随着网络通信技术对生活场景的渗透，数据隐私泄露成了当前网络安全最大的难题之一，为保护用户数据隐私，隐私增强技术应运而生。那么，什么是隐私增强技术?分类有哪些?本文将具体介绍。

1.隐私增强技术

隐私增强技术主要指那些增强用户个人信息保护的技术，包括编码、加密、假名和匿名、防火墙、匿名通讯技术等。

2.隐私增强技术分类

(1)同态加密

同态加密能够对加密数据进行计算操作。任何分析的结果都保持加密状态，只有数据所有者才能解密和查看。这种加密方法使企业能够分析云存储中的加密数据，或与第三方共享敏感数据。谷歌已发布了开源库和工具，对加密数据集执行同态加密的操作。

(2)差分隐私

差分隐私将处理过的干扰信息添加到数据集，这样既可以识别数据集中的组模式，同时保持个人的匿名性。这使得庞大数据集可以发布用于公共研究。科技公司也使用差异隐私来分析大量用户数据，并从中获得洞察力。

(3)联合学习

联合学习是一种机器学习技术，它使单个设备或系统能够协同学习共享的预测模型，同时将数据保存在本地。比如说，手机下载当前模型，通过学习手机上的数据来改进该模型，然后仅将汇总后的变更内容上传到集中式模型。之后，变更内容结合其他设备上的更新内容，改进共享的模型。联合学习减少了需存储在集中式服务器或云存储的数据量。谷歌在安卓的Gboard中使用了联合学习。

(4)安全多方计算(SMPC)

安全多方计算(Securemultipartycomputation，简称“SMPC”)是同态加密的一个子领域，将计算分布到诸多系统和多个加密数据源上。这项技术确保任何一方都看不到整个数据集，并限制了任何一方可以获得的信息。OpenMined在其PyGrid对等平台中使用SMPC，用于私密数据科学和联合学习。

(5)合成数据生成(SDG)

合成数据生成(SyntheticDataGeneration，简称“SDG”)是从具有相同统计特征的原始数据集中人工创建的数据。由于SDG数据集可能远大于原始数据集，除了用于人工智能和机器学习外，这项技术还用于测试环境，以减少数据共享和所需的实际数据量。

3.隐私增强技术与隐私设计理论

隐私增强技术与隐私设计理论有共通之处。但两者并不能等同：

第一,性质不同。隐私增强技术是一种纯粹的技术路径,而许多技术都是可以被绕过或攻破的,如匿名化技术就可能被去匿名化技术攻破;[50]而隐私设计理论强调从根本上限制系统入侵隐私的能力,要想规避或攻破这一防御基本上是不可能的或者成本极高。

第二,适用范围不同。隐私增强技术通常只适用于信息通讯技术;而隐私设计理论还适用于商业实践、物理设计和基础设施。

第三,范畴不同。践行隐私设计理论除需要隐私增强技术的支持,还需要隐私默认保护规则、隐私影响评估等其他工具。相比较隐私增强技术,隐私设计理论是一种更为全面、理想的个人信息保护方案。

以上梳理了隐私增强技术的定义、类型及其与隐私设计理论的区别，希望对你有所帮助，如果你想了解更多相关内容，敬请关注三个皮匠报告的行业知识栏目。

本文由@2200 发布于三个皮匠报告网站，未经授权禁止转载。

推荐阅读：

2022年国内隐私计算厂商排名top10

隐私计算技术有哪些?应用在哪些场景或行业?

易观分析：2022年中国隐私计算市场分析(37页).pdf