- 综合排序
- 最热优先
- 最新优先
- 来自专栏Android 开发者
Android 10 中身体活动数据的隐私保护
Android 10 在数据可控性方面又作了进一步优化，提高了用户对此类个人数据的控制权，而其中的一项关键变更则会对应用的活动监测和数据检索方式造成影响，要求 Android 应用依照新规定来监测用户的身体活动并从 Android 10 中的身体活动识别权限 Android 10 针对活动识别引入了全新的运行时权限。 ) 或 History API (历史数据） 如果您的应用仅使用由其它内置传感器提供的原始数据，例如加速传感器和陀螺仪，则无需在应用中声明此项新权限。 如果您的应用此前已经请求过旧版本权限，那么当用户升级至 Android 10 后，系统将自动向您的应用授予新权限。 如果您的应用以 Android 10 为目标平台，请您为应用请求 ACTIVITY_RECOGNITION 权限并采用新的权限模式，以符合新的政策要求。
2.2K10发布于 2019-12-03 - 来自专栏林德熙的博客
win10 uwp 隐私声明
#隐私政策 本软件指 UWP 简体翻译转换 软件（以下称本软件）。 本软件重视用户隐私，本软件尊重并保护所有使用服务用户的个人隐私权。 本软件会不时更新本隐私权政策。您在同意本软件服务使用协议之时，即视为您已经同意本隐私权政策全部内容。本隐私权政策属于本软件服务使用协议不可分割的一部分。 ##1. 在您使用本软件网络服务，或访问本软件平台网页时，本软件自动接收并记录的您的浏览器和计算机上的信息，包括但不限于您的IP地址、浏览器的类型、使用的语言、访问日期和时间、软硬件特征信息及您需求的网页记录等数据 ； 本软件通过合法途径从商业伙伴处取得的用户个人数据。 您了解并同意，以下信息不适用本隐私权政策： 您在使用本软件平台提供的搜索服务时输入的关键字信息； 本软件收集到的您在本软件发布的有关信息数据，包括但不限于参与活动、成交信息及评价详情； 违反法律规定或违反本软件规则行为及本软件已对您采取的措施
66810发布于 2018-09-18 - 来自专栏PPV课数据科学社区
隐私遇上大数据，各国大数据隐私保护情况分析
当大数据使人们的生活变得愈加方便快捷的同时，一些人也在担忧隐私的泄露。 一.大数据与隐私的碰撞 大数据迅速的发展正面临着与人们对隐私保护需求的碰撞，这一问题在美国尤为突出。 那么通过了解美国在大数据时代，如何在法律、社会方面对隐私权进行保护，和一些相关探讨，我们可以学到一些在隐私与大数据方面的权衡之道。 四.对于大数据隐私的保护是否正确？ 对于隐私权的保护必然在一定程度上会阻碍数据的获取并限制数据的使用，从而阻碍大数据的应用与发展。随着大数据的发展，信息获取与隐私权益的冲突愈演愈烈。 无论侧重点如何，大多数探讨都得到了一个较为中庸的结论，即立法者应当权衡隐私与大数据带来的价值，在大数据发展的同时，同样应当大力发展对大数据使用的监管技术以及大数据自身对个人隐私的保护能力。 在大数据与隐私的发展道路中，我国可以借鉴美国的探讨而未雨绸缪，在大数据滥用成灾之前以权衡大数据发展与隐私保护的前提下对其进行有效监督与控制，使大数据在健康的道路上得以发展。
1.8K60发布于 2018-04-20 - 来自专栏AI科技大本营的专栏
隐私数据在隐私AI框架中的安全流动
作者 | Rosetta技术团队 责编 | 晋兆雨 出品 | AI科技大本营 本文中，我们将介绍为了保护用户的隐私数据，在隐私 AI 框架的计算任务全流程中，数据是如何以密文形式流动，同时仍正确完成加法 隐私 AI 系统存在的目的就是赋能 AI，使得各种 AI场景下对用户隐私数据的使用都是安全的。 不能简单的认为只需要各方先在本地自己的数据上计算出一个模型，然后将模型结果交换一下 计算下其模型参数的平均值，就不会泄露各方的隐私数据了。 下面我们就结合具体案例看的看下在 Rosetta中隐私数据是如何得到安全保护的。 案例 Alice,Bob和 Charley三人最近需要在他们的 AI系统中引入对数据的隐私保护能力。 隐私数据的输入 隐私计算问题，首先要解决的是隐私数据的输入。
2.5K50发布于 2020-11-06 - 来自专栏企鹅号快讯
大数据分析所面临的10个最重要的隐私风险
以下是10个最重要的隐私风险。 1、隐私漏洞和尴尬 由于大数据分析的结果，企业和其他组织采取的行动可能会侵犯相关人员的隐私，导致尴尬甚至失去工作。 组织必须建立有效的政策、程序和程序，以确保隐私得到保护。由于大数据分析是如此的新，大多数组织没有意识到存在风险，所以他们使用数据屏蔽的方式可能会侵犯隐私。 没有法律要求保护隐私。 10、使专利和版权变得无关紧要 人们担心，大数据可能会使专利更难获得，因为专利办公室将无法验证提交的专利是否是唯一的，因为在越来越多的大数据存储库中，有太多数据需要检查。 总结如下: 1)在大数据分析策略的规划阶段，考虑至少10个隐私风险; 2)建立大数据分析和使用的职责、责任、政策和程序;和 3)将隐私和安全控制纳入相关的流程，然后才真正将其投入商业使用。
1.3K100发布于 2018-01-08 - 来自专栏企业数据化管理变革
数据安全与隐私保护
安全隐私.jpg 数据安全自古有之，并不是一个全新的概念。冷兵器时代的战争就非常关注情报，通过情报可以了解竞争对手的强项和弱项，从而制定制敌的方法和手段。 而数据保护就是针对这个情报采取的保护措施，确保自身的情报不被泄漏。但随着数据技术的发展，保密工作越来越难，数据安全包括个人隐私问题也是一个非常具有争议的话题。 有些网站比较重视保护个人隐私，会自动删除上传照片的EXIF信息，大数网站只会对照片进行压缩处理，这就容易导致个人信息泄漏。 绝密级别的数据一般仅限少数人能够访问，比如公司的产品技术数据、客户报价数据、采购报价数据等；机密数据是仅限公司部分级别人员或者职能部门可以访问的数据，比如薪酬数据、个人信息数据、公司财务数据和订单数据等 如果担心数据泄漏而拒绝开放数据，让数据在服务器的硬盘里“睡觉”，那么企业将永远无法获得数据价值，反而让数据等待着被盗走。
3.9K20发布于 2020-05-26 - 来自专栏ThoughtWorks
如何保护数据平台的隐私数据？
本文先简要介绍一下隐私数据保护基本知识，然后再介绍在数据平台中不同场景下应用对应的数据保护措施。 为什么需要保护隐私数据? 处理个人数据的私密和安全非常重要，原因有两个。一是遵守数据隐私法律和规定。 此外我们还可以基于一些隐私扫描工具来检测数据中可能存在的隐私风险，比如微软开源的Microsoft Presidio。甚至云厂商们都不断推出隐私数据保护相关的安全产品来识别隐私数据的合规性风险。 怎么保护隐私数据？ 对于保护隐私数据的关键技术有数据脱敏、匿名化，此外还有隐私计算和数据合成。 数据仓库里就可以通过不同数据域隐私信息的哈希值进行数据关联，获取来源于各个数据域的共享数据（Payload）。 总结 个人隐私数据受到法律法规的保护，企业越来越关注对个人隐私数据的处理。 在数据平台隐私数据保护实践中，数据脱敏用于避免暴露隐私数据给大部分数据消费者，数据加密技术用于分享隐私数据给可信方，最后数据哈希技术用于跨数据域的隐私数据关联场景。
1.2K20编辑于 2023-09-18 高度隐私的医疗文件泄露 看数据销毁保护隐私
由于该文件与张雪峰的抢救事件直接相关，其泄露导致原本应受到严格保护的患者隐私被置于公众视野之下，引发了广泛讨论。 法律依据与现实困境相关法律规定：患者的病历等医疗信息属于个人隐私范畴，受到法律的严格保护。《中华人民共和国基本医疗卫生与健康促进法》明确规定，医疗卫生机构及其工作人员有义务保护患者的隐私。 《民法典》也规定，医疗机构及其医务人员应当对患者的隐私和个人信息予以保密，泄露者需承担相应的侵权责任。泄露事件反映的现实问题：尽管法律对保护患者隐私做出了明确规定，但患者隐私泄露事件仍屡见不鲜。 此次事件再次引发了公众对医疗机构信息安全管理和患者隐私权保护问题的关注与深入讨论。
27620编辑于 2026-03-25- 来自专栏机器之心
为数据而生，为隐私而战：隐私计算产业加速崛起
隐私计算技术发展情况 隐私计算是隐私保护计算（Privacy-preserving Computation）的简称，它能够在保证数据提供方不泄露原始数据的前提下，对数据进行分析、处理和使用，是一个广义的概念 根据 Gartner《2022 隐私技术成熟度曲线》报告，预计未来 5-10 年隐私计算技术会被大规模商业化应用，到 2025 年 60% 以上的大型组织将在数据分析、商业智能或云计算中使用一种或多种隐私计算技术 腾讯 腾讯早在 2009 年便自主研发大数据处理平台， 2015 年发布高性能计算框架 Angel，支持 10 亿维度的算法训练和非结构化数据处理，被广泛用于微信支付、QQ、腾讯视频等业务。 ，已发表近 10 篇隐私计算研究论文，提交了 60 多件隐私计算技术发明专利申请，有多个商用隐私计算和联邦学习的平台产品目前已经通过腾讯云对外开放。 参考资料 Gartner《2022 年新兴技术成熟度曲线》 中国信息通信研究院《隐私计算白皮书（2022年）》 《网络安全技术和产业动态》2022年第10期，总第28期 CB Insights China
86150编辑于 2023-05-16 - 来自专栏FreeBuf
Debotnet：一款针对Windows10隐私设置和数据的保护工具
Debotnet Debotnet是一款针对Windows10隐私设置和数据的保护工具，Debotnet本质上是一个免费的可移植工具，它可以帮助我们控制和管理Windows 10中跟隐私相关的配置，并保证用户的个人数据安全性 实际上，如果你想要保护你的隐私数据时，你就会发现Windows10的默认隐私设置还是有很多可以改进的地方。 每当我们在为家庭或工作环境设置新的电脑或更新当前设置时，我们总是需要花时间去仔细检查安装配置过程中的每一个隐私设置，并尽可能地确保我们的隐私信息得到最好的安全保护。 在保护用户隐私信息上，Windows 10还是存在很多不足之处的，因为系统内嵌入了很多遥测功能和在线功能，这些功能会将用户的数据（无论敏感或是不敏感的数据）发送给微软，而且这些功能还无法被禁用，这也就意味着微软能够做到以下几件事情 功能介绍 禁用那些会将用户数据发送给微软的Windows遥测和在线功能； 选择需要禁用的功能； Dobotnet能够显示所有配置信息，允许用户实现完整控制； 简单的脚本引擎，允许用户添加自定义隐私规则；
1.2K20发布于 2020-09-14 隐私数据计算技术解析
隐私数据计算当今最具创新性的数据驱动产品和解决方案往往需要处理隐私数据。如何在使用敏感数据的同时保护数据主体、所有者或用户的隐私信息不被泄露，成为一个关键问题。 两种隐私保护技术安全多方计算(MPC)MPC允许多方在不公开各自私有数据的情况下，共同计算一个涉及所有数据的功能。 差分隐私(DP)DP通过统计和算法技术发布数据集的聚合功能，同时保护数据贡献者与数据项之间的关联关系。 核心特点包括：通过添加噪声保护隐私隐私参数ε控制噪声量级（ε越小隐私性越强但准确性越低）输出为随机变量典型案例：选举预测调查中，受访者通过随机响应机制提供扰动后的答案，既保护个人真实选择又能统计总体倾向 ：使用MPC计算差分隐私近似函数，既能获得MPC的输入保护，又能享有DP的抗辅助信息攻击特性。
36800编辑于 2025-08-18- 来自专栏FreeBuf
Facebook推出“隐私中心”，教育用户了解数据收集和隐私选项
该公司发布的新闻稿中说：“隐私中心主要由五大板块组成，分别是共享、安全、数据收集、使用和广告。” 安全：将提供对常用工具的轻松访问，例如帐户安全设置和双因素身份验证。 数据收集和使用：使用户快速了解Meta收集的数据类型，并了解其使用的方式和原因。 广告：将提供有关用户广告偏好的信息。 目前，隐私中心仅面向美国本土PC端用户开放，未来数月内可能将该功能推向其他地区用户和App端。参与试点的用户将能够通过在桌面版Facebook上导航到“设置和隐私”来访问隐私中心。 隐私中心保留了之前就有的隐私设置菜单，例如隐私快捷方式和隐私检查。点击这两个菜单可以帮助用户快速进行隐私设置并查看选择项。 多年来，Facebook的隐私控制饱受争议，用户想要在其服务界面中作出有利于隐私保护的选择并不容易，迷宫般的菜单和晦涩的措辞，使人们不得不怀疑其在用户数据保护方面的有效性。
60720编辑于 2022-02-23 - 来自专栏日常活动篇
差分隐私：平衡隐私保护与数据价值的核心技术
概率松弛项 \( \delta \)：允许隐私保护失败的极小概率（通常设置为 \( 10^{-6} \) 量级，远小于数据集大小的倒数），用于平衡隐私与可用性。 示例：社区收入统计的隐私保护假设某社区有 10 位居民的月收入数据（单位：元）：\( D = [8000, 9500, 7200, 12000, 8800, 9200, 10500, 7800, 9000 步骤 1：计算真实查询结果真实平均收入 = \( (8000+9500+...+8500)/10 = 9050 \) 元。 示例：APP 用户点击行为统计某 APP 需统计 100 万用户对某功能的点击次数（真实点击量为 356800 次），要求满足 \( (\epsilon=1, \delta=10^{-6}) \) 差分隐私 ：多次查询同一数据集会累积隐私泄露风险，需通过 “隐私预算管理” 技术（如分层预算分配）解决；非数值型数据的适配：目前主流机制适用于数值型数据，文本、图像等非数值数据的差分隐私保护仍需进一步研究。
42030编辑于 2026-01-14 数字隐私与数据安全：推销电话背后的隐私泄露风险
你被骚扰的同时，个人隐私也在悄悄流失。 大数据与人工智能：隐私泄露的幕后推手 如今，随着大数据和人工智能技术的普及，个人信息的收集和分析变得更加精准和广泛。 这些技术让我们享受到个性化的推荐和服务，但也意味着我们的隐私更加暴露。 数据滥用与隐私泄露 如今，许多公司都在使用大数据来分析消费者的行为和偏好。 这些隐私泄露的风险往往超出了我们想象。 算法偏见：隐私泄露之外的伦理问题 除了数据滥用，人工智能和大数据的使用还带来了算法偏见的问题。 如何防止隐私泄露，保护个人数据 面对越来越严重的隐私泄露问题，作为消费者的我们，应该如何保护自己的个人信息呢？以下是一些可以帮助你减少隐私泄露风险的建议： 1. 隐私设置是我们主动保护个人数据的第一步，合理设置这些权限，能有效减少隐私泄露的风险。 5. 选择注重隐私保护的服务平台 在选择服务平台时，优先选择那些在隐私保护方面有明确规定和措施的公司。
34210编辑于 2025-07-04- 来自专栏腾讯高校合作
Wiztalk | 刘哲理 Part 1 《隐私集合交集算法：追踪广告效果&保护用户隐私—大数据隐私保护》
隐私集合交集算法：追踪广告效果&保护用户隐私 Part 1 大数据隐私保护 分享专家： 南开大学 刘哲理教授 内容简介： 随着云计算和大数据能力的增强，我们已经步入了一个基于智能的方法，挖掘数据价值的时代 在有效地利用数据下，智能科技确实给我们带来了不少便利，但数据的滥用也有可能侵犯我们的隐私。今天南开大学的刘哲理教授将给我们讲讲大数据下如何进行隐私的保护。 阅读原文”或打开“哔哩哔哩” 搜索关注“Wiztalk”， 一起开启科普知识分享“新视界”~ ---- — 关于Wiztalk — Wiztalk是腾讯高校合作团队打造的一个短视频知识分享系列，每集10
1.4K40发布于 2021-03-30 - 来自专栏大数据文摘
美国调查显示未来10年公众或逐渐放弃隐私
点击标题下「大数据文摘」可快捷关注 美国皮尤互联网项目本周四发布了关于未来隐私状况的调查报告。 未来10年，用户分享的个人信息将会越来越多。目前，所有在线购物、搜索引擎搜索、位置签到、电子邮件收发和社交网络内容发布都意味着我们再一次放弃自己的信息，而科技公司和数据掮客将会收集这些数据。 而如果说发生了规模更大的“隐私战争”，那么将会是由重大事故引发的，一些分析师将这样的事故称作“隐私保护的切尔诺贝利事件”。 而目前，许多用户才刚刚意识到他们个人数据的价值。 不过，即使政府可以利用这些数据去监控普通人，而企业可以利用这些信息去谋利，但许多用户对此并不介意。在皮尤的这项调查中，少数专家认为，潜在的利益将使用户愿意做这样的交易。 微软研究科学家丹纳·博伊德(Danah Boyd)表示：“我预计，未来10年，安全和隐私的发展将带来血腥的混乱，受困于肮脏的政治和企业的贪婪。” 作/译者：李丽 摘自：新浪科技
97750发布于 2018-05-23 - 来自专栏我是极客人
保护日志中的用户隐私数据
2019年度“315”晚会人工智能拨打骚扰电话的情节，让大众了解到在信息时代，保护个人隐私的重要性。本篇文章分享了在日志记录中保护用户隐私数据的几个最佳实践。 首先：确定什么是隐私数据 在我们深入讨论怎样避免个人隐私数据出现在日志之前，我们来界定什么是隐私数据： 个人可标识数据（PII）：如社会安全号码，数据组合（如名字+出生日期或姓氏+邮政编码）或用户生成的数据 健康信息 财务数据（如信用卡号） 密码 IP地址：IP地址也有可能是个人隐私数据，尤其是与个人可标识数据与其有某种绑定关系。 一、解耦隐私字段 处理隐私数据时，应尽量减少系统使用这些数据的频率。比如在数据库表设计时，使用电子邮件地址Email，或者极端一点的例子，使用身份证号码（下称PID）来作为“用户”表的主键。 选项2.将敏感值作为POST的数据传递 与上面数据库解耦隐私字段一样，这些问题在API或数据库设计早期就需要考虑，否则可能后期需要花大量的工作来进行重构。
1.8K31发布于 2019-05-06 - 来自专栏AI SPPECH
大模型与数据隐私保护_01
大模型时代的数据隐私挑战 1.1 数据隐私的重要性 数据隐私是指个人或组织对其数据的控制权，包括决定何时、如何、在何种程度上共享其信息的权利。 logging_dir=os.path.join(self.output_dir, 'logs'), logging_steps=self.config.get('logging_steps', 10 target_epsilon: # 二分法寻找合适的噪声乘数 low, high = noise_multiplier, noise_multiplier * 10 for _ in range(10): mid = (low + high) / 2 accountant.history 美国《人工智能权利法案》（Blueprint for an AI Bill of Rights）：2022年10月发布，为AI系统的设计、使用和部署提供了指导原则，包括安全与有效、算法歧视保护、数据隐私
65210编辑于 2025-11-13 - 来自专栏AI SPPECH
大模型与数据隐私保护_02
本文将深入探讨大模型与数据隐私保护的关系，分析大模型应用中面临的数据隐私风险，介绍主流的数据隐私保护技术，并探讨未来的发展趋势和应对策略，为企业和个人在大模型时代的数据隐私保护提供参考。 大模型与数据隐私的矛盾 大模型的发展与数据隐私保护之间存在着一定的矛盾： 数据需求与隐私保护的矛盾：大模型需要大量数据进行训练和优化，而数据收集和使用可能侵犯个人隐私 模型性能与隐私保护的矛盾：增强隐私保护措施 self.layers(x) # 训练函数 def train_model(model, train_loader, val_loader, criterion, optimizer, num_epochs=10 （10000个样本，50个特征，10个类别） X = np.random.randn(10000, 50) y = np.random.randint(0, 10, size=10000 False) # 定义模型、损失函数和优化器 input_dim = X_train.shape[1] hidden_dim = 128 output_dim = 10
65010编辑于 2025-11-13 - 来自专栏喔家ArchiSelf
从隐私到隐私计算
隐私的挑战是在完全公开的数据和完全保留的数据之间找到平衡。当原始数据完全共享时，它的实用性最大，但隐私性最小; 当不披露任何信息时，隐私性最大，但实用性有限。 隐私保护的技术 4.1 匿名技术 传统方法，如随机化，数据乱序和数据变换已经能够在一定程度上保护隐私，但数据公开的风险仍然存在。匿名技术是一种保护隐私的技术，它克服了传统方法的局限性。 而家庭教育权利和隐私法案为保护学生及其家庭的个人信息制定了标准。建议 k 的值为5或10，以防止披露。这显示了在选择 k 时的不同。 K 的选择是根据这些管理授权对应用程序进行预定义的。 据报道，苹果在 MacOS 中使用 ε = 6，甚至在 iOS 10 beta 版本中使用了 ε = 43，而在谷歌在chrome中的 ε 为9。 隐私计算 一般地， 对隐私计算有不同的理解。一种是隐私计算是隐私保护的一部分，为了实现隐私保护而采用的技术。另一种是对隐私保护的数据进行计算，侧重在隐私数据应用的层面。
1.4K30编辑于 2022-12-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号