Livre européen, « la protection des données Règlement général » considère la Bible du domaine de la protection de la confidentialité des données. Depuis la mise en uvre mai 2018, il a été de milliards de dollars en amendes.
Selon des statistiques incomplètes, au cours des deux dernières années, en raison de GDPR illégale été hors de la taille du billet atteint 126 millions $, le plus important d'un billet par le gouvernement français sur Google de 50 millions d'euros d'amende. Ainsi, dans une telle législation stricte réglementation pour protéger notre vie privée en même temps, nous avons perdu quoi?
la protection de la vie privée des données ne sont pas une solution rapide
Et au cours des dix dernières années, notre société est habituée à « libre » service Internet. Moteur de recherche gratuit, email gratuit et affichage vidéo gratuit en ligne. Lorsque la valeur de données n'est pas clair ce qui peut porter cette affaire semble être rentable.
Ensuite, les utilisateurs qui ne hésitent pas à choisir de croire que le stockage de l'information de leur entreprise et profiter des connexions sans soudure d'expérience en ligne fournis par l'entreprise. Mais avec la montée et les capacités d'analyse des données grandement améliorées d'intelligence artificielle de certaines entreprises peuvent être des utilisateurs « piste aléatoire » dans des indications précieuses. Marketing ciblé, recherche marketing, personnalisé géolocalisé est devenu le nouveau champ de bataille pour les applications de données.
Continuer d'intégrer les différents utilisateurs de données, granularité de comportement des utilisateurs continuent d'affiner la recherche, les risques pour la santé personnelle et les options électorales deviennent plus prédictive ....... Cependant, les données sous forme de « nouveau pétrole » dans la promotion de la croissance et de l'innovation, mais aussi violation de la vie privée de l'utilisateur dans une certaine mesure.
Par exemple, lors de l'analyse de l'incident de Cambridge est un cas typique. Incident impliqué un groupe de chercheurs de recueillir une grande quantité de données utilisateur, et de partager ces informations avec le cabinet d'analyse Cambridge, Cambridge analyse d'entreprise est une société d'analyse de données, prétendument la société en 2016 l'élection présidentielle influencer les électeurs par ces méthodes. Maintenant, il a prouvé maison intelligente aussi plus de la vie privée mettent en péril.
Par exemple, en Avril 2019, Amazon a également été découvert enceinte intelligente des questions de confidentialité Echo, la même année en Juillet, la Société Radio-belge (VRT) exposée également Google d'embaucher des travailleurs contractuels pour écouter des enregistrements de conversations avec des gens Google haut-parleur intelligent.
Ces questions de confidentialité sont des moyens d'enthousiasme des services publics numériques gratuits progressivement tournés vers les grandes entreprises technologiques et le partage des données pratiques dans le dégoût. Donc, le mot est entré en données réglementaires, qui a également marqué la confiance du peuple dans les institutions est à son niveau le plus bas dans l'histoire. appels publics à la législation de plus en plus, la législation est la bonne façon de rétablir l'ordre en elle?
La supervision peut restaurer la confiance?
(Réseau Lei Feng)
les législateurs européens et américains d'abord à relever le défi de la surveillance 201627 Europe Avril par le « Règlement sur la protection des données générales », et le 25 mai 2018 sont entrées en vigueur. « Règlement » a apporté une nouvelle série de droits de la vie privée que les citoyens de l'UE.
Elle stipule que les consommateurs européens auront le droit de savoir quelles données sont conservées société de médias sociaux, et le droit de demander de supprimer les données. Après la mise en uvre des nouvelles réglementations, les violations les plus élevées de l'entreprise pourraient faire face à de lourdes amendes à quatre pour cent du chiffre d'affaires annuel mondial.
Mais la confidentialité des données d'un système juridique solide est important, mais aussi causé des conséquences imprévues. Règlement sur la protection que: elle limite la manipulation de l'organisation des données, à la coopération limite dans divers domaines, ont eu un impact négatif sur l'économie, après tout, la racine de la division du travail et de la coopération est le progrès humain.
D'autre part, les lois de protection des renseignements personnels liés à l'introduction d'un impact direct sur les industries d'affaires relatives aux données. Par exemple, en raison du projet « Règlement sur la protection des données générales », QQ version internationale ne fournissent plus de services aux clients européens en 2018 après le 20 mai QQ version internationale sur le marché européen.
Google a également pour violation des lois antitrust, est le plus coûteux exigences de l'UE a imposé une amende de 2,7 milliards $. Ensuite, le PDG de Google Sundar Pichai, a avertit que: Comme la décision, Andrews ne peut plus être libre, peut devenir le mode d'imagerie de la distribution de ses concurrents comme Apple. En d'autres termes, l'introduction de mesures de sécurité des données pertinentes, ce qui rend certains des services que nous ne pouvons pas apprécier.
Par conséquent, les régulateurs européens, les résultats Google condamné à une amende, Tencent a couru. L'introduction de la loi d'une manière liée à promouvoir le développement de la société et de l'industrie, le respect des lois et offrir un meilleur service que ne peut pas avoir les deux choses. Donc, en plus de la réglementation, il existe d'autres façons d'atteindre le gagner?
Au-delà de la réglementation, de nouveaux silos de données des ruptures technologiques
(Réseau Lei Feng)
La réglementation actuelle promulgués apparemment n'a pas pris en compte les possibilités de collaboration dans l'économie numérique.
Mai 2018 Instituts nationaux de la santé (National Institutes of Health) sur le diabète de type 2 en suspension. La raison en est que l'étude comprennent les dossiers de santé de la Finlande, ces documents sur la base GDPR, le droit communautaire ne permet pas aux chercheurs des États-Unis à nouveau. Protection de la vie privée, les partenaires de partage des données n'ont pas été données à grande échelle ensembles n'ont pas été effectivement utilisés dans la technologie médicale ne peut pas progresser.
Les patients finissent par payer le prix sont susceptibles d'attendre l'émergence de nouvelles technologies, et donc la perte de la vie. Si vous ne pouvez pas coopérer en raison des lois sur la confidentialité des données, de manière à entraver notre progrès, notre avenir, que ce soit pour inverser arriver? Est-ce que faire des affaires parce que l'échange réglementaire frappé d'incapacité du savoir? Si, en raison de la protection des données implicites, la coopération, la communication est limitée. Ensuite, l'efficacité de notre bouche, la croissance, la découverte scientifique majeure et de la recherche et l'innovation sont à être entravée probable.
solution de transmission de données de cryptage homomorphique
(Réseau Lei Feng)
Heureusement, Dieu pour nous de fermer une fenêtre, il ouvre une fenêtre dans une autre direction. homomorphic encryption (cryptage homomorphique) en tant que nouvelles technologies d'amélioration de la vie privée a émergé. Cette technologie permet aux organisateurs peuvent collaborer sans avoir à la confiance.
la théorie de chiffrement homomorphique a été introduit en 1978, est considéré comme l'un du Saint Graal dans le domaine de la cryptographie, depuis sa naissance aussi loin que légendaire, jusqu'en 2009, IBM chercheurs Gentry a été la première fois de concevoir un vrai tout système de cryptage homomorphique, à savoir peut être effectuée sans déchiffrer les données chiffrées peuvent être exécutées dans toute opération sur le texte brut, de sorte que les informations cryptées peuvent encore être analysées et la profondeur illimitée, sans compromettre la vie privée.
Traduit comme « chinois » est: algorithme de chiffrement pour effectuer des opérations à travers la couche de cryptage. Après cette percée, les magasins de fournisseur de services de données électroniques confidentielles des autres capables d'analyser correctement les données, ne pas interagir avec l'utilisateur, ne voient pas de données privées fréquemment commandées par l'utilisateur. Que les gens peuvent confier à un tiers aux données de processus sans informations révélatrices.
Plus précisément, l'utilisation du modèle de chiffrement homomorphique, peut protéger la confidentialité des données de traitement par lui-même n'est pas: Impossible d'afficher les détails personnels en cours de traitement, pour voir le résultat final du traitement. Les entreprises peuvent se sentir plus sécuriser les données qu'ils recueillent. Cloud computing peut notamment bénéficier du système de cryptage homomorphique, car ils peuvent fonctionner sans avoir accès à l'original calcul des données non chiffrées.
Dans le cas de recherche sur le diabète mentionné ci-dessus en suspension, le chiffrement homomorphique en utilisant des problèmes de sécurité très sensibles peuvent faciliter le partage des données et la promotion de maladies graves a fait des progrès appréciables. Dans le monde de la sécurité du réseau, « données attaques » peuvent être partagées avec les organisations et les gouvernements, ce qui permet, tout en protégeant la confidentialité des données, et ne viole pas les règles de protection des données.
Fédéral apprendre à résoudre des applications de données
Homomorphic efficacité de calcul de chiffrement a récemment fait une mise à jour majeure, si l'apprentissage devient protection des renseignements personnels peut être résolu, mais peut aussi résoudre les petites données, l'arme d'émission de données. concept d'apprentissage fédéral initialement proposé en 2016 par Google, la première personne en Chine, Hong Kong University of Science et technologie Professeur de l'étude fédérale du chef recherche en intelligence artificielle officier Micro Focus Banque (CAIO) Professeur Yang considéré comme fort.
étude fédérale permet aux parties concernées aux modèles de construction sans divulgation des données sous-jacentes, utilisez les ressources de données sur l'ensemble de la fédération de données, d'améliorer la performance du modèle de chaque membre. Populaire, l'apprentissage en profondeur des temps, les entreprises de technologie est la capacité de chaque style seul AI, l'émergence de l'étude fédérale, de plus près, en toute sécurité différentes sociétés AI reliés entre eux, chaque membre de la Fédération sont vous pouvez améliorer leur capacité à utiliser la vitesse la plus rapide en même temps apprendre des forces des autres et, en fin de compte, grandir ensemble.
Un campus vendeurs de ces données, les fabricants B et les données d'usine, les fabricants C ont des données communautaires, et les trois entreprises ont recours à des techniques d'apprentissage fédérales. A partir du niveau opérationnel, A, B, C trois sociétés seront un accès direct aux deux capacités: 1, optimiser rapidement leur entreprise; 2, la plus rapide expansion des affaires nouvelles.
Optimiser leurs performances d'affaires dans le plus rapidement, il y aura plusieurs plate-forme similaire Un des fournisseurs de plate-forme pour entrer dans le modèle de données d'entreprise après le cryptage chaque jour, et ces modèles de données d'autres fabricants est le manque de données A et A peut selon les fabricants ces données pour mettre à jour leur modèle d'algorithme.
Le plus rapide expansion nouvelle performance commerciale, A, B, C Chaque fournisseur a son propre bon de construction modèle pour obtenir plus en agrégeant modèle de données, les flux de données obtenir les meilleurs résultats sans données de circulation, peuvent être obtenus par des ressources complémentaires dans les plus brefs délais en toute sécurité la capacité de l'autre à développer de nouvelles affaires.
Du point de vue de la vie privée, les données sont des caméras généralement intelligentes produites seront téléchargés sur le serveur back-end, puis par le modèle de réseau de neurones déployé sur le serveur basé sur de grandes quantités de données recueillies à partir de la formation pour obtenir un modèle, les fournisseurs de services basés sur ce modèle est utilisateurs. Ceci est une méthode de formation de modèle centralisé, cette approche est difficile d'assurer la confidentialité des données.
L'étude fédérale ne ne permettent plus les données sont envoyées à l'arrière-plan, mais la formation sur le propre serveur de chaque entreprise, modèle de formation et de téléchargement crypté, l'arrière-plan sera des milliers de modèles intégrés, puis retour à l'utilisateur d'améliorer le programme.
Par rapport au mode traditionnel d'apprentissage, les avantages sont l'étude fédérale évidente: 1, dans le cadre de l'étude fédérale, le statut de chaque participant sur l'autre, pour parvenir à une coopération équitable; 2, les restes de données dans le local, afin d'éviter les fuites de données, pour répondre à la protection de la vie privée des utilisateurs et les exigences de sécurité des données, 3, afin d'assurer que les parties impliquées dans le maintien de l'indépendance de l'échange d'informations sont cryptées avec les paramètres du modèle, et en même temps de grandir, 4, les résultats de la modélisation avec les résultats de la modélisation de l'algorithme d'apprentissage en profondeur traditionnels ne diffèrent pas grand, 5, l'étude fédérale est un mécanisme d'apprentissage en boucle fermée, l'effet dépend du modèle de données fournit une contribution à la partie.
Dans la méthode traditionnelle, l'utilisateur est seulement un spectateur de l'intelligence artificielle - l'utilisation, mais n'a pas participé, et dans le scénario d'étude fédéral, tout le monde est « Comment dresser votre dragon », tout le monde est un développement des participants de l'intelligence artificielle.
En résumé, il est maintenant temps de partager l'information au sujet d'un changement de paradigme dans la. Lorsque l'exposition ne peut partager l'information sans exposer peuvent analyser les informations, nous n'avons pas donner à contrecur la collaboration et la confiance. Lorsque la collaboration dans le partage des données devient fréquente, notre imagination peut être libéré à nouveau, pour résoudre certains des problèmes majeurs est seulement une question de temps.
Référence Source: https: //www.weforum.org/agenda/2020/01/new-paradigm-data-sharing/
