在开放的同时 苹果搬出了“次时代隐私策略

1952105051

　这两天，想必你已经被 WWDC 的文章shua烦了。

　　作为一年一次必须“观看”的科技盛宴，WWDC 其实才进入第三天。一般围观群众最为关心的开幕已然结束，但在各式各样的中文总结之中却有一个苹果非常强调的词甚少出现，它就是隐私。

　　在一系列新隐私做法和策略中还出现了一个全新成员的面孔——Different Privacy（差分隐私），同时它也可能是目前解决大数据时代下隐私问题的最彻底办法之一。

　　新服务、新体验，背后却是来自隐私的挑战

appleprivacy1图片来自 Theinspirationroom
　　虽说 10 个更新的 iOS 10 仍算不上单次更新最多的 iOS 版本，但是全新人工智能、大数据技术的加入，给苹果用户带来了全新的使用体验。而要达成这些这些功能，首先第一步就是要对用户的数据进行分析。

appleprivacy2
　　全新的 Home 应用让用户能够远程在统一的界面对家中的智能家居进行调整，毫不意外的，苹果对 Home 应用的远程控制数据也采用了与 Facetime、iMessenger 一样的端到端加密算法。

appleprivacy3
　　接下来照片应用不仅仅拥有原先的相册功能，同时还加入了深度学习功能。能够自动根据地点、主题、人、物将照片归纳分组，并且和一些相关资源组合，生成以“回忆合集”。苹果的做法也很简单，这部分用户信息的处理和加工全部只在 iPhone 本地完成。

appleprivacy4
　　同时苹果还表示在 Siri、Map 一类的日常服务应用中，不会以“用户个人档案”的形式进行数据的收集。

appleprivacy5
　　之后我们就迎来了本文重点需要讨论的“Different Privacy”，按照字面意思来看，它似乎指的是苹果在不同的应用中采用了不同的隐私策略，但它实际却是一种全新的用户数据收集方式，目的是从根本上保证在收集用户数据的同时，保护用户的隐私。

　　没错，听起来真的就是这么矛盾。

　　为了证明这项技术有多么先进，苹果的软件工程高级副总裁 Craig Federighi 还在现场展示了一段来自宾夕法尼亚大学的隐私研究者，Aaron Roth 教授的一段表态：

将 Different Privacy 广泛的结合进苹果现有的技术是非常有远见的，这也让苹果再次在隐私方面走在了一众科技公司的前面。

　　不被大家注意的“差分隐私”

appleprivacy6
　　正如主笔 Odin 在文章中写道的那样：苹果之所以会在 iOS 10 上面打造了这样一个以“开放”为主线的更新路线，其中最关键的可能就是新的关键算法——“Different Privacy（差分隐私）”。

　　所以 Different Privacy 究竟是个啥？用苹果官方给外媒 Wired 的官方回复来解释就是：

差分隐私会向用户的使用规律片段样本中添加数学噪声信息。随着越来越多人分享同一个使用规律，就会显现出通用的规律，从而得出可以提升整体用户体验的方法。

　　Wired 随后也给出了自己理解的版本，可能更加通俗易懂一点：

这是一种利用概率学原理，在尽可能多地了解一个群体的情况下不去了解这个群体内的人。拥有了这项技术的苹果，能够利用他们手机和存储的用户数据反过来了解用户言语、喜好、以及需求。即便是苹果自己也无法从中得出针对特定个人的数据，这对于黑客、情报组织来说也是一样的。

　　到这里，你肯定还是听的一头雾水。所以，不妨让我再来给你们解释一些背景信息。

appleprivacy7图片来自Meetup
　　数据，是这个时代的一种全新“财产”，你可以通过采集用户的数据进行分析，从而得出他们的行为规律，并且反过来提升用户的使用感受。这也是“体验至上”时代每个产品的制胜法宝，连苹果都不例外。

　　但在被收集数据的时候，实际上用户都是“毫不知情”的（很多时候知道也没办法），很信息中哪怕夹杂着大量的隐私信息，也一样被发到了云端。

　　早在 2007 年，美国德州 Austin 大学的 Arvind Narayanan 和 Vitaly Shmatikov 就进行了一次实验，他们利用网络视频服务商 Netflix 提供经隐私处理的数据，与 IMDB 的数据进行比对，从而最终得出 Netflix 的匿名信息。

　　这也意味着在大数据技术的帮助之下，哪怕你对用户信息进行了匿名处理，用户的隐私依然无法得到保障。

appleprivacy8图片来自Lecho
　　在大数据时代的当下，这些用来反向比对的数据总有办法获得。最为明显的例子就在于害人不浅的撞库，如果你不习惯每个网站用一个账号，那么迟早你会被“盗号”。更不要提安装人数分分钟上千万的各种国产输入法了，大多数从用户反馈的数据甚至使用明文进行传输。

　　很可惜，苹果目前也未透露其“差分隐私”技术的细节，同时也只是在 QuickType 键盘、表情推荐、Spotlight 深度链接推荐进行尝试。

　　根据 Microsoft Research 工程师 Cynthia Dwork 和上文中宾夕法尼亚大学 Aaron Roth 教授一起刊发的一份相关论文来看，“Different Privacy”即便是研究也处于一个非常前沿的状态：

差分隐私目前仍旧只是一个定义，目前我们能够利用它来测量一个随机算法的隐私性，而由分类定义错误导致的批评我们经常收到。

　　但在询问了国内安全、隐私的相关工程人士之后，他给出了对 Different Privacy 的看法

这是一个弱化之后的用户信息收集策略，关键在于不能从手机信息里还原具体是谁，但同时能够区分是哪一群体。整体步骤应该包括用户数据的“打碎”，并且降低不同碎片之间的关联性。

　　举个例子：

李雷放学之后，在学校门口的第三间书店见到了韩梅梅。然后在书店旁边的电影院看了《魔兽世界》，最后在和韩梅梅道别之后回到了自己在学校旁边的家里。

　　而苹果实际收集的数据却“很有可能”是这样的：

很多人会放学，很多人会在电影院看魔兽，很多人会告别
有一些人“放学+看魔兽”
有一些人“看魔兽+告别”
有一些人“放学+看魔兽+告别”
　　但是苹果实际是怎么从用户的数据里面来提取这样的“颗粒”？不知道。这个颗粒如何更新、组合、从而实现统计的有效性？还是需要实际试验。另外一种可能性在于苹果会通过收集这些“颗粒”来不断修正自己的结果。

　　苹果在 WWDC 现场提到的“不建立用户档案”正是其中一个重要的步骤，但如何降低用户数据碎片之间的关联性？在苹果选择公开之前，我们依旧无法得知。

　　科技巨头都纠结的问题：隐私 vs 体验提升