Gartner：數字倫理登上Gartner 2021年隱私技術成熟度曲線期望膨脹期頂點

隨著人們日益意識到其個人信息的價值并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。

Gartner將數字倫理定義為人、企業機構和物之間開展電子交互所遵循的價值和倫理道德原則體系。隨著人工智能的采用，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。

企業機構正在采取保護個人數據安全的行動，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數據保護法規。

Gartner研究副總裁Bart Willemsen表示：“即使在尚未制定法規的地方，客戶也在積極選擇與尊重他們隱私的企業機構合作。新技術的應用（例如本技術成熟度曲線上的技術）將在這個不斷變化的環境中提供保護隱私的途徑。”

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數據保護和合規技術支出將超過150億美元。

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于位于技術成熟度曲線左側的創新，例如同態加密（一套能夠在加密數據上進行計算的算法）和差別隱私（使用或共享一個數據集，同時隱瞞或歪曲其中某些個人信息的系統）。

技術成熟度曲線上的云訪問安全代理（CASB）和動態數據屏蔽等多項技術預計將在未來兩年得到廣泛采用（見圖一）。

圖1 2021年隱私技術成熟度曲線 來源：Gartner（2021年9月）

新加入今年隱私技術成熟度曲線中的創新有：

●   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、大規模指導用戶選擇的算法。盡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（重復）訓練機器學習算法而不披露敏感信息的重要創新。聯邦機器學習使用本地節點（如智能手機軟件機器人、（半）自動駕駛汽車或物聯網邊緣設備）所包含的模型系數知識，但不交換數據樣本，可以在不損害隱私的情況下實現更加個性化的體驗。

●   主權云（Sovereign Cloud）在單一地區提供滿足數據所在地和其他法律要求的云服務。