15、食品消费数据保护与算法透明度

食品消费数据保护与算法透明度

1 食品消费数据保护

1.1 数据特性与法律困境

食品消费数据虽不构成一般数据保护框架的例外，但引发了数据隐私学者的相关思考。在食品消费信息领域，识别数据收集和分析趋势是必要的初步操作，分析聚焦于食品安全数据收集和收集食品消费信息的“健身应用程序”。

数据聚合虽限制了数据保护法的适用性，但原始信息仍存在，且食品消费数据常伴随其他数据。这使得个人饮食数据处于法律分类的中间地带：一方面，它因被作为个人数据收集、聚合用于进一步分析且仍可与个人关联，具有准个人性质；另一方面，虽被归类为“常规”个人数据，但与其他信息结合可推断出个人敏感特征，如宗教信仰、健康状况等，具有准敏感性质。而数据保护法未考虑这些准分类，因此需要一种反形式主义的方法。

1.2 应对措施与身份方法

为应对利用食品消费数据进行风险评估以外的目的以及基于推断进行歧视的可能性，需采取措施降低风险。基于弗洛里迪对信息隐私的解释或理论，选择了一种基于身份构成的方法作为降低风险措施的统一原理。饮食偏好与个人身份密切相关（“人如其食”），因此即使食品消费数据不在数据保护法范围内，也会因其与个人身份的联系而得到保护，这种方法还能缓解其他隐私原理的一些弱点。

1.3 风险最小化措施

风险最小化措施应旨在促进安全、公平和非歧视，以应对食品消费数据处理可能带来的风险。从群体层面的视角来审视公平和歧视问题似乎是必要的。以下是相关要点总结：
|要点|详情|
|----|----|
|数据特性|准个人、准敏感|
|应对方法|基于身份构成的方法|
|措施目标|促进安全、公平和非歧