14、个人数据处理透明度下的从众与多样性探讨

个人数据处理透明度下的从众与多样性探讨

1. 背景与技术发展

在当今社会，个人在社交互动中会与他人分享自身信息。信息通信技术的发展降低了信息收集、存储、整合和处理的成本，但也引发了一系列问题。过去交易积累的个人信息会在未来交易中造成信息不对称，甚至影响从未有过交互的主体间的交易。这引发了消费者和民权组织对数据收集的批评，推动了隐私权利和信息自决权的讨论，自20世纪70年代起，多数国家通过立法来处理国家与个人、企业与消费者间的隐私问题。

计算机科学家自20世纪80年代起研究解决隐私问题的技术方案，隐私增强技术（PETs）应运而生，包括匿名通信基础设施、隐私政策形式化、自动执行以及假名但可问责的交易协议等。然而，PETs大多基于数据避免原则，虽理论上部分技术安全，但在许多应用中不切实际，短期内广泛应用前景黯淡，且主要适用于1:1或1:n的交互，对于n:m交互缺乏实用解决方案。

2. 从PETs到TETs

随着在线社交网络、传感器网络、环境智能和行为生物识别技术的发展，n:m交互和不可信设备成为常态，数据避免难以解决普遍社交互动中的隐私威胁，个体无法独自实施，监管成本也过高。因此，透明度增强技术（TETs）被认为是更可行的选择。

TETs旨在详细告知人们个人属性如何影响与自身相关的决策。例如在保险红线划分或信用评分中，受影响个体若无法避免数据收集，至少应了解数据披露对未来保费或信用条件的影响。透明度可通过三个渠道限制基于个人信息的过度歧视：
- 个体层面 ：前瞻性的透明度增强技术帮助人们做出不损害个人评分的决策。
- 机制层面 ：非策略证明或依赖评