資料無塵室或可解決兩者衝突

隱私與反壟斷規範的交鋒

這十年來，隱私監理機構一直要求網路平台減少分享使用者資訊。在這方面，歐盟的《一般資料保護規範》（GDPR）目前仍是黃金標準，世界各國與美國加州則陸續跟上。感謝GDPR的存在，隱私保護如今才能發展成一整個研究領域，目前已經可以詳細列出隱私外洩的危害。

但過去幾年，許多解決隱私問題的方法，加上美國在某些理念上的轉變，使得反壟斷對科技界的影響變得更大。在很多層面來說，反壟斷的立場與隱私保護完全相反：它要求科技平台不能把資料鎖在自己家，必須允許其他同業分享這些資料帶來的利益。這樣的要求，會對科技業者產生哪些影響？

兼顧隱私與反壟斷的關鍵要素，似乎不是法律，而是數學。去除個人隱私之後，資料能不能保留某些重要的洞見或結論？這個問題的答案，將影響消費者即將面對的網路未來，包括線上的金融服務。其中一個可能的解決方案稱為「資料無塵室」（Data Clean Rooms），也就是刪除資料中的個人資訊，再進行操作。

對抗性攻擊的資訊理論

隱私的核心問題是，歹徒在現實中有沒有可能還原個人資料。以重建攻擊（Reconstruction Attack）為例，歹徒找到一個已移除個人識別碼的資料庫，獲得每個未命名個體的特徵，然後再跟另一個儲存個人識別碼的資料庫結合起來，就可以得知每個人的完整個資（如表1）。

要防止重建攻擊，管理者就必須混淆特徵，讓每個人的個資難以直接連回識別碼，同時保留整個資料集的統計特徵，用來訓練因果推理或人工智慧。舉例來說，如果是金融交易的資料集，管理者可以在某個百分比範圍內調整金額參數，並將調整數值通知下游使用者。這時總體的平均數並不會改變，但如果這些方法未能奏效，重建攻擊就會成功。

真實世界的多變量資料，又比上述舉例複雜很多。許多攻擊都與創造力（Creativity）有關，攻擊者即使沒有直接存取到變數本身，依然可以利用變數裡面蘊含的資訊。所以資訊理論（Information Theory）把「資訊」定義得更廣，無論變數之間的交互作用，或者變數與現實世界的關係，都算是資訊。這就是差分隱私（Differential Privacy）背後的原理：利用資訊理論背後的數學，就能防止攻擊者從總體資料推算出個別資訊。

在背後的數學基礎下，差分隱私對隱私的解釋，與GDPR有所不同。一般來說，GDPR的「資料匿名」是指資料在混淆之後，完全刪除原始資料庫；如果沒有刪除原始資料庫，在使用混淆資料之前就依然必須獲得使用者許可。但差分隱私不管處理過的資料庫是否公開，甚至不管在使用資料時，原始資料庫是否存在。它對隱私的定義更符合人們私底下共享資料的狀況，畢竟你不太可能真的叫每個使用者完全刪除別人給過你的資料。

網路中心的谷歌

當代的許多隱私問題，都與開創廣告收入模式（Ad Revenue Model）的谷歌有關。谷歌的Chrome是最後一個允許第三方Cookie的主流瀏覽器，也是最容易被GDPR影響使用者體驗的對象。谷歌原本打算逐步淘汰第三方Cookie，卻在今年7月喊卡，顯然是因為衝擊了廣告生態系統。

谷歌多年來一直在開發一種名為Privacy Sandbox的方法，設法直接在使用者的瀏覽器上，運算前述的差分隱私。但來自Privacy Sandbox的資料，在市場上的價值卻降低了。這表示差分隱私內建的一個問題：它以加入雜訊的方式保護個人資訊，這些雜訊不會影響整體資料訓練出來的模型以及推導出的結論；但有可能降低了模型的最終性能或統計效用。

此外，監理機關也發現Privacy Sandbox竟然讓谷歌更能精細掌控使用者資料。英國競爭與市場管理局（Competition and Market Authority）懷疑Privacy Sandbox與招攬廣告的Google Ad Manager兩個工具之間互通有無。美國針對Google Ad Manager的反壟斷訴訟，截至9月中旬也還在繼續。檢方證人在訴訟中主張，購買廣告的人無法從谷歌那裡獲得「紀錄檔等級」（Loglevel data）的使用者足跡，無法獨立於谷歌之外，計算廣告投放的價值。如果這項訴訟成功要求谷歌將銷售與定價分離，個人資料的交易市場可能會成長得更快。

谷歌在審判之前聲稱，如果法院做出對其不利的判決，將「扼殺創新，提高廣告成本，使成千上萬小型企業和出版商更難發展」。沒有任何簡單的方法，能夠直接阻止重建資料，通常需要對現實世界的了解，以及技術和自動化技能的結合。

隱私可以成為價值主張

上述趨勢幾乎都與金融服務業無關。但隨著嵌入式金融（Embedded Finance）的崛起，金融機構也逐漸需要結合科技平台，而且可能需要讓消費者存取自己的金融資料。此外法律通常規定，最初因某目的而蒐集的資料，只要沒有經過使用者額外同意，之後就不能用於其他目的。許多金融機構都受限於這樣的規定，即使是同一公司的不同部門，也都不能共享資料。這顯示無論是資料生產者還是消費者，都需要某種方法，使其能夠安全地交換資料。

半導體產業有一種稱為「無塵室」（Clean Rooms）的無菌空間。目前某些雲端服務商，以及更專業的資料服務業者，都推出了同名的服務。這種服務通常並不便宜，但不會像Privacy Sandbox那樣遇到資料控管問題，而且可能成為繞過上述監理雷區的解方。

世界各地的監理框架，並非每個都像GDPR那麼嚴格；而且個人資訊類型繁多，並非每種資訊都同樣敏感。當然，隨著隱私威脅越來越複雜，重建攻擊之類的問題只會越來越多。許多社交工程（Social Engineering）的攻擊方式，都在利用「創造力」來入侵網路、進行詐欺。當你相信自己的敏感資訊安全地鎖在可信任的機構中，你就會把偷到那些敏感資訊的人全都當成可信任的機構。當這類攻擊逐漸自動化，瞎猜的成本低到趨近於零，就會跑出一大堆歹徒亂槍打鳥，用去除個人識別碼的資訊來釣魚。歹徒甚至還可以結合多個資料庫，提高瞎猜的正確率。

唯有解決這些問題，金融機構才能充分運用雲端運算與雲端儲存的潛力。當代人工智慧試圖盡可能地從每一個資料來源，蒐集最精細的資訊，整理成有用的結果。如果資料能夠集中在某個地方，人工智慧的整理通常就會更容易。當然，為了防止人工智慧侵犯隱私，在進行訓練之前，必須對資料進行充分保密。（本文作者為台灣金融研訓院特聘外籍研究員；譯者為劉維人）