GEO互联网大数据技术蓝皮书：第一篇 隐私保护技术

一、概述

“大数据”无疑是近年来最热门的科技名词，“大数据广告”、“大数据电商”、“大数据金融”、“大数据医疗”甚至是“大数据农业”，这些“大数据”令人眼花缭乱。“大数据”给产业带来了巨大的变革，不但改变了一些行业惯有的思维方式，同时也带来了很多争议，用户隐私安全便是首当其冲的一个。

二、什么是隐私数据

研究用户隐私保护技术，首先要明确什么是用户隐私数据，GEO对用户隐私数据做了如下分类：

1、  PII (Personal Identifiable Information)，也就是能够明确标识一个人身份的数据，比如用户的姓名、手机号、身份证号、电子邮箱、住址等。

2、  用户相关信息，比如用户的年龄、性别、公司、职业等信息。这类信息虽然不能直接标识一个用户，但是把这些条件组合在一起，还是有相当的隐私风险的。比如“年龄36岁，在天恒大厦工作，担任集奥聚合GEO的架构师”，通过这些条件很容易定位出一个人，这就是所谓的“Quasi-identifier”。

3、  用户属性标签，为了解决“Quasi-identifier”的问题，很多人会把用户信息进行一定的泛化，比如上面的例子可以泛化成“30-40岁，在东直门附近工作，IT行业，喜欢汽车”，相较之下这样会显得模糊一些，也就是常说的“k-anonymity”。但严格来说，这些数据还是会涉及用户隐私，并非绝对安全。

三、国内外相关法律法规

在用户隐私安全保护方面，国外起步较早，形成了许多法律法规，国内目前还处于起步阶段：

四、GEO隐私保护技术

作为业界领先的大数据技术公司，GEO一直对隐私保护十分关注，GEO的技术平台对此做出了全方面的布局和设计，拥有众多相关技术专利。

1、  统一标识，GEO不采用任何Cookie、PII或PII加密后的数据作为用户标识，而是对用户随机编号，我们称之为GEO User ID。该ID没有任何物理意义，仅仅是一个编号，不同来源的数据采取统一的GEO User ID进行交换，有效解决PII问题。

2、  流处理技术，对于数据本身存在的用户隐私数据，GEO认为只要存储在一个物理介质上的就是不安全的。因此，GEO的技术平台对这类数据的过滤采用了流处理技术，脱密前的原始隐私数据不会保存，即使系统被黑客攻破也不会导致隐私泄露。

3、  标签化处理，GEO的用户标签主要有两类，一类是用户原始标签，一类是广告标签。原始标签保存在经过授权的第一方或第三方数据库中，广告标签保存在GEO自己的广告投放系统中。广告标签在第一方或第三方数据库中计算得到，也就是说我们不知道每个人是谁，也没有保存个人身份和兴趣标签，我们只知道该给他投放什么广告。

4、  自动处理技术，GEO的广告标签计算完全凭借自身的自动算法实现，没有人为介入，整个流程不可逆，完全是一个黑盒子，避免了人为原因造成的风险。

5、  加密技术，GEO采用三个层架实现数据加密处理：网络层、数据汇聚层和应用层。网络层主要通过传统的防火墙、IDS等方式实现数据通道安全；数据汇聚层通过专有硬件实现数据的加密、过滤和去隐私化处理；应用层主要从分布式存储、数据交换、业务模型等方面进行数据加密，保证系统的安全性。

6、  系统管理能力，系统的安全离不开有效的监控和管理。为此GEO专门开发了具备多级监控、调度和管理能力的iManager系统，能有效管理全国几十个数据中心，配合相应的管理制度，最大限度的保证隐私数据安全。

7、  用户可管理性，用户可以了解自己的哪些数据被用作了哪些用途，并且用户可以要求系统停止使用这些数据。比如用户可以要求终止个性化广告展示服务。这个能力只有基于非Cookie技术才能实现。我们都知道Cookie的生命周期短，用户必须不断告知系统停止服务，然而非Cookie技术就不存在这个问题。