毛小暖
基于机器学习框架TensorFlow的谷歌最新模块，可以让开发者只添加几行额外代码就能改善AI模型中的隐私。TensorFlow是目前用于构建机器学习应用程序最流行的工具之一，它被世界各地的开发人员用于创建文本、音频和图像识别算法等程序。而伴随着TensorFlow Privacy的引入，这些开发人员能够使用“差异隐私”的统计数据来保护用户的数据。
谷歌产品经理Carey Radebaugh向外媒The Verge透露，发布这款工具是谷歌履行对人工智能的承诺和愿景。他说道：“如果我们没有为TensorFlow引入差异化隐私技术，那么无论是团队内部还是Google外部用户在使用过程中就会发现有些不太简单。因此对于我们来说将其引入TensorFlow是非常重要的，我们还将会对其进行开源，并开始围绕着它创建新的社区。”
差异隐私的机制有点复杂，但它本质上是一种数学方法，这意味着用于培训AI模型的用户数据并不能编码个人可识别信息。这是在AI模型中保护个人信息的常用方法：苹果在iOS 10上引入了自家的AI服务的，而Google在Gmail的Smart Reply等部分AI功能中也使用到了这项技术。
已经在的数据隐私领域工作了20年的谷歌研究科学家ÚlfarErlingsson表示：差异化隐私技术以“数学确定性”消除了编码个人数据的可能性，他表示这是一种从数据集中删除可识别的异常值而不改变数据的聚合含义的技术。
谷歌的研究科学家ÚlfarErlingsson说，他已经在数据隐私领域工作了20年。 Erlingsson告诉The Verge，这是一种从数据集中删除可识别的异常值而不改变数据的聚合含义的技术， “你的结果独立于任何一个人的[数据]，但这仍然是一个很好的结果。”
cnBeta
现在是互联网时代，那么必然产生众多大量数据。而当前我们谈及的人工智能，它是逻辑算法的执行，但底层架构是大数据，足以见得大数据作为基础，是何其重要。
但是AI和大数据又有一些区别。AI是执行人的想法，而且是垂直方向的需求执行。基于底层的大数据，系统可以根据已经设计好的程序分析、决策、执行，但是不能独立思考。即使是在这样的发展背景下，人工智能快速发展，互联网对个人数据的获取频繁，甚至有人对此感到敏感，那么在这种大背景下，个人数据该如何保护？
业界良心，建立行业规则。科技公司获取用户数据时应设置边界，隐私不能碰，在使用用户数据前必须经过技术脱敏，保护敏感数据。
- 加大监管。工信部加大行业内监管，多发布相关政策法规，扩大举报渠道，加大惩罚力度。
- 个人自律。加强个人信息安全意识，不要随便在一些不知名网站上发布个人信息，不要跟陌生人透漏个人敏感信息。
总而言之，监管和自律是保护个人数据的重要举措吧。
您好机器人
实现数据自主权:一是告诉谁，谁负责保守秘密，数据独占不外传，未经本人同意不私自挎贝；二是本人删除权。本人可删自己数据，删除连同原数据丶备份全删；三是将数据对象化管理，实现数据封装丶隐藏丶一删全删，而不是现在流行的关系数据库丶二维表，数据碎片化，易生产丶难误别丶难模块化管理。记账大哥2018.6.8
