Gartner研究 | 2019年十大战略技术趋势：数字道德与隐私

随着全球隐私法规的实施，组织在获取、保护和维护个人信息方面，面临越来越大的风险。企业架构和技术创新领导者必须以合乎道德的方式管理个人信息，以获得个人信任并取得竞争性优势。

关于数字道德，Gartner给出定义范围，数字道德的范围很广，它包括安全，网络犯罪，隐私，社会互动，治理和自由意志，以及社会和整个经济。

主要发现

• 几十年来，组织的个人数据囤积和利用，形成了一个复杂的平仓过程，从所有利益相关者的心态转变开始。
• 隐私侵权产生的负面后果，远远超出了重大的监管经济处罚。这些后果包括声誉风险，客户流失，收入损失和市值下降。
• 领先的组织支持数字道德，不仅要领先于不断变化的监管环境，还要通过赢得信任来提升竞争优势。

战略规划假设

• 到2020年，个人数据的备份和存档将成为70%组织中最大的隐私风险领域，高于2018年的10%。
• 到2021年，那些绕过隐私要求并且缺乏隐私保护的组织将比遵守最佳实践的竞争对手支付高出100%的合规成本。
• 到2022年，70%的隐私泄露将直接归因为缺乏隐私工程。
• 到2023年，超过75%的大型组织将雇用调查员进行人工智能行为取证以及隐私和客户信任专家，以降低品牌和声誉风险。

为什么数字道德和隐私是十大趋势

数字道德和隐私越来越受到个人，组织和政府的关注。消费者越来越意识到他们的个人信息是有价值的，并且因被持续的滥用和违规行为而感到沮丧。组织认识到保护和管理个人数据所涉及的风险越来越大，政府正在该领域实施严格的立法。

错误处理个人信息的成本很高。法国监管机构因为“缺乏透明度，信息不足以及缺乏有关广告个性化的有效同意而对Alphabet(Google)罚款5000万欧元。”安全漏洞也很昂贵。Ponemon Institute的2018年数据泄露研究成本发现，每封包含敏感和机密信息的丢失或被盗记录的平均成本为148美元。

私营部门越来越受到隐私立法的约束，但执法和安全服务有不同的控制。比如警察局使用人脸识别来实时识别感兴趣的人。他们使用自动牌照识别来跟踪感兴趣的车辆。

图1. 外部力量推动数字化道德和隐私

图2. 数字道德和隐私在十大战略技术趋势列表中的位置

个人数据的成本和风险不断增加

欧盟通用数据保护条例(GDPR)是成熟隐私计划的驱动因素之一，它引入了对违规行为的严厉制裁。但是，围绕隐私的问题对许多组织而言更为深刻。隐私风险对企业至关重要，因为他们所保护的个人是其员工，客户，患者，消费者和公民。如果个人发现组织侵犯了他们的个人隐私，则会影响他们考虑和关联该组织的方式。例如，个人可能对雇主不那么忠诚，不太可能从该供应商处购买或不太可能信任他们的医疗保健提供者。

只有在收集数据的目的仍然有效，或者必须这样做才能满足法定要求时，组织才应保留个人数据。一旦这些条件终止，信息也应终止。在没有明确目的的情况下保留个人数据不会增加现实价值，同时组织面临监管、财务和声誉风险。GDPR和加利福尼亚州消费者隐私法等数据保护法规定了数据删除要求，既可降低个人隐私风险，又可满足主体权利请求(SRR)。简而言之，组织应尽可能短时间保存个人信息，以尊重数据主体的意愿，并通过限制风险来降低个人隐私的风险。

图3. 管理个人数据

删除个人数据不是管理风险的唯一方法。目的不仅仅是清除，而是根据组织的风险偏好将风险降低到可接受的水平。应将数据进行有目的的处理，明确意图降低个人隐私风险。可以通过匿名化、假名、离线存储空间、训练机器学习模型方式降低隐私泄露风险。

• 匿名化。此清理过程涉及删除或替换某些字段的内容，以便数据不再链接到个人。
• 假名。此过程类似于匿名化，但在设计上是可逆的。在匿名化过程中已删除或替换的字段将单独被存储。当处理活动超出组织的控制范围时，假名是一种有效的风险降低对策。
• 离线存储空间。在某些情况下，组织不会主动使用或访问信息，但拒绝删除或更改记录(匿名/假名)。他们应限制对这些记录的访问以降低总体风险。
• 训练机器学习模型。简单来说，机器学习(ML)算法使用大量原始数据训练模型，目的是能够预测结果或对新数据进行分类。将数据提取到机器学习模型中可以为组织提供所需的智能，而无需保留原始数据。

1. 管理供应商风险

将个人数据处理外包给第三方服务提供商的那一刻，数据滥用和监管不合规的风险增加。可根据组织的政策和相关的监管要求，为个人信息创建清晰简明的一般处理指南;在合同中就隐私相关法律问题可能导致监管机构罚款进行谈判，个人索赔或声誉损害的责任结构;记录第三方持有的数据的退出条款等。

2. 采用隐私工程

隐私工程是一种基于业务流程和技术架构的方法，正确实施后，可以使组织能够最大限度地降低风险并最大限度地提高信任度;通过从以隐私为中心的有利位置重新构想深度防御，以缓解违反个人数据的影响。

图4. 设计原则的隐私

资料来源：Gartner(2019年3月)

3. 隐私工程指南

（编辑：三明站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!