Facebook解釋如何在為用戶提供廣告的同時(shí)保護(hù)其隱私

今年早些時(shí)候，我們解釋了Google計(jì)劃如何使用群組聯(lián)合學(xué)習(xí)（Federated Learning of Cohorts，F(xiàn)LoC）技術(shù)來(lái)防止個(gè)人追蹤，同時(shí)仍然為你提供關(guān)聯(lián)性強(qiáng)的廣告。然而，就在一個(gè)多月前，它宣布推遲這一舉措，部分原因是該公司收到了大量的反對(duì)聲音。

也就是說(shuō)，大型科技組織仍在為保護(hù)隱私的數(shù)據(jù)收集方法投入大量精力?，F(xiàn)在，F(xiàn)acebook透露了更多關(guān)于它計(jì)劃如何使用隱私增強(qiáng)技術(shù)（PETs）來(lái)推動(dòng)下一代數(shù)字廣告的細(xì)節(jié)。

Facebook表示，它正在使用基于密碼學(xué)和統(tǒng)計(jì)學(xué)的技術(shù)來(lái)實(shí)現(xiàn)PETs，使其能夠減少數(shù)據(jù)處理量，同時(shí)保留你的隱私、廣告準(zhǔn)確性和個(gè)性化偏好。該公司描述了它在PETs工作中正在測(cè)試的三種方法。

第一種是安全的多方計(jì)算（MPC），它允許多個(gè)組織處理部分用戶數(shù)據(jù)，然后相互分享見(jiàn)解。這基本上意味著沒(méi)有任何一方可以持有完整的用戶數(shù)據(jù)，因此了解它們的可能性會(huì)減少。這方面的一個(gè)例子是，一個(gè)組織持有你所看到的廣告信息，而另一個(gè)組織則看到你所購(gòu)買(mǎi)的信息。MPC將確保這兩個(gè)利益相關(guān)者獲得他們所需要的數(shù)據(jù)，而不會(huì)獲得你的全部數(shù)據(jù)。Facebook正在使用一個(gè)名為Private Lift Measurement的解決方案，基于其在GitHub上的開(kāi)源框架進(jìn)行MPC工作，預(yù)計(jì)明年將向廣告商提供這一解決方案。

接下來(lái)是設(shè)備上的機(jī)器學(xué)習(xí)，確保算法在個(gè)人設(shè)備范圍內(nèi)學(xué)習(xí)，而不把數(shù)據(jù)發(fā)送到任何外部身份、云或遠(yuǎn)程服務(wù)器。這項(xiàng)技術(shù)仍在評(píng)估中，如果成功的話，F(xiàn)acebook希望它能隨著時(shí)間的推移而改進(jìn)。

最后，F(xiàn)acebook計(jì)劃引入差異化的隱私設(shè)定，實(shí)際上是對(duì)現(xiàn)有PET的一種補(bǔ)充。該公司將其描述為：

差別化隱私的工作原理是將精心計(jì)算的"噪音"加入數(shù)據(jù)集。例如，如果有118人在點(diǎn)擊廣告后購(gòu)買(mǎi)了一個(gè)產(chǎn)品，差分隱私系統(tǒng)將從這個(gè)數(shù)字中增加或減少一個(gè)隨機(jī)量。因此，使用該系統(tǒng)的人看到的不是118，而是120或114這樣的數(shù)字。

添加這一小段隨機(jī)的不正確信息，就很難知道誰(shuí)在點(diǎn)擊廣告后真正購(gòu)買(mǎi)了產(chǎn)品，即使有很多其他數(shù)據(jù)也無(wú)法將跟蹤繼續(xù)下去。因此，這種技術(shù)經(jīng)常被用于為公共研究而發(fā)布的大型數(shù)據(jù)集。

Facebook強(qiáng)調(diào)這些都是長(zhǎng)期的努力，它將定期分享更多關(guān)于其進(jìn)展的信息。