Gartner 釋出的最新報告顯示,隨著人們日益意識到其個人資訊的價值並對透明度的缺乏和持續的濫用感到失望,數字倫理登上了 Gartner 2021 年隱私技術成熟度曲線的頂點。同時,今年也有 3 項新加入 Gartner 隱私技術成熟度曲線中的創新技術,包括影響力工程 (Influence Engineering)、 聯邦機器學習 (Federated Machine Learning) 和主權雲 (Sovereign Cloud)。

Gartner: 預計2024年隱私技術推動的資料保護和合規技術支出將超150億美元

Gartner 將數字倫理定義為人、企業機構和物之間開展電子互動所遵循的價值和倫理道德原則體系。隨著人工智慧的採用,人們首次在廣泛部署一項技術之前和在此過程中就開始進行倫理道德討論。

企業機構正在採取保護個人資料安全的行動,各國政府也正在實施嚴格的法律來強制執行此類措施 。Gartner 預測,到 2023 年底,全球 80% 以上的公司將面臨至少一項以隱私為重點的資料保護法規。

為了應對這些法律和客戶需求變化,安全和風險管理領導人必須謹慎選擇平衡創新和合規的技術 。Gartner 預測,到 2024 年,全球每年由隱私驅動的資料保護和合規技術支出將超過 150 億美元。

Gartner 認為積極主動而成熟的企業機構正在從被動合規轉向主動隱私設計。這可以讓他們開始投資於位於技術成熟度曲線左側的創新,例如同態加密(一套能夠在加密資料上進行計算的演算法)和差別隱私(使用或共享一個資料集,同時隱瞞或歪曲其中某些個人資訊的系統)。技術成熟度曲線上的雲訪問安全代理 (CASB) 和動態資料遮蔽等多項技術預計將在未來兩年得到廣泛採用。

同時 ,Gartner 對今年新加入隱私技術成熟度曲線中的 3 項創新技術做了進一步闡釋:

·   影響力工程 (Influence Engineering) 通過學習和應用行為科學技術,生產能夠實現數字體驗元素自動化、大規模指導使用者選擇的演算法。儘管這項技術在很大程度上仍只存在理論上的可能性,但情感檢測和語言生成等領域的技術突破在自動執行有影響力的傳播方面展現出顯著的潛力。

·   聯邦機器學習 (Federated Machine Learning) 是一項在去中心化的環境中(重複)訓練機器學習演算法而不披露敏感資訊的重要創新。聯邦機器學習使用本地節點(如智慧手機軟體機器人、(半)自動駕駛汽車或物聯網邊緣裝置)所包含的模型係數知識,但不交換資料樣本,可以在不損害隱私的情況下實現更加個性化的體驗。

·   主權雲 (Sovereign Cloud) 在單一地區提供滿足資料所在地和其他法律要求的雲服務。

自 techweb