网络聊天不仅仅是为了娱乐或与朋友聊天，它是支撑我们社会的最基本功能，例如物流，政府服务和银行业务。消费者通过即时消息与企业联系并订购外卖，而不是访问实体店，科学会议在虚拟会议平台上举行，远程工作正在成为越来越多行业的新常态。网络上的所有这些都对隐私有影响，隐私保护技术一直是今年讨论最多的话题之一，尽管在某些问题上仍存在分歧，例如使用NeuralHash或队列联合学习。有研究人员发现，苹果公司用于检测iCloud照片中是否存在儿童性虐待材料（CSAM）的NeuralHash算法通过逆向编译存在漏洞，可能被黑客利用；今年年初，谷歌宣布了一个名为FederatedLearningofCohorts(FLoC)的新API，该API有望取代Chrome浏览器上的cookie。FLoC使用机器学习算法来分析用户数据，然后根据个人访问的网站创建人员集合。广告商不会获取用户本地数据，而是直接获取更广泛的人群画像进行广告投放。然而，谷歌的改进招致了很多批评。尽管如此，在线隐私仍在向前发展。比如，苹果曾公开回应称，为了打消用户转移的顾虑，会对Siri进行一些改动。默认情况下，不再保留Siri交互的录音。此外，Android12还有一个安卓私有计算核心（AndroidPrivateComputeCore），维护设备上特定功能的数据处理，比如实时字幕、可查询附近播放的音乐的NowPlaying，以及智能回复（智能回复）等，保护用户隐私；近日，隐私浏览器开发公司BraveSoftware近日宣布与加州大学圣地亚哥分校合作，提出解决方案SugarCoat，该解决方案允许以牺牲网络规模兼容性为代价来改善隐私。SugarCoat通过自动创建跟踪库的隐私保护实现来帮助解决这种隐私兼容性权衡问题。据悉，Brave将于今年第四季度开始向Brave浏览器用户推出SugarCoat生成的脚本，同时还将与流行的内容拦截工具的维护者合作，让这些工具能够增强用户隐私。此外，我们还看到了许多新的私人服务，许多以隐私为中心的公司迈出了他们的第一个货币化步骤，以及iOS和Android上对隐私的强大技术和营销推动。Facebook（现为Meta）也开始为用户提供更多隐私，在WhatsApp中提供端到端加密备份，并从Facebook中完全移除面部识别系统。虽然我们希望2022年成为大流行的最后一年，但我们认为隐私趋势不会逆转。这些过程的后果是什么？在这里，我们就哪些关键力量将在2022年塑造隐私格局提出一些想法。BigTech（大型科技公司）将为人们提供更多工具来保护他们的隐私。今年4月，苹果面临Facebook的强烈反对，强势调整隐私政策实施ATT。AppStore上的所有App都必须遵守这一新政策，意味着App开发者需要征求用户许可才能跟踪用户或访问其设备的IDFA（IdentifierforAdvertising，广告标识）。简而言之，如果应用想要获取和处理苹果用户的数据，就必须获得同意。毫无疑问，这项新政策当然会受到关心个人数据安全和隐私的用户的欢迎，而Facebook则是其最大的对手。如果不能轻易追踪用户行为，Facebook的广告推送就不会那么准确。苹果公司软件工程高级副总裁克雷格·费德里吉曾在8秒内概述了苹果新的隐私政策ATT是什么：ATT让用户可以选择是否要被应用程序和网站跟踪。Facebook今年可谓艰难。一方面，受制于苹果新隐私政策，因各种数据和青少年保护问题，屡屡被美国国会和各行政部门摩擦。另一方面，也在求变。由于公司必须遵守世界各地更严格和更多样化的隐私法规，他们正在为用户提供更多工具来在使用他们的服务时控制他们的隐私。有了更多的设置，有经验的用户或许可以根据自己的需要设置隐私。对于不太懂计算机的人，不要指望默认的隐私设置可以保护您的隐私：即使在法律上有义务默认提供隐私，以数据收集为底线的企业仍会继续寻找漏洞来引诱人们进入隐私较少的选项集向上。随着政府建立自己的数字基础设施，允许更简单和更广泛地访问政府服务，并希望提高透明度和问责制，以及更好地了解和控制其人口，难怪他们对交付的有关本国公民的数据感兴趣大型商业生态系统表现出更大的兴趣。这将导致更多的监管，例如隐私法、数据本地化法，以及对执法部门可以访问哪些数据以及何时访问的更多监管。AppleCSAM扫描隐私难题恰恰表明，一方面要在加密和用户隐私与犯罪行为之间找到平衡是多么困难。近日，中国发布《网络数据安全管理条例(征求意见稿)》，限制数据存储、数据流通、数据使用等数据合规问题。《征求意见稿》紧跟当前网络数据安全管理热点，在数据分类、数据“出海”、大数据熟悉、身份认证、信息泄露举报等方面进行了详细指导。此外，中国还陆续发布了《中华人民共和国网络安全法》《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》。数据保护和机器学习之间的紧张关系一直存在现代机器学习通常需要训练具有数量惊人的参数的庞大神经网络（尽管这不完全正确，可以将这些参数视为大脑中的神经元），有时达到数十亿的数量级。由于这一点，神经网络不仅可以学习简单的关系，还可以记住整个数据块，这可能会导致隐私数据和受版权保护的材料泄露或导致社会偏见。此外，这还引出了一个有趣的法律问题：如果机器学习模型是使用我的数据训练的，我是否可以（例如，根据GDPR）要求消除我的数据对模型的所有影响？如果答案是肯定的，这对数据驱动的行业意味着什么？一个简单的答案是，公司必须从头开始重新训练模型，这有时可能代价高昂。这就是为什么我们期待更多有趣的发展，无论是在防止记忆的技术方面，还是在使研究人员能够从经过训练的系统中删除数据的技术方面。机器学习算法的透明度是一把双刃剑复杂的算法，例如机器学习，越来越多地影响我们的决策，从信用评分到面部识别再到广告。随着大数据、云计算、人工智能等技术的叠加发展，人工智能伦理和算法公平性问题逐渐受到关注。大数据获取、电商平台付费搜索排名、个人信息精准计算导致的算法歧视、短视频以及游戏行业的“沉迷”机制等问题逐渐引起社会广泛关注。公众意识到，“算法”不仅被用来刻画消费者的喜好，还参与劳动秩序和规则的制定，在一定程度上参与社会治理。因此，“算法”是否公平，不仅是某个平台和企业的内部管理问题，还涉及公共利益。虽然有些人可能喜欢个性化，但对其他人来说，它可能会导致令人沮丧的经历和歧视。想象一下，一家在线商店根据一些模糊的LTV（生命周期价值）预测算法将其用户分为价值高低的用户，并为更有价值的用户提供实时客户支持聊天，而幸运的用户只剩下聊天机器人远非完美个人和企业隐私问题仍将存在随着疫情的发展，企业纷纷发布远程办公举措，尤其是高科技企业更是如此，现在Facebook、Twitter、Okta、Box等科技企业纷纷宣布更持久的范式转向混合工作。“在家”办公期间，企业日常运营、核心会议及相关决策等，将高度依赖第三方办公平台。一旦选择的平台存在风险，公司的商业秘密和关键信息可能会被泄露，严重时会危及公司生存和发展的生命线。企业在远程办公时最担心的问题是关键数据库内容可能会丢失或被不法分子窃取，从而导致用户数据、运营决策和商业机密泄露等严重的隐私问题。从员工的角度来看，他们在家里的一举一动都被跟踪，这似乎侵犯了他们的隐私。为了应对远程工作，员工被戴上“数字枷锁”。当人们在家工作时，使用摄像头监控他们的工作可能会出现很大问题。摄像头可能会捕捉到员工家庭成员或共同居住者的图像，这意味着他们的隐私受到侵犯。一些公司使用人工智能和算法等工具来跟踪员工及其全天所做的事情，甚至使用面部识别来确保员工确实坐在办公桌前。本文翻译自：https://securelist.com/privacy-predictions-2022/104912/
