前有谷歌禁用第三方cookie，后有蘋果推出ATT隱私新政，個(gè)性化廣告首當(dāng)其沖，隱私安全終成互聯(lián)網(wǎng)公司繞不開的命題。
前有谷歌禁用第三方cookie，后有蘋果推出ATT隱私新政，個(gè)性化廣告首當(dāng)其沖，隱私安全終成互聯(lián)網(wǎng)公司繞不開的命題。上周三，Graham Mudd在Facebook官網(wǎng)主頁上發(fā)布了一篇名為“Privacy-Enhancing Technologies and Building for the Future”（隱私增強(qiáng)技術(shù)和面對(duì)未來的建設(shè)）的文章。其在文中提到：“必須承認(rèn)的是，數(shù)字廣告勢(shì)必要減少對(duì)個(gè)人第三方數(shù)據(jù)的依賴，這也是我們多年來一直投資建設(shè)一系列隱私增強(qiáng)技術(shù)，并與行業(yè)一同制定標(biāo)準(zhǔn)以支持下一時(shí)代的原因?！?/section>毫無疑問，F(xiàn)acebook的龐大廣告帝國正是建立在跨平臺(tái)用戶追蹤的個(gè)性化能力基礎(chǔ)之上，而隱私監(jiān)管的收緊則對(duì)其帶來了諸多限制。今年年初，TOP君曾在文章里分析過，蘋果的隱私條款將對(duì)Facebook廣告的轉(zhuǎn)化追蹤能力、定向能力以及Facebook Audience Network的個(gè)性化能力產(chǎn)生一定影響。這也是當(dāng)時(shí)Facebook從中小企業(yè)利益切入，利用各種公關(guān)手段高調(diào)控訴蘋果的主要原因，不過最終依然難以撼動(dòng)大局。正如歷史不會(huì)倒退，隱私保護(hù)的趨勢(shì)不會(huì)逆轉(zhuǎn)，已經(jīng)融入人們?nèi)粘Ｉ畹膫€(gè)性化營銷活動(dòng)也不會(huì)突然消失，F(xiàn)acebook勢(shì)必要在個(gè)性化廣告與個(gè)人隱私之間找到和解之道。“我們相信營銷個(gè)性化對(duì)用戶和企業(yè)而言仍是最佳體驗(yàn)。沒有個(gè)性化廣告，企業(yè)將更難啟動(dòng)和發(fā)展，新的產(chǎn)品與服務(wù)也會(huì)更難被人們發(fā)現(xiàn)，并且成本也會(huì)更高。同樣，人們將會(huì)看到很多不相關(guān)、不及時(shí)且不感興趣的廣告?；ヂ?lián)網(wǎng)不再是免費(fèi)且自由的場(chǎng)所，讀新聞、聊天、娛樂也許都需要付費(fèi)，對(duì)無法承擔(dān)訂閱費(fèi)的人來說將變得難以訪問，”Graham Mudd寫道。從這篇文章里，我們深刻感受到，邁向個(gè)性化廣告下一時(shí)代的鑰匙正是利用技術(shù)解決隱私安全問題，形成大規(guī)模應(yīng)用，并得到社會(huì)認(rèn)可。建設(shè)未來的重要一環(huán)就是研發(fā)一系列隱私增強(qiáng)技術(shù)（Privacy-enhancing technologies，簡(jiǎn)稱PETs) ，使得Facebook在保障個(gè)人隱私的同時(shí)還能夠做廣告效果度量和優(yōu)化，這其中廣告主和平臺(tái)任何一方都不能得到用戶的個(gè)人信息。隱私增強(qiáng)技術(shù)是數(shù)字廣告下一代的核心“我們相信PETs將會(huì)支撐起下一代數(shù)字廣告，”Graham表示。PETs主要涉及到密碼學(xué)和統(tǒng)計(jì)學(xué)技術(shù)。總體來說，這些技術(shù)能夠通過最小化數(shù)據(jù)處理量來保護(hù)個(gè)人信息安全，與此同時(shí)保留廣告度量、個(gè)性化等核心功能。這其中，F(xiàn)acebook主要介紹了三種常用技術(shù)：secure multi-party computation（安全多方計(jì)算技術(shù)，簡(jiǎn)稱MPC）、on-device learning和differential privacy（差分隱私）。TOP君用比較通俗的話術(shù)分別介紹下各自邏輯。安全多方計(jì)算（MPC）是一種密碼學(xué)技術(shù)，即多方將各自數(shù)據(jù)分別加密，再進(jìn)行交換與學(xué)習(xí)，從而實(shí)現(xiàn)對(duì)廣告效果的度量與優(yōu)化。在數(shù)據(jù)傳輸、存儲(chǔ)、應(yīng)用等過程中，數(shù)據(jù)全程處于加密狀態(tài)，任何一方都不會(huì)看到其他方數(shù)據(jù)。在廣告效果度量場(chǎng)景中，以往，廣告主會(huì)對(duì)數(shù)據(jù)加密，然后傳輸給平臺(tái)方或第三方，而平臺(tái)或第三方在接收到數(shù)據(jù)之后可以解密，從而獲得洞察，這意味著至少其中一方會(huì)看到用戶從點(diǎn)擊到購買的全路徑數(shù)據(jù)。如果MPC技術(shù)得到應(yīng)用，則意味著一方只能看到其所擁有的用戶點(diǎn)擊數(shù)據(jù)，另一方只能看到用戶購買數(shù)據(jù)，在加密條件下，雙方交換各自已經(jīng)加密的數(shù)據(jù)包并對(duì)另一方數(shù)據(jù)再次加密，這樣兩個(gè)數(shù)據(jù)包都各自上了兩道鎖，保證雙方最終除了匹配結(jié)果之外不會(huì)獲得其他信息，也無需再將數(shù)據(jù)授權(quán)給其他方，從而降低數(shù)據(jù)隱私泄露風(fēng)險(xiǎn)。而在廣告優(yōu)化場(chǎng)景中，例如廣告主想知道點(diǎn)擊用戶在該品牌的平均消費(fèi)金額，MPC技術(shù)也能實(shí)現(xiàn)在不泄露任何個(gè)人數(shù)據(jù)的情況下給到廣告主最終計(jì)算結(jié)果。大致原理是，對(duì)每位轉(zhuǎn)化用戶的消費(fèi)數(shù)據(jù)進(jìn)行拆分，然后重新洗牌、聚合、加和，最終除以總?cè)藬?shù)得到平均消費(fèi)金額。這樣廣告主既得到了想要的廣告效果數(shù)據(jù)以優(yōu)化后續(xù)投放策略，又保證了個(gè)人消費(fèi)數(shù)據(jù)的安全。Facebook透露，目前MPC技術(shù)已經(jīng)開始投入使用。去年，其已經(jīng)開始測(cè)試一個(gè)叫Private Lift Measurement的解決方案，其中包括利用MPC技術(shù)幫助廣告主進(jìn)行效果度量，預(yù)計(jì)明年就會(huì)面向全部廣告主開放使用。此外，F(xiàn)acebook也已經(jīng)推出了隱私計(jì)算開源框架，任何開發(fā)人員都可以使用 MPC 創(chuàng)建以隱私為中心的測(cè)量產(chǎn)品。On-device learning，即系統(tǒng)可直接在用戶設(shè)備上基于歷史數(shù)據(jù)來找到一些有用的模式，并通過不斷學(xué)習(xí)優(yōu)化算法模型，此過程無需再將個(gè)人數(shù)據(jù)發(fā)送到遠(yuǎn)程服務(wù)器或云，即可實(shí)現(xiàn)預(yù)測(cè)。例如如果愛健身的人群可能也是蛋白奶昔的潛在購買用戶，那么On-device learning就能通過學(xué)習(xí)找出二者之間的關(guān)聯(lián)模型，這一過程中，用戶個(gè)人信息不會(huì)上傳到Facebook的服務(wù)器，只會(huì)保留在設(shè)備上，避免了隱私泄露風(fēng)險(xiǎn)。那么On-device learning又是通過什么原理來實(shí)現(xiàn)對(duì)隱私的保護(hù)的呢？通俗來講，在每個(gè)設(shè)備上，都有一個(gè)獨(dú)立、安全的“小房子”，用來收集用戶在各個(gè)APP內(nèi)的數(shù)據(jù)，通常稱之為Sandbox（沙箱）。像APP下載、購買記錄等數(shù)據(jù)都會(huì)保存在這里，不會(huì)與其他方共享。在沙箱里，系統(tǒng)就可以根據(jù)用戶在設(shè)備上的一系列行為來學(xué)習(xí)得到一些模式，如一個(gè)人喜歡聽搖滾樂，經(jīng)常在晚上網(wǎng)購等，然后對(duì)這些模式進(jìn)行匯總，保證其不會(huì)被識(shí)別。當(dāng)有更新時(shí)，系統(tǒng)可直接更新模式，無需再去通過匯總個(gè)人數(shù)據(jù)來重新學(xué)習(xí)，這樣雖然每一個(gè)設(shè)備只是完成了一次微小的模式更新，但成千上萬個(gè)設(shè)備匯總起來就會(huì)生成一個(gè)安全、不可識(shí)別的報(bào)告，完成一次模型的優(yōu)化，F(xiàn)acebook只需學(xué)習(xí)最終匯總成的模型，就能更好地為每個(gè)用戶推薦匹配的廣告。事實(shí)上，這項(xiàng)技術(shù)已經(jīng)在很多蘋果設(shè)備上廣泛應(yīng)用了。不過根據(jù)Graham，目前On-device learning應(yīng)用的最大挑戰(zhàn)其實(shí)還是運(yùn)營系統(tǒng)，平臺(tái)能否利用所需的計(jì)算資源來執(zhí)行，掌控權(quán)還在蘋果手中。“如果未來可以圍繞這些資源的訪問和使用（以公平競(jìng)爭(zhēng)的方式）建立一系列標(biāo)準(zhǔn)，那么就會(huì)很有意義。”3. Differential privacy（差分隱私）
差分隱私是保護(hù)個(gè)人數(shù)據(jù)被破解的一種技術(shù)手段，可以單獨(dú)使用也可以與其他技術(shù)聯(lián)合應(yīng)用?；驹砭褪窃跀?shù)據(jù)集中混入一定比例的“噪聲”，這樣就很難會(huì)利用第三方數(shù)據(jù)反向推導(dǎo)出個(gè)人信息。例如，F(xiàn)acebook上一則廣告有118人在點(diǎn)擊后進(jìn)行了購買，那么差分隱私技術(shù)就會(huì)從中添加或抽取隨機(jī)數(shù)量，最后使用該系統(tǒng)的人可能看到的數(shù)字會(huì)是120或是114。現(xiàn)實(shí)生活中，經(jīng)過匿名、去標(biāo)識(shí)化后的數(shù)據(jù)，依然有個(gè)人身份被識(shí)別的可能。這樣的事情并不少見。TOP君給大家講兩個(gè)非常出名的故事。1997年，馬薩諸塞州州長William Weld曾同意將政府雇員就診信息公開用于學(xué)者研究，而為了保護(hù)個(gè)人隱私，這些數(shù)據(jù)其實(shí)已經(jīng)將姓名、住址等信息刪掉，去標(biāo)識(shí)化了。不過一名研究生卻通過交叉比對(duì)一份選舉記錄輕松人肉出了州長，并找到了他的全部醫(yī)療記錄。同樣，在2006年，奈飛舉辦了一個(gè)算法大賽，要求利用一份匿名后的數(shù)據(jù)庫來預(yù)測(cè)用戶電影評(píng)分。而后兩位研究人員將這份數(shù)據(jù)庫通過關(guān)聯(lián)IMDb網(wǎng)站上的公開記錄，識(shí)別出了一些匿名用戶的真實(shí)身份。最終，奈飛因隱私問題停賽，不得不面對(duì)巨額罰款。由此看來，即便去標(biāo)識(shí)化，依舊無法保證隱私安全，這就需要差分隱私技術(shù)在數(shù)據(jù)庫中混入“噪聲”，在保證不改變數(shù)據(jù)原有模式的基礎(chǔ)上，防止外人破解。當(dāng)然，這其中也包含不同方式，涉及到不同算法。 用差分隱私技術(shù)，在數(shù)據(jù)庫中混入一定比例“噪聲”一個(gè)酒店做調(diào)查，需要顧客回答是否會(huì)帶走酒店浴袍當(dāng)作紀(jì)念品。不過這種問題，很多人都不會(huì)直接承認(rèn)，畢竟被別人知道會(huì)非常尷尬，于是酒店就可以用差分隱私的方法，讓系統(tǒng)只能有一部分概率得到顧客的真實(shí)回答。如果更具象化一點(diǎn)，可以將這里差分隱私的應(yīng)用當(dāng)做一次拋硬幣，得到正面，系統(tǒng)將真實(shí)記錄顧客的回答；得到背面則會(huì)再拋一次，如果還是正面，就記為“是”，背面則為“否”。這樣酒店就不知道誰拿了浴袍，只知道有多少比例的人拿了浴袍當(dāng)紀(jì)念品。
立即登錄，閱讀全文
版權(quán)說明：
本文內(nèi)容來自于TopMarketing，本站不擁有所有權(quán)，不承擔(dān)相關(guān)法律責(zé)任。文章內(nèi)容系作者個(gè)人觀點(diǎn)，不代表快出海對(duì)觀點(diǎn)贊同或支持。如有侵權(quán)，請(qǐng)聯(lián)系管理員（zzx@kchuhai.com）刪除！
Facebook Audience Network
專欄
閩公網(wǎng)安備 35010202001226號(hào)
