互联网数据处于“无主”垄断的混乱状态，数据隐私将是未来的最“痛点”。据BM Security和Ponemon Institute此前发布的《2018数据泄露损失研究》评估显示，2018年全球数据泄露的平均成本为386万美元，比2017年的报告高出6.4%。该研究还首次计算了与“超大型泄露(超过100万条记录)行为相关”的成本。评估显示，大型数据泄露代价高昂，百万条记录可致损失4000万美元，5000万条记录可致损失3.5亿美元。互联网带来各种便利的同时人们不应该忘记自身数据处于泄露风险之中，同时数据还在“喂养”互联网公司的AI机器人。
数据隐私的真谛是确权和使用权的交付，
区块链的机制提供了数据市场的治理规则。移动时代数据隐私的保护呼声愈烈，一方面是人们对数据作为一种潜力巨大的价值资源的认识越来越清晰，另一方面大量数据天然跟移动端的行为关联，用户越来越注意数据隐私的保护。过去的互联网模式，数据主要存储在互联网公司的云端，用户很难声明对数据的所有权；另外，互联网不断产生的庞杂数据的确权也是出于模糊的“无主”状态，但所有数据实际上都是掌控在互联网公司手中——无论他们如何声明不会泄露数据，不泄露数据不代表我们享有所有权。越来越多的智能服务背后都是来自于互联网公司AI机器人利用个人隐私数据进行机器学习的结果，这个过程中，用户是被动的，利益上存在受损的嫌疑。
我们认为，数据隐私的真谛是确权和授权——即用代码合约明确数据的所有权，通过代码合约完成数据使用权的授权和支付交易。区块链天然就是去中心化和分布式的账本机制，具有数据加密、不可篡改、来源可溯的特点。大量移动端的数据，将由过去“无主”垄断状态，被区块链网络确权给用户，而AI所需要的个人数据，可以由用户向使用方授权完成，相关费用用
token完成支付。在数据领域，AI与区块链的结合，一方面是数据层，两者可以互相渗透，完全数据确权；另一方面是从应用层面入手，两者各司其职，AI负责自动化的业务处理和智能化的决策，区块链负责在数据层提供可信的授权。
移动端分布式学习技术的推广将成为打破数据垄断的关键一环。今年2月谷歌宣布实现了全球首个产品级的超大规模移动端分布式机器学习系统，目前已经能够在数千万部手机上运行。此产品利用联合学习（FL，Federated Learning）方法，可以对保存在移动电话等设备上的大量分散数据进行训练，是“将代码引入数据，而不是将数据引入代码”的更加通用化的一个实现。用户的设备会下载一个当前模型，这个模型会从手机数据中学习不断得到改善，然后将变化总结为一个小的关键更新。只有这个关键更新会以加密的方式被传到云端，之后这一更新会在云端迅速被其他用户对共享模型提交的更新平均化（averaged）。简单说，所有的训练数据都留在用户的设备上，而且上传到云端的个别更新也不会存储到云端。新方法将机器学习与云端存储数据的需求脱钩，让模型更聪明、延迟更低、更节能，而且保护用户隐私不受威胁。联合学习方法将使得移动终端数据的隐私得到充分的保护，互联网公司云端服务器并不需要上传用户本地数据，将成为打破数据垄断的关键一环。
版权申明：本内容来自于互联网，属第三方汇集推荐平台。本文的版权归原作者所有，文章言论不代表链门户的观点，链门户不承担任何法律责任。如有侵权请联系QQ：3341927519进行反馈。
