在開放的同時，蘋果搬出了“次時代隱私策略” 精選

這兩天，想必你已經被 WWDC 的文章刷煩了。
作為一年一次必須“觀看”的科技盛宴，WWDC 其實才進入第三天。一般圍觀羣眾最為關心的開幕已然結束，但在各式各樣的中文總結之中卻有一個蘋果非常強調的詞甚少出現，它就是隱私。

在一系列新隱私做法和策略中還出現了一個全新成員的面孔——Differential Privacy（差分隱私），同時它也可能是目前解決大數據時代下隱私問題的最徹底辦法之一。

新服務、新體驗，背後卻是來自隱私的挑戰


圖片來自 Theinspirationroom

雖説 10 個更新的 iOS 10 仍算不上單次更新最多的 iOS 版本，但是全新人工智能、大數據技術的加入，給蘋果用户帶來了全新的使用體驗。而要達成這些這些功能，首先第一步就是要對用户的數據進行分析。


全新的 Home 應用讓用户能夠遠程在統一的界面對家中的智能家居進行調整，毫不意外的，蘋果對 Home 應用的遠程控制數據也採用了與 Facetime、iMessenger 一樣的端到端加密算法。


接下來照片應用不僅僅擁有原先的相冊功能，同時還加入了深度學習功能。能夠自動根據地點、主題、人、物將照片歸納分組，並且和一些相關資源組合，生成以“回憶合集”。蘋果的做法也很簡單，這部分用户信息的處理和加工全部只在 iPhone 本地完成。

同時蘋果還表示在 Siri、Map 一類的日常服務應用中，不會以“用户個人檔案”的形式進行數據的收集。


之後我們就迎來了本文重點需要討論的“Differential Privacy”，按照字面意思來看，它似乎指的是蘋果在不同的應用中採用了不同的隱私策略，但它實際卻是一種全新的用户數據收集方式，目的是從根本上保證在收集用户數據的同時，保護用户的隱私。

沒錯，聽起來真的就是這麼矛盾。

為了證明這項技術有多麼先進，蘋果的軟件工程高級副總裁 Craig Federighi 還在現場展示了一段來自賓夕法尼亞大學的隱私研究者，Aaron Roth 教授的一段表態：

引用將 Differential Privacy 廣泛的結合進蘋果現有的技術是非常有遠見的，這也讓蘋果再次在隱私方面走在了一眾科技公司的前面。

不被大家注意的“差分隱私”


正如愛範兒（微信號：ifanr）主筆 Odin 在文章中寫道的那樣：蘋果之所以會在 iOS 10 上面打造了這樣一個以“開放”為主線的更新路線，其中最關鍵的可能就是新的關鍵算法——“Differential Privacy（差分隱私）”。
所以 Differential Privacy 究竟是個啥？用蘋果官方給外媒 Wired 的官方回覆來解釋就是：

引用差分隱私會向用户的使用規律片段樣本中添加數學噪聲信息。隨着越來越多人分享同一個使用規律，就會顯現出通用的規律，從而得出可以提升整體用户體驗的方法。

Wired 隨後也給出了自己理解的版本，可能更加通俗易懂一點：

引用這是一種利用概率學原理，在儘可能多地了解一個羣體的情況下不去了解這個羣體內的人。擁有了這項技術的蘋果，能夠利用他們手機和存儲的用户數據反過來了解用户言語、喜好、以及需求。即便是蘋果自己也無法從中得出針對特定個人的數據，這對於黑客、情報組織來説也是一樣的。

到這裏，你肯定還是聽的一頭霧水。所以，不妨讓我再來給你們解釋一些背景信息。


圖片來自 Meetup

數據，是這個時代的一種全新“財產”，你可以通過採集用户的數據進行分析，從而得出他們的行為規律，並且反過來提升用户的使用感受。這也是“體驗至上”時代每個產品的制勝法寶，連蘋果都不例外。
但在被收集數據的時候，實際上用户都是“毫不知情”的（很多時候知道也沒辦法），很信息中哪怕夾雜着大量的隱私信息，也一樣被髮到了雲端。

早在 2007 年，美國德州 Austin 大學的 Arvind Narayanan 和 Vitaly Shmatikov 就進行了一次實驗，他們利用網絡視頻服務商 Netflix 提供經隱私處理的數據，與 IMDB 的數據進行比對，從而最終得出 Netflix 的匿名信息。

這也意味着在大數據技術的幫助之下，哪怕你對用户信息進行了匿名處理，用户的隱私依然無法得到保障。


圖片來自 Lecho

在大數據時代的當下，這些用來反向比對的數據總有辦法獲得。最為明顯的例子就在於害人不淺的撞庫，如果你不習慣每個網站用一個賬號，那麼遲早你會被“盜號”。更不要提安裝人數分分鐘上千萬的各種國產輸入法了，大多數從用户反饋的數據甚至使用明文進行傳輸。

很可惜，蘋果目前也未透露其“差分隱私”技術的細節，同時也只是在 QuickType 鍵盤、表情推薦、Spotlight 深度鏈接推薦進行嘗試。

根據 Microsoft Research 工程師 Cynthia Dwork 和上文中賓夕法尼亞大學 Aaron Roth 教授一起刊發的一份相關論文來看，“Differential Privacy”即便是研究也處於一個非常前沿的狀態：

引用差分隱私目前仍舊只是一個定義，目前我們能夠利用它來測量一個隨機算法的隱私性，而由分類定義錯誤導致的批評我們經常收到。

但在詢問了國內安全、隱私的相關工程人士之後，他給出了對 Differential Privacy 的看法

引用這是一個弱化之後的用户信息收集策略，關鍵在於不能從手機信息裏還原具體是誰，但同時能夠區分是哪一羣體。整體步驟應該包括用户數據的“打碎”，並且降低不同碎片之間的關聯性。

舉個例子：

引用李雷放學之後，在學校門口的第三間書店見到了韓梅梅。然後在書店旁邊的電影院看了《魔獸世界》，最後在和韓梅梅道別之後回到了自己在學校旁邊的家裏。

而蘋果實際收集的數據卻“很有可能”是這樣的：

• 很多人會放學，很多人會在電影院看魔獸，很多人會告別
• 有一些人“放學+看魔獸”
• 有一些人“看魔獸+告別”
• 有一些人“放學+看魔獸+告別”

但是蘋果實際是怎麼從用户的數據裏面來提取這樣的“顆粒”？不知道。這個顆粒如何更新、組合、從而實現統計的有效性？還是需要實際試驗。另外一種可能性在於蘋果會通過收集這些“顆粒”來不斷修正自己的結果。
蘋果在 WWDC 現場提到的“不建立用户檔案”正是其中一個重要的步驟，但如何降低用户數據碎片之間的關聯性？在蘋果選擇公開之前，我們依舊無法得知。

科技巨頭都糾結的問題：隱私 vs 體驗提升

圖片來自Lawyer247

有意思的是，大多數科技公司在有可能侵犯用户隱私的前提下，大量收集用户數據的目的不是出售用户的數據，而是分析用户的使用數據，從而更加了解用户，結合用户的喜好、想法，最終提升用户的使用體驗。

正如微軟中國 CTO 上個月底所説：

引用只要一上網，我們基本上等同於裸奔。只要你掏出手機打開 App，你今天去了哪兒、你的電話號碼是多少、你的實時位置信息……你在手機上進行的一切動作，都被悄無聲息地記錄在冊。

無論是之前的 Google Assitant、還是這次的 Siri，他們都擁有“預測用户接下來想輸入什麼”的能力，要實現這個能力，肯定不是靠人工逐個輸入選項，而是由數據直接分析結果。而分析所用的數據則是從用户那裏採集而來，從而也就將隱私問題拉下了水。
對之前一直都被視為封閉系統典型代表的 iOS 來説，這個問題並不突出，至少蘋果對自己的安全技術有把握、有信心（連 FBI 都搞不定）。但既然選擇了開放，這就為外界獲得用户信息提供了可能。

這個潛在的“隱私危機”，大多企業的選擇都是儘可能，但是對於影響力巨大的蘋果來説，則是最終拍下“開放”按鈕的必須前提。


圖片來自 USNews

從 07 年蘋果發佈一代 iPhone 以來，iOS 一直都被視為封閉系統的典型代表，當然這也有 Android 充當“綠葉”的原因。但實際，蘋果糾結的並不是“要不要開放”，而是“開放”之後可能帶來的安全、穩定性、生態等一系列問題。正如喬布斯自傳中寫道：

引用因為這樣可能會把 iPhone 搞得亂七八糟，感染病毒，或者破壞其完整性。

而在用新方法解決了用户的隱私問題之後，蘋果終於開始嘗試“開放”，雖然不知道“Differential Privacy”這項技術之後是否能夠普及並且惠及人類，但蘋果的吃螃蟹之舉，必將給予科研人士和科技行業以信心和提醒。

最後 Craig Federighi 在 WWDC 上也用一張 Keynote 表明了蘋果的決心：

引用優秀的功能和隱私保護。

資料來源：愛範兒（ifanr）