以設計為本的隱私與隱私強化技術

理解 GDPR

Shalini Kurapati, CIPP/E

Co-founder and CEO, Clearbox AI

總覽

  • 以設計為本的隱私
    • 主動的系統化隱私方法
  • GDPR 第 25 條核心
  • 隱私強化技術（PETs）
  • 新興 PETs
理解 GDPR

以設計與以預設確保資料保護

By design

一隻手在紙上繪製流程的照片。

  • 主動的系統化方法
  • 將隱私嵌入流程與系統

By default

多個代表設定的圖示插畫。

  • 隱私優先的預設設定、資料最小化
  • 看似抽象，但有可行的實作方式。
理解 GDPR

隱私強化技術

什麼是 PETs？

  • 軟硬體解決方案、流程、方法或知識，用來維護隱私或避免隱私風險

常見的 PETs：

  • 匿名化與假名化
  • 加密
  • 差分隱私（較新）

先進／新興技術：

  • 合成資料、分散式學習
理解 GDPR

合成資料

  • 人工產生的資料

  • 保留真實資料的統計與預測力，同時維護隱私

    典型合成資料產生流程的示意圖。

1 https://www.jpmorgan.com/synthetic-data
理解 GDPR

合成資料應用情境

  • 兼顧隱私維護與資料品質提升
  • 開放創新專案、AI 模型測試、資料沙盒與跨機構資料共享
1 https://www.gartner.com/en/newsroom/press-releases/2022-08-22-gartner-data-analytics-summit-2022-orlando-day-1-highlights
理解 GDPR

分散式學習

分散式學習流程示意圖。

  • 傳統上，資料需「離開」到外部伺服器訓練 AI 模型，隱私風險高
  • 分散式學習在遠端裝置上訓練模型，資料留在在地端
  • 傳遞模型而非傳遞資料
1 P. Kairouz 等，Advances and Open Problems in Federated Learning，Foundations and Trends in Machine Learning 第 4 卷第 1 期，2021。
理解 GDPR

分散式學習範例

分散式學習於多支手機上訓練下一字預測演算法的示例插圖。

1 Li, T., Sahu, A. K., Talwalkar, A., & Smith, V. (2020). Federated learning: Challenges, methods, and future directions. IEEE Signal Processing Magazine, 37(3), 50-60.
理解 GDPR

在你離開之前

  • 沒有完美的隱私方法或技術
  • 考量範疇與脈絡
  • 比例原則：風險 vs. 效益
  • 依風險效益分析採取適當措施
理解 GDPR

一起來練習吧！

理解 GDPR

Preparing Video For Download...