Preifatrwydd gwahaniaethol: Sŵn gwyn seiberddiogelwch

• Awdur:
• enw awdur

  Rhagolwg Quantumrun
• Rhagfyr 17, 2021

Crynodeb mewnwelediad

Mae preifatrwydd gwahaniaethol, dull sy'n cyflwyno lefel o ansicrwydd i ddiogelu data defnyddwyr, yn trawsnewid y ffordd y caiff data ei drin ar draws amrywiol sectorau. Mae'r dull hwn yn caniatáu ar gyfer echdynnu gwybodaeth hanfodol heb beryglu manylion personol, gan arwain at newid posibl mewn perchnogaeth data lle mae gan unigolion fwy o reolaeth dros eu gwybodaeth. Gallai mabwysiadu preifatrwydd gwahaniaethol gael goblygiadau eang, o ail-lunio deddfwriaeth a hyrwyddo cynrychiolaeth deg mewn penderfyniadau sy’n cael eu gyrru gan ddata, i ysgogi arloesedd mewn gwyddor data a chreu cyfleoedd newydd ym maes seiberddiogelwch.

Cyd-destun preifatrwydd gwahaniaethol

Mae seilweithiau cyfredol yn rhedeg ar ddata mawr, sef setiau mawr o ddata a ddefnyddir gan lywodraethau, ymchwilwyr academaidd, a dadansoddwyr data i ddarganfod patrymau a fydd yn eu helpu wrth wneud penderfyniadau strategol. Fodd bynnag, anaml y mae'r systemau'n ystyried y peryglon posibl i breifatrwydd ac amddiffyniad defnyddwyr. Er enghraifft, mae cwmnïau technoleg mawr fel Facebook, Google, Apple, ac Amazon yn hysbys am dorri data a all gael canlyniadau niweidiol ar ddata defnyddwyr mewn lleoliadau lluosog, megis ysbytai, banciau, a sefydliadau'r llywodraeth. 

Am y rhesymau hyn, mae gwyddonwyr cyfrifiadurol yn canolbwyntio ar ddatblygu system newydd ar gyfer storio data nad yw'n torri preifatrwydd defnyddwyr. Mae preifatrwydd gwahaniaethol yn ddull newydd o ddiogelu data defnyddwyr sy'n cael ei storio ar y rhyngrwyd. Mae'n gweithio trwy gyflwyno lefelau penodol o dynnu sylw neu sŵn gwyn i'r broses casglu data, gan atal olrhain data defnyddiwr yn gywir. Mae'r dull hwnnw'n darparu'r holl ddata hanfodol i gorfforaethau heb ddatgelu gwybodaeth bersonol.

Mae'r mathemateg ar gyfer preifatrwydd gwahaniaethol wedi bod o gwmpas ers y 2010s, ac mae Apple a Google eisoes wedi mabwysiadu'r dull hwn yn ystod y blynyddoedd diwethaf. Mae gwyddonwyr yn hyfforddi algorithmau i ychwanegu canran hysbys o debygolrwydd anghywir at y set ddata fel na all neb olrhain gwybodaeth i ddefnyddiwr. Yna, gall algorithm dynnu'n hawdd y tebygolrwydd o gael y data gwirioneddol tra'n cynnal anhysbysrwydd defnyddwyr. Gall gweithgynhyrchwyr naill ai osod preifatrwydd gwahaniaethol lleol i mewn i ddyfais defnyddiwr neu ei ychwanegu fel preifatrwydd gwahaniaethol canolog ar ôl casglu data. Fodd bynnag, mae preifatrwydd gwahaniaethol canolog yn dal i fod mewn perygl o doriadau yn y ffynhonnell. 

Effaith aflonyddgar

Wrth i fwy o bobl ddod yn ymwybodol o breifatrwydd gwahaniaethol, efallai y byddant yn mynnu mwy o reolaeth dros eu data, gan arwain at newid yn y ffordd y mae cwmnïau technoleg yn trin gwybodaeth defnyddwyr. Er enghraifft, efallai y bydd gan unigolion yr opsiwn i addasu lefel y preifatrwydd y maent ei eisiau ar gyfer eu data, gan ganiatáu iddynt gydbwyso rhwng gwasanaethau personol a phreifatrwydd. Gallai’r duedd hon arwain at gyfnod newydd o berchnogaeth data, lle mae unigolion yn cael dweud eu dweud ynghylch sut y defnyddir eu data, gan feithrin ymdeimlad o ymddiriedaeth a diogelwch yn y byd digidol.

Wrth i ddefnyddwyr ddod yn fwy ymwybodol o breifatrwydd, gallai busnesau sy'n blaenoriaethu diogelu data ddenu mwy o gwsmeriaid. Fodd bynnag, mae hyn hefyd yn golygu y bydd angen i gwmnïau fuddsoddi mewn datblygu systemau preifatrwydd gwahaniaethol, a allai fod yn dasg sylweddol. At hynny, efallai y bydd angen i gwmnïau lywio tirwedd gymhleth cyfreithiau preifatrwydd rhyngwladol, a allai arwain at ddatblygu modelau preifatrwydd hyblyg y gellir eu haddasu i wahanol awdurdodaethau.

Ar ochr y llywodraeth, gallai preifatrwydd gwahaniaethol chwyldroi sut mae data cyhoeddus yn cael ei drin. Er enghraifft, gallai defnyddio preifatrwydd gwahaniaethol wrth gasglu data cyfrifiad sicrhau preifatrwydd dinasyddion tra’n parhau i ddarparu data ystadegol cywir ar gyfer llunio polisïau. Fodd bynnag, efallai y bydd angen i lywodraethau sefydlu rheoliadau a safonau clir ar gyfer preifatrwydd gwahaniaethol i sicrhau ei fod yn cael ei weithredu'n briodol. Gallai’r datblygiad hwn arwain at ddull sy’n canolbwyntio mwy ar breifatrwydd o reoli data cyhoeddus, gan hyrwyddo tryloywder ac ymddiriedaeth rhwng dinasyddion a’u llywodraethau priodol. 

Goblygiadau preifatrwydd gwahaniaethol

Gall goblygiadau ehangach preifatrwydd gwahaniaethol gynnwys: 

• Diffyg data defnyddwyr penodol yn annog cwmnïau i beidio â'i olrhain ac yn arwain at ostyngiad yn y defnydd o hysbysebion wedi'u targedu ar gyfryngau cymdeithasol a pheiriannau chwilio.
• Creu marchnad swyddi ehangach ar gyfer eiriolwyr ac arbenigwyr seiberddiogelwch. 
• Diffyg data ar gael i asiantaethau gorfodi'r gyfraith i olrhain troseddwyr yn arwain at arestiadau arafach. 
• Deddfwriaeth newydd yn arwain at ddeddfau diogelu data llymach ac o bosibl yn ail-lunio'r berthynas rhwng llywodraethau, corfforaethau a dinasyddion.
• Cynrychiolaeth deg o'r holl grwpiau wrth wneud penderfyniadau sy'n cael eu gyrru gan ddata, gan arwain at bolisïau a gwasanaethau tecach.
• Arloesedd mewn gwyddor data a dysgu peiriannau yn arwain at ddatblygu algorithmau a thechnegau newydd a all ddysgu o ddata heb gyfaddawdu ar breifatrwydd.

Cwestiynau i'w hystyried

• Ydych chi'n meddwl y gall corfforaethau technoleg mawr ymgorffori preifatrwydd gwahaniaethol yn llawn yn eu modelau busnes? 
• A ydych yn credu y bydd hacwyr yn y pen draw yn gallu rhagori ar rwystrau preifatrwydd gwahaniaethol newydd i gael mynediad at ddata targed?