第二讲笔记：隐私计算助力数据要素流通
1、数据要素流转与数据
2、数据外循环中的信任 焦虑
信任焦虑背后的代表性案例
内鬼门 ： 2023 年 ， 美国科技公司 Ubiquiti在2021年1月曝出数据泄露事 件， “攻击者”在随后的“谈判”中试 图向该企业勒索近200万美元（50比特 币）赎金以换回被盗数据。随着深入调 查发现，该公司员工Sharp才是事后背 后的始作俑者
Facebook剑桥分析数据门：英国剑桥分析 公司获取海量Facebook用户数据，未经用户同 意的情况下将这些数据用于政治广告分析，以支 持2016年唐纳德·特朗普的总统竞选。 • 案发后，扎克伯格表示2014年Facebook平 台就已经不再允许第三方应用获取用户好友 的数据，并于2015年要求相关公司删除数据 并提交了证明。但Facebook没有（也难以） 去确认这些个人数据真的已经被删除 • 2019年7月，美国联邦贸易委员会宣布 Facebook因违反隐私规定，需缴纳50亿美 元的罚款
美国网络影视公司 Netflix：举办 了一个预测算法的比赛 （ Netflix Prize），比赛要求在公开数据上推测用 户的电影评分 ，也做了去标识脱敏处理。但UTAustin研究者关联IMDb互联 网电影数据库后识别了其中的用户身 份。在2010年，Netflix 因为隐私原因 宣布停止比赛，并受到九百万美元高额罚款。
信任焦虑的关键问题之一：数据权属
信任焦虑的解决方案：从主体信任到技术信任
- 控制面：以 区块链/可信计算 为核心支撑技术构建 数据使用权跨域管控层
- 数据面：以 隐私计算 为核心支撑技术构建 密态数联网，包括 密态枢纽 与 密态管道
隐私计算的内涵在扩大
隐私计算需要降低接入门槛
