腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

隐私遇上大数据，各国大数据隐私保护情况分析

当大数据使人们的生活变得愈加方便快捷的同时，一些人也在担忧隐私的泄露。一.大数据与隐私的碰撞大数据迅速的发展正面临着与人们对隐私保护需求的碰撞，这一问题在美国尤为突出。那么通过了解美国在大数据时代，如何在法律、社会方面对隐私权进行保护，和一些相关探讨，我们可以学到一些在隐私与大数据方面的权衡之道。四.对于大数据隐私的保护是否正确？对于隐私权的保护必然在一定程度上会阻碍数据的获取并限制数据的使用，从而阻碍大数据的应用与发展。随着大数据的发展，信息获取与隐私权益的冲突愈演愈烈。无论侧重点如何，大多数探讨都得到了一个较为中庸的结论，即立法者应当权衡隐私与大数据带来的价值，在大数据发展的同时，同样应当大力发展对大数据使用的监管技术以及大数据自身对个人隐私的保护能力。在大数据与隐私的发展道路中，我国可以借鉴美国的探讨而未雨绸缪，在大数据滥用成灾之前以权衡大数据发展与隐私保护的前提下对其进行有效监督与控制，使大数据在健康的道路上得以发展。

2018-04-20

1.8K0

标签:

隐私数据在隐私AI框架中的安全流动

作者 | Rosetta技术团队责编 | 晋兆雨出品 | AI科技大本营本文中，我们将介绍为了保护用户的隐私数据，在隐私 AI 框架的计算任务全流程中，数据是如何以密文形式流动，同时仍正确完成加法隐私 AI 系统存在的目的就是赋能 AI，使得各种 AI场景下对用户隐私数据的使用都是安全的。不能简单的认为只需要各方先在本地自己的数据上计算出一个模型，然后将模型结果交换一下计算下其模型参数的平均值，就不会泄露各方的隐私数据了。下面我们就结合具体案例看的看下在 Rosetta中隐私数据是如何得到安全保护的。案例 Alice,Bob和 Charley三人最近需要在他们的 AI系统中引入对数据的隐私保护能力。隐私数据的输入隐私计算问题，首先要解决的是隐私数据的输入。

AI科技大本营

2020-11-06

2.7K0

标签:

数据安全与隐私保护

安全隐私.jpg 数据安全自古有之，并不是一个全新的概念。冷兵器时代的战争就非常关注情报，通过情报可以了解竞争对手的强项和弱项，从而制定制敌的方法和手段。而数据保护就是针对这个情报采取的保护措施，确保自身的情报不被泄漏。但随着数据技术的发展，保密工作越来越难，数据安全包括个人隐私问题也是一个非常具有争议的话题。有些网站比较重视保护个人隐私，会自动删除上传照片的EXIF信息，大数网站只会对照片进行压缩处理，这就容易导致个人信息泄漏。绝密级别的数据一般仅限少数人能够访问，比如公司的产品技术数据、客户报价数据、采购报价数据等；机密数据是仅限公司部分级别人员或者职能部门可以访问的数据，比如薪酬数据、个人信息数据、公司财务数据和订单数据等如果担心数据泄漏而拒绝开放数据，让数据在服务器的硬盘里“睡觉”，那么企业将永远无法获得数据价值，反而让数据等待着被盗走。

2020-05-26

4.3K0

标签:

GPT 数据隐私关闭指北

前两天有朋友专门来问我：GPT 的数据隐私到底怎么关？能不能自己去网站要求关闭？ChatGPT 关了以后，Codex 是不是也一起关了？我才意识到，这件事对很多人来说其实并不直观。因为我很早刚开始用 GPT 的时候，就特地读过 OpenAI 关于数据使用和训练的说明，也按当时的入口手动关闭过相关设置。这篇文章不讲玄学，也不制造焦虑，只做一件事：把 GPT 相关的数据隐私关闭路径讲清楚。信息核对时间：2026-06-25。入口是 OpenAI 隐私门户：privacy.openai.com。在隐私门户里，选择类似“不训练我的内容”的请求路径即可。 OpenAI 当前说明里，商业产品默认不会使用输入输出训练模型，API 客户也默认不共享数据用于训练，除非明确选择加入，比如在 Playground 里提供反馈。

2026-06-25

1150

标签:

如何保护数据平台的隐私数据？

本文先简要介绍一下隐私数据保护基本知识，然后再介绍在数据平台中不同场景下应用对应的数据保护措施。为什么需要保护隐私数据? 处理个人数据的私密和安全非常重要，原因有两个。一是遵守数据隐私法律和规定。此外我们还可以基于一些隐私扫描工具来检测数据中可能存在的隐私风险，比如微软开源的Microsoft Presidio。甚至云厂商们都不断推出隐私数据保护相关的安全产品来识别隐私数据的合规性风险。怎么保护隐私数据？对于保护隐私数据的关键技术有数据脱敏、匿名化，此外还有隐私计算和数据合成。数据仓库里就可以通过不同数据域隐私信息的哈希值进行数据关联，获取来源于各个数据域的共享数据（Payload）。总结个人隐私数据受到法律法规的保护，企业越来越关注对个人隐私数据的处理。在数据平台隐私数据保护实践中，数据脱敏用于避免暴露隐私数据给大部分数据消费者，数据加密技术用于分享隐私数据给可信方，最后数据哈希技术用于跨数据域的隐私数据关联场景。

2023-09-18

1.4K0

标签:

高度隐私的医疗文件泄露看数据销毁保护隐私

由于该文件与张雪峰的抢救事件直接相关，其泄露导致原本应受到严格保护的患者隐私被置于公众视野之下，引发了广泛讨论。法律依据与现实困境相关法律规定：患者的病历等医疗信息属于个人隐私范畴，受到法律的严格保护。《中华人民共和国基本医疗卫生与健康促进法》明确规定，医疗卫生机构及其工作人员有义务保护患者的隐私。《民法典》也规定，医疗机构及其医务人员应当对患者的隐私和个人信息予以保密，泄露者需承担相应的侵权责任。泄露事件反映的现实问题：尽管法律对保护患者隐私做出了明确规定，但患者隐私泄露事件仍屡见不鲜。此次事件再次引发了公众对医疗机构信息安全管理和患者隐私权保护问题的关注与深入讨论。

硬盘文件数据销毁回收

2026-03-25

3300

标签:

数据安全审计

为数据而生，为隐私而战：隐私计算产业加速崛起

在推动数据二十条理念落地的途径中，隐私计算作为平衡数据流通与价值释放的关键「技术解」，得到了越来越多的重视。隐私计算技术发展情况隐私计算是隐私保护计算（Privacy-preserving Computation）的简称，它能够在保证数据提供方不泄露原始数据的前提下，对数据进行分析、处理和使用，是一个广义的概念其中，隐私计算作为核心技术，确保机器学习和大数据分析在各个场景中落地时调用数据的安全。目前，腾讯隐私计算汇聚了来自腾讯大数据、腾讯安全、腾讯计费、腾讯云、腾讯广告 AI，华中科技大学的密码学、隐私计算、大数据和机器学习领域的技术专家。出行领域，隐私计算使运营商与服务提供商可在加密状态下使用线上数据，对城市交通状况与出行需求进行分析与预测，为交通调度与新业务创新提供基础，同时保护用户隐私和数据安全。

2023-05-16

1K0

标签:

隐私数据计算技术解析

隐私数据计算当今最具创新性的数据驱动产品和解决方案往往需要处理隐私数据。如何在使用敏感数据的同时保护数据主体、所有者或用户的隐私信息不被泄露，成为一个关键问题。两种隐私保护技术安全多方计算(MPC)MPC允许多方在不公开各自私有数据的情况下，共同计算一个涉及所有数据的功能。差分隐私(DP)DP通过统计和算法技术发布数据集的聚合功能，同时保护数据贡献者与数据项之间的关联关系。核心特点包括：通过添加噪声保护隐私隐私参数ε控制噪声量级（ε越小隐私性越强但准确性越低）输出为随机变量典型案例：选举预测调查中，受访者通过随机响应机制提供扰动后的答案，既保护个人真实选择又能统计总体倾向：使用MPC计算差分隐私近似函数，既能获得MPC的输入保护，又能享有DP的抗辅助信息攻击特性。

2025-08-18

4480

标签:

Facebook推出“隐私中心”，教育用户了解数据收集和隐私选项

该公司发布的新闻稿中说：“隐私中心主要由五大板块组成，分别是共享、安全、数据收集、使用和广告。” 安全：将提供对常用工具的轻松访问，例如帐户安全设置和双因素身份验证。数据收集和使用：使用户快速了解Meta收集的数据类型，并了解其使用的方式和原因。广告：将提供有关用户广告偏好的信息。目前，隐私中心仅面向美国本土PC端用户开放，未来数月内可能将该功能推向其他地区用户和App端。参与试点的用户将能够通过在桌面版Facebook上导航到“设置和隐私”来访问隐私中心。隐私中心保留了之前就有的隐私设置菜单，例如隐私快捷方式和隐私检查。点击这两个菜单可以帮助用户快速进行隐私设置并查看选择项。多年来，Facebook的隐私控制饱受争议，用户想要在其服务界面中作出有利于隐私保护的选择并不容易，迷宫般的菜单和晦涩的措辞，使人们不得不怀疑其在用户数据保护方面的有效性。

2022-02-23

6660

标签:

差分隐私：平衡隐私保护与数据价值的核心技术

一、数据时代的隐私困境与解决方案在大数据驱动的智能时代，政务统计、医疗科研、互联网产品优化等场景都依赖数据的共享与分析，但用户隐私泄露风险始终存在 —— 例如通过人口普查数据反推个人住址、借助医疗病例识别患者身份等，成为解决数据隐私与可用性矛盾的关键技术。二、差分隐私的核心定义与数学原理1. 核心定义差分隐私的本质是：对包含或不包含某个体数据的两个 “相邻数据集”，通过同一算法处理后，输出结果的概率分布差异极小，使得攻击者无法判断该个体是否在数据集中。关键参数解析隐私预算 \( \epsilon \)：衡量隐私保护强度的核心指标。\( \epsilon \) 越小，相邻数据集的输出概率差异越小，隐私保护越强，但数据可用性越低。：多次查询同一数据集会累积隐私泄露风险，需通过 “隐私预算管理” 技术（如分层预算分配）解决；非数值型数据的适配：目前主流机制适用于数值型数据，文本、图像等非数值数据的差分隐私保护仍需进一步研究。

2026-01-14

8090

标签:

腾讯技术创作特训营S17