楊波

摘 要：互聯網新型服務和物聯網產業的發展，促進了大數據時代正式到來，帶來巨大商業價值，但個人隱私泄露的風險也逐漸增大。大數據的價值不僅來源于數據本身，更多地來源于對數據進行二次挖掘與分析。因此個人隱私保護在大數據環境下面臨許多新的挑戰。分析大數據隱私保護的特點，從技術、法律和行業3個方面簡述大數據隱私保護的有關機制，指出需多角度跨學科交叉研究以滿足大數據隱私保護需要。

關鍵詞關鍵詞：大數據；隱私保護；隱私權；數據挖掘；數據預測

DOIDOI：10.11907/rjdk.161457

中圖分類號：TP309

文獻標識碼：A 文章編號：1672-7800（2016）008-0168-03

0 引言

隨著電子商務、社交網絡、微博、微信等新興服務和智慧城市、智慧醫療、智能家居等物聯網產業的迅猛發展，人們的衣食住行等信息逐漸被數字化，信息數據量呈現裂變式增長。同時，移動互聯網、移動通信網、傳感網和云計算等傳輸技術和存儲技術的發展，為數據發布和存儲提供了基礎平臺。這一切都促成了大數據時代的真正到來。

大數據中的數據大部分來源于人和傳感設備等，如網絡注冊信息、網絡購物信息、門診醫療信息、傳感器監測信息等，這些數據沒有統一格式，基本都是半結構化或非結構化的，但卻蘊含著巨大的信息，致使各大企業都積極收集相關數據。大數據的價值除了數據的基本用途外，更多的是對數據的二次利用，為滿足這種需要，新型數據處理技術如數據挖掘逐漸發展起來，通過對大量數據進行統計分析和推理，從中挖掘出潛在的有用信息，幫助企業作出正確的決策、減少風險。但是，對數據分析結果的應用存在著多面性：如果應用合理，則會更加滿足用戶需求，促進企業發展；如果應用不合理，則可能在用戶不知不覺中暴露其隱私，并給用戶的生活帶來困擾。因此，隨著數據量的不斷增加和數據挖掘技術的不斷發展，個人隱私保護問題如果不能很好解決則會造成對個人和社會的不良影響。目前，大數據環境下的個人隱私保護還沒有成熟的技術、完整的法律和合理的社會機制，所以應積極研究各種有效措施以保證大數據隱私安全，這也是大數據技術的主要挑戰之一。

1 大數據發展與隱私保護

2008年，“Big Data”一詞出現，Nature雜志在當年推出了相關學術專刊[1]，并得到有關計算機科學家的認可，由此開啟了大數據時代。2011年，Science雜志也推出了大數據專刊[2]。隨著數據挖掘與分析技術的發展，大數據的價值得到了更加充分利用，為世界經濟帶來了更多財富。大數據發展高度依賴對數據和信息挖掘，數據挖掘和二次利用很可能會使用戶信息在不知情的情況下泄露出去，如何在享用大數據帶來便利的同時不泄露用戶信息，這是大數據發展與隱私保護面臨的新問題[3]。文獻[4]指出，在美國由于個人對隱私信息的保護意識較強，迅速發展的大數據應用經常會與個人隱私保護產生沖突。

隱私是每個公民的一項基本權利，從此角度探究，保護隱私的關鍵問題是擁有和控制自己有關信息的權利[5]。但是在大數據環境下，已經不同于傳統的隱私保護，大數據隱私保護面臨很多新的挑戰[6]。一是數據挖掘，將會在數據二次利用時涉及個人隱私，這不僅僅是對傳統問題的放大，而且是一種顛覆；二是數據預測，將會影響現實生活，預測的好與壞將會對個人名譽和信譽產生直接影響；三是數據監測，如信用卡使用記錄、門診看病記錄、日常行程定位信息等，對于這些信息下，不論個人是否意識到，其生活習慣都會被窺探到，個人隱私都將會受到侵犯。

此外，大數據的隱私保護還有其它一些主要的熱點研究問題[7]：侵犯個人隱私的行為難以認定；個人隱私保護的范圍難以確定；信息和通信技術的快速普及使得管理用戶隱私信息越來越困難；大數據個人隱私保護面臨著很多技術挑戰；普通研究者很難獲得大數據研究所需要的海量原始數據；構建多維的靈活的個人隱私保護政策和大數據生態環境面臨著極大的挑戰等。

2 大數據隱私保護機制

為了在大數據發展和隱私保護之間尋找到合理的解決之道，學者從技術層面、法律層面、社會和行業規范層面等方面對大數據的隱私保護問題進行了探索。

2.1 大數據隱私保護的技術機制

大數據的生命周期通常包括數據的發布、存儲、挖掘和使用，數據在各不同階段會涉及不同的人群，用戶的個人隱私信息都可能遭到泄露，需要在各個階段都進行隱私保護。通常在具體實際操作中，對數據實施的是多級安全保護措施，即從數據層、應用層和數據展示層對數據進行保護[7]。

2.1.1 數據層個人隱私保護

數據層個人隱私保護主要包括數據加密的個人隱私保護、數據庫的個人隱私保護和云存儲環境下的個人隱私保護。具體如下：

（1） 數據加密方面，保護隱私的一項基本技術就是對數據進行加密，當前已經有很多經典的加密算法，在大數據時代，對數據加密的研究重點將集中在改進和完善已有加密算法、綜合使用多種加密算法、以及結合大數據特點改進和創造一些新的算法，加密算法在很多資料中都有詳細介紹，在此不再贅述。

（2） 數據庫方面，雖然MapReduce技術發展非常快并廣泛用于數據分析，與數據庫形成了競爭，但它不能取代數據庫，大數據時代仍然是以數據庫作為信息系統的主體，數據庫與MapReduce技術只能相互集成形成新的數據處理系統[8]。此外，數據庫中的數據還面臨著非法入侵、非法訪問以及非法修改等威脅，因此保護數據庫中的數據通常采用數據加密和訪問控制的雙重機制[9]。

（3） 云計算為大數據提供了基礎存儲平臺，但是使用云服務的企業和個人也因此失去了對數據的完全控制。在云服務器中，由于云提供商不能提供完整的檢測與審計技術，不能檢測到所有的非法入侵和檢測操作，因此內部人員和外部入侵者都可能會對數據造成威脅，個人隱私存在泄露的風險[10]。當前，很多學者對云計算的隱私問題進行了深入研究。文獻[11]中，研究人員從數據產生、數據傳送、數據使用、數據銷毀等生命周期角度對隱私保護問題進行了分析。文獻[12]中，針對根據個人需求推斷用戶隱私信息問題，提出了一種隱私保護策略，即噪聲產生策略，該策略根據用戶的歷史需求產生噪聲需求，使噪聲需求與真實需求的發生概率達到相同，這樣混淆提供商對真實需求的辨別，實現隱私保護。因此，在云計算這樣的基礎存儲平臺中，應該加密處理關鍵信息和敏感信息，制定細粒度的訪問控制策略，并在云計算的各個階段實施保護技術保障個人隱私安全[13]。

2.1.2 應用層個人隱私和保護

在應用層中，針對大數據的具體應用場景，研究相關的隱私保護技術將更加符合行業和應用的實際需求。在大數據時代，在線社交網絡、移動定位和射頻識別是當前比較流行的應用。具體如下：

（1） 在線社交網絡中，當用戶在網絡中的交往越活躍，參與的活動越多，個人隱私信息也就會暴露的越多。在這種虛擬現實網絡中，研究人員也提出了很多隱私保護方法，包括集中式的在線社交網絡模型方案[14-15]和分散式的社交網絡設計方案[16-17]，集中社交模型信任在線社交網絡提供商，允許提供商對用戶數據進行相關分析；而分散社交模型不信任單個實體，對數據也不集中管理，數據由用戶個人或用戶信任的委托人存儲。

（2） 針對如何提供定位服務的同時又保護好移動用戶的隱私問題，有兩種常用的度量標準，即匿名和干擾技術，如有學者提出采用位置匿名和隱私粒度作為隱私測量標準[18]。

（3） 射頻識別（Radio Frequency Identification，RFID）技術中，當RFID標簽序號與個人信息關聯時，可能存在隱私泄露的情況。為保護個人隱私，也已經提出了很多關于RFID的隱私增強技術，如購物后去掉RFID標簽、重命名標簽等。

在數據展示層，提高發布數據效用的同時并保證個人信息不被泄露是數據發布當前面臨的主要挑戰，它也是個人隱私保護的熱點，文獻[19]、[20]中提出了匿名化方法，文獻[21]、[22]提出了PPDM的數據發布方法，文獻[23]提出了差分隱私保護以及數據訪問控制的個人隱私保護。

2.2 大數據隱私保護的法律機制

1974年，美國通過了《隱私法案》及相關法規，是世界上最早提出隱私權和最早對隱私賦予法律保護的國家。2012年2月，奧巴馬政府推動了與大數據密切相關法案的立法，即《消費者隱私權利法案》[24]，明確規定了第三方在使用數據時必須對用戶透明和并保證個人信息安全，規定數據的所有權完全屬于用戶，該法案的實施將對全球的大數據隱私保護產生極大影響。在歐洲，歐盟和美國商業部早在2000年就簽訂了一份有關數據收集和使用的協議，即“安全港”協議[25]，該協議也明確規定了企業在收集個人數據時必須及時通知用戶本人，并要告知用戶數據的用途，只有在征得用戶同意后才能轉給第三方。歐美已經在法律層對數據進行了保護，這也有利于大數據時代個人隱私的保護。

我國有關法律對個人數據不能非法收集和利用有所規定，但是在隱私權方面的保護范圍還比較模糊，并沒有把隱私權當作特有的人格權進行保護，相比歐美對數據和隱私在法律層面的保護還有很大差距。在大數據時代，為保障公民權利和利益，我國在法律層面對個人數據的收集和使用進行立法保護也不容忽視。

2.3 大數據隱私保護的社會和行業機制

相比法律上的強制約束，社會自身對數據的使用也可以具有監管作用，有時還更加具有約束力。例如，在美國有一些第三方認證機構負責對某個行業內在用戶隱私保護方面合格的公司提供認證，而拒絕對用戶隱私保護不合格的公司，這樣的現象在美國零售商業平臺和電商平臺上經常出現。像這樣的第三方認證，并不是法律強制要求去做，但是社會和行業出于自身對隱私保護的認知，促使了相關企業必須在隱私保護方面進行自我約束，這不僅保護了個人的應有權利，也有利于企業的長遠發展。在社會認知上，我國公民在隱私保護方面的意識薄弱得多，隱私保護方面的社會意識需要增強，監管力度還需要加大，因此探索合理的社會和行業保護機制也刻不容緩。

3 結語

大數據環境下的個人隱私保護是一個全新的問題，需要綜合技術層面、法律層面和行業規范層面進行跨學科研究才能得到完整的解決之道，但是當前國內較關注技術層面而疏忽了法律和行業規范層面。在大數據發展中，需要權衡發展和隱私保護問題，對數據的使用進行有效監管和控制，特別是在有些情況下有必要從法律層面進行約束，如數據使用方對個人信息的使用需遵得個人允許等。

綜上所述，今后需根據具體的大數據應用探索對應的隱私保護技術，如位置大數據隱私保護的新技術，因為基于移動通信和傳感設備等位置感知技術的應用廣泛，商業價值也大；其次，在法律保護機制方面，可以借鑒歐美地區的大數據法律保護機制，研究符合我國國情和大數據發展需要的大數據法律保護機制；再次，對于社會和行業保護機制，由于我國國民的隱私保護意識目前還相對偏低，因此可以研究合理的第三方監督策略，以監督相關企業和行業在自覺保護公民隱私的前提下使用大數據，保障公民的合理權益。

參考文獻：

[1]NATURE.Big data[EB/OL].http：//www.nature.com/news/specials/bigdata/index.html.

[2]SCIENCE.Dealing with data[EB/OL].http：//www.sciencemag.org/site/special/.

[3]李國杰，程學旗.大數據研究：未來科技及經濟社會發展的重大戰略領域——大數據的研究現狀與科學思考[J].中國科學院院刊，2012，27（6）：647-657.

[4]TENE O，POLONETSKY J.Privacy in the age of big data：a time for big decisions[J].Stan LRev，2012（15），64：63.

[5]理查德 A 斯皮內洛.世紀道德：信息技術的倫理方面[M].北京：中央編譯出版社，1999.

[6]薛孚，陳紅兵.大數據隱私倫理問題探究[J].自然辯證法研究，2015，31（2），44-48.

[7]劉雅輝，張鐵贏，靳小龍，等.大數據時代的個人隱私保護[J].計算機研究與發展，2015，52（1） 229- 247.

[8]覃雄派，王會舉，杜小勇，等.大數據分析——RDBMS與MapReduce的競爭與共生[J].軟件學報，2012，23（1）：32-45.

[9]BERTINO E，SANDHU R.Database security-concepts，approaches，and challenges[J].IEEE Trans on Dependables and Secure Computing，2005，2（1）：2-19.

[10]JANSEN W，GRANCE T.Guidelines on security and privacy in public cloud computing[EB/OL].http：// csrc.nist.gov/publications/nistpubs/800-144/SP800-144.pdf.

[11]CHEN D，ZHAO H.Data security and privacy protection issues in cloud computing[C].Computer Science and Electronics Engineering（ICCSEE），Piscataway，2012：647-651.

[12]ZHANG G，YANG Y，CHEN J.A historical probability based noise generation strategy for privacy protection in cloud computing[J].Journal of Computer and System Sciences，2012，78（5）：1374-1381.

[13]PEARSON S.Taking account of privacy when designing cloud computing services[C].Proc of the 31st ICSE Workshop on Software Engineering Challenges of Cloud Computing.Piscataway，2009：44-52.

[14]SINGH K，BHOLA S，LEE W.xBook：redesigning privacy control in social networking platforms[C].Proc.of the USENIX Sevurity Symp 2009.Berkeley，CA：USENIX Association，2009：249-266.

[15]DE CRISTOFARO E，SORIENTE C，TSUDIK G，et al.Hummingbird：privacy at the time of twitter[C].Proc of the 33rd IEEE Symp on Security and Privacy（SP） 2012.Piscataway NJ：IEEE，2012：285-299.

[16]CUTILLO L A，MOLVA R，STRUFE T.Safebook：a privacy-preserving online social network leveraging on real-life trust[J].IEEE Communications Magazine，2009，47（12）：94-101.

[17]AIELLO L M，RUFFO G.LotusNet：tunable privacy for distributed online social network services[J].Computer Communications，2012，35（1）：75-88.

[18]PAN X，XU J，MENG X.Protecting location privacy against location-dependent attacks in mobile services[J].IEEE Trans on Knowledge and Data Engineering（TKDE），2012，24（8）：1506-1519.

[19]徐勇，秦小麟，楊一濤，等.一種考慮屬性權重的隱私數據發布方法[J].計算機研究與發展，2012，49（5）：913-924.

[20]CICEK A E，NERGIZ M E，SAYGIN Y.Ensuring location diversity in privacy-preserving spatio-temporal data publishing[J].The VLDB Journal，2013，11（1）：1-17.

[21]AGRAWAL R，SRIKANT R.Privacy-preserving data mining[J].ACM Sigmod Recor，2000，29（2）：439-450.

[22]ILAVARASI A，POORANI S.A Survey on privacy preserving data mining techniques[J].Int Journal of Computer Science and Business Informatics，2013，7（1）：1-12.

[23]DWORK C.Differential privacy，automata，languages and programming[M].Berlin：Springer，2006：1-12.

[24]OBAMA B.Consumer data privacy in a networked world：a framework for protecting privacy and promoting innovation in the global digital economy[J].Priv Confidential，2012（4）：95-142.

[25]THE U S.BBB EU safe harbor dispute resolution program[EB/OL].http：//export.gov/safeharbor/eu/eg_main_018475.asp.

（責任編輯：陳福時）