今年早些時候,我們解釋了Google計劃如何使用群組聯(lián)合學(xué)習(xí)(Federated Learning of Cohorts,F(xiàn)LoC)技術(shù)來防止個人追蹤,同時仍然為你提供關(guān)聯(lián)性強的廣告。然而,就在一個多月前,它宣布推遲這一舉措,部分原因是該公司收到了大量的反對聲音。
也就是說,大型科技組織仍在為保護隱私的數(shù)據(jù)收集方法投入大量精力?,F(xiàn)在,F(xiàn)acebook透露了更多關(guān)于它計劃如何使用隱私增強技術(shù)(PETs)來推動下一代數(shù)字廣告的細(xì)節(jié)。
Facebook表示,它正在使用基于密碼學(xué)和統(tǒng)計學(xué)的技術(shù)來實現(xiàn)PETs,使其能夠減少數(shù)據(jù)處理量,同時保留你的隱私、廣告準(zhǔn)確性和個性化偏好。該公司描述了它在PETs工作中正在測試的三種方法。
第一種是安全的多方計算(MPC),它允許多個組織處理部分用戶數(shù)據(jù),然后相互分享見解。這基本上意味著沒有任何一方可以持有完整的用戶數(shù)據(jù),因此了解它們的可能性會減少。這方面的一個例子是,一個組織持有你所看到的廣告信息,而另一個組織則看到你所購買的信息。MPC將確保這兩個利益相關(guān)者獲得他們所需要的數(shù)據(jù),而不會獲得你的全部數(shù)據(jù)。Facebook正在使用一個名為Private Lift Measurement的解決方案,基于其在GitHub上的開源框架進行MPC工作,預(yù)計明年將向廣告商提供這一解決方案。
接下來是設(shè)備上的機器學(xué)習(xí),確保算法在個人設(shè)備范圍內(nèi)學(xué)習(xí),而不把數(shù)據(jù)發(fā)送到任何外部身份、云或遠(yuǎn)程服務(wù)器。這項技術(shù)仍在評估中,如果成功的話,F(xiàn)acebook希望它能隨著時間的推移而改進。
最后,F(xiàn)acebook計劃引入差異化的隱私設(shè)定,實際上是對現(xiàn)有PET的一種補充。該公司將其描述為:
差別化隱私的工作原理是將精心計算的"噪音"加入數(shù)據(jù)集。例如,如果有118人在點擊廣告后購買了一個產(chǎn)品,差分隱私系統(tǒng)將從這個數(shù)字中增加或減少一個隨機量。因此,使用該系統(tǒng)的人看到的不是118,而是120或114這樣的數(shù)字。
添加這一小段隨機的不正確信息,就很難知道誰在點擊廣告后真正購買了產(chǎn)品,即使有很多其他數(shù)據(jù)也無法將跟蹤繼續(xù)下去。因此,這種技術(shù)經(jīng)常被用于為公共研究而發(fā)布的大型數(shù)據(jù)集。
Facebook強調(diào)這些都是長期的努力,它將定期分享更多關(guān)于其進展的信息。