蘋(píng)果和所有的巨型企業(yè)一樣，想盡可能多地了解它的客戶(hù)。但它同時(shí)也把自己標(biāo)榜為硅谷的隱私冠軍，不像其廣告驅(qū)動(dòng)的競(jìng)爭(zhēng)對(duì)手，希望盡可能少地了解你。該公司目前公開(kāi)吹噓其在數(shù)學(xué)上一個(gè)不起眼的分支，正在成功處理這種矛盾。

北京時(shí)間今天凌晨，在蘋(píng)果全球開(kāi)發(fā)者主題演講中，軟件工程高級(jí)副總裁Craig Federighi，強(qiáng)調(diào)蘋(píng)果并不收集用戶(hù)資料，iMessage和Facetime的加密都是點(diǎn)對(duì)點(diǎn)的，計(jì)算盡量在你的個(gè)人設(shè)備而不是蘋(píng)果的服務(wù)器上完成。但Federighi也承認(rèn)，事實(shí)上，尤其是在大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)的時(shí)代，收集用戶(hù)信息對(duì)做出好的軟件至關(guān)重要。他給出的答案相當(dāng)含糊：“微分隱私”（differential privacy）。

“我們認(rèn)為你應(yīng)該有強(qiáng)大的功能和十足的隱私，”Federighi告訴開(kāi)發(fā)者人群。 “微分隱私是在統(tǒng)計(jì)和數(shù)據(jù)分析方面的研究課題，它使用散列，二次抽樣和噪聲注入，使眾包學(xué)習(xí)成為可能，同時(shí)保持個(gè)人用戶(hù)的數(shù)據(jù)完全私密。蘋(píng)果一直在這方面做著超級(jí)重要的工作，以使微分隱私能大規(guī)模運(yùn)用?！?/p>

微分隱私，從蘋(píng)果的發(fā)言翻譯過(guò)來(lái)，就是盡可能多研究一群人，同時(shí)盡可能少地研究任何個(gè)人的統(tǒng)計(jì)科學(xué)。有了微分隱私，蘋(píng)果可以收集、存儲(chǔ)其用戶(hù)的數(shù)據(jù)，從而收集有用的概念，比如說(shuō)，人們喜歡和想要的東西。但它不能提取關(guān)于某個(gè)人單一的、特定的東西，因?yàn)檫@可能代表了侵犯隱私。而且，在理論上，黑客或情報(bào)機(jī)構(gòu)也不能。

“有了大型數(shù)據(jù)集包括個(gè)人的記錄，你可能想把數(shù)據(jù)庫(kù)作為一個(gè)整體，運(yùn)行一個(gè)機(jī)器學(xué)習(xí)算法，獲得統(tǒng)計(jì)的見(jiàn)解，但要防止一些旁觀者或攻擊者，在數(shù)據(jù)集了解到一些特定的[個(gè)人]信息?！辟e夕法尼亞大學(xué)的計(jì)算機(jī)科學(xué)教授Aaron Roth說(shuō)，F(xiàn)ederighi在主題演講中提到Roth寫(xiě)了一本關(guān)于微分隱私的書(shū)。（該書(shū)為Algorithmic Foundations of Differential Privacy《微分隱私算法的基礎(chǔ)》由Roth與微軟研究員Cynthia Dwork所寫(xiě)。）“微分隱私可以讓你從大型數(shù)據(jù)集獲得見(jiàn)解，但數(shù)學(xué)證明了，沒(méi)有人可以了解其中的個(gè)體?！?/p>

Roth指出，所謂的“數(shù)學(xué)證明”，微分隱私并不僅僅試圖混淆或“匿名”用戶(hù)的數(shù)據(jù)。他認(rèn)為，這種匿名的做法，往往會(huì)失敗。例如，在2007年，Netflix發(fā)布了觀眾的電影分級(jí)數(shù)據(jù)的大集合，消除了人們的姓名和其他身份細(xì)節(jié)，只公布了他們的Netflix評(píng)級(jí)，作為比賽的一部分，以?xún)?yōu)化其建議。但研究者很快將Netflix的數(shù)據(jù)與IMDB公眾審查數(shù)據(jù)交叉對(duì)比，找出類(lèi)似的模式，并添加名稱(chēng)回Netflix所謂的匿名數(shù)據(jù)庫(kù)。

對(duì)于那種去匿名招數(shù)也有對(duì)策，比如說(shuō)，消除了Netflix的電影標(biāo)題，只保持他們的流派。但是也不能保證其他一些聰明的技巧或交叉對(duì)比數(shù)據(jù)不能撤消混淆。 “如果你從數(shù)據(jù)中刪除人們的名字，也不會(huì)停止聰明的人交叉對(duì)比?！绷_斯說(shuō)。 “可是微分隱私可以阻止這樣的事情?！?/p>

“這是未來(lái)的防護(hù)”

Roth解釋?zhuān)⒎蛛[私旨在數(shù)學(xué)上證明，某種形式的數(shù)據(jù)分析不能揭示任何個(gè)體，不管是否具有任何給定的私人數(shù)據(jù)輸入，一個(gè)算法的輸出保持相同。羅斯說(shuō)。 “因?yàn)槲⒎蛛[私具有可證明的保證，打破了循環(huán)。所以它是未來(lái)的防護(hù)。”

Federighi一直強(qiáng)調(diào)微分隱私，可能意味著蘋(píng)果實(shí)際上，在給它的服務(wù)器發(fā)送更多的數(shù)據(jù)，以進(jìn)行進(jìn)行分析，就像谷歌、Facebook和所有其他科技公司一樣。但是Federighi暗示蘋(píng)果只通過(guò)變換、微分、私人的形式傳輸數(shù)據(jù)。事實(shí)上，F(xiàn)ederighi將三個(gè)變換命名為：散列法，一個(gè)不可逆地將數(shù)據(jù)轉(zhuǎn)化成唯一、隨機(jī)的字符串的加密功能；二次采樣，或只采取數(shù)據(jù)的一部分；和噪聲注入，加入隨機(jī)數(shù)據(jù)，掩蓋了真正的、敏感的個(gè)人信息的。 

當(dāng)WIRED問(wèn)及蘋(píng)果如何應(yīng)用微分的更多信息時(shí)，蘋(píng)果代表的答復(fù)只提到了iOS 10預(yù)覽指南，介紹了如何將技術(shù)用在最新版本的iOS上：

從iOS 10開(kāi)始，蘋(píng)果采用微分隱私技術(shù)，以發(fā)現(xiàn)大量用戶(hù)的使用模式，而不損害個(gè)人隱私。為了掩蓋一個(gè)人的身份，微分隱私把數(shù)學(xué)噪聲增加個(gè)人使用模式的小樣本中。隨著越來(lái)越多人用同樣的模式，便開(kāi)始出現(xiàn)通用模式，它可以通知和提升用戶(hù)體驗(yàn)。在iOS 10，這一技術(shù)將有助于提高快速打字和emoji建議，聚焦深度鏈接的建議和在Notes中查找提示。

蘋(píng)果在采用微分隱私技術(shù)時(shí)，是否帶著必要的嚴(yán)謹(jǐn)性，充分保護(hù)客戶(hù)的隱私，這是另外一個(gè)問(wèn)題。

via wired

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。