數(shù)據(jù)時代是不可回避的，需要拿出切實可行的法律、技術(shù)、管理措施，并嚴格遵照執(zhí)行。同時，廣大民眾也應該養(yǎng)成保護個人隱私信息的意識和習慣，用技術(shù)和法律的手段捍衛(wèi)自己的合法權(quán)益。(中國科學院軟件研究所 丁麗萍)