从技术角度剖析隐私的法律法规

今天这个内容会很绕口、也很烧脑，但是如果你有时间、你是数据行业的从业者。我用我的职业操守担保你细读后，会有收获或者指点。
序言：数据隐私保护领域有三个重磅级的文件：《数据安全法》、《个人信息保护法》、《数据二十条》。作为从业者，不仅需要把枯燥技术解释成白话文讲给客户、又得把市场需求翻译成产品语言讲给开发，其实还有一点是给合规讲清楚一件事儿：这几个法律法规到底和隐私安全技术有哪些关系？能“绕过”吗？
隐私计算不是“绕过”，而是“路径”
Google用联邦学习“绕过”GDPR的监管。这是过去媒体渲染隐私计算技术牛x的一个津津乐道的案例。但是，我想表达一个观念：隐私计算不是帮助企业“绕过”监管，而是真正意义上对数据隐私保护的一次降维打击和技术践行。
所以，谨慎的客户会抠的很细，隐私计算到底是如何保护隐私数据信息安全的？有了它，是不是数据合作变得合规？是不是在《个保法》监管下的一种最好的技术方案？回答这些问题，我觉得核心讲清楚一件事情：技术方案的特性是如何保护隐私信息的！
什么是个人信息？
什么是个人信息？此问题，我想重点高亮一下，因为一直挂在嘴边，反而被同学们忽视了“个人信息”定义的法律逻辑。
《个保法》第四条，对此做了明确的定义：“个人信息是以电子或者其他方式记录的与已识别或者可识别的自然人有关的各种信息，不包括匿名化处理后的信息。”
一个灵魂拷问：只要匿名化处理后的信息，是不是就不是个人信息了呢（不是个人信息，那是不是就可以没那么多使用的约束）？按条例的说法，应该就不是。核心问题就转移到什么才是这里说的“匿名化”。
《个保法》对匿名化做了解释，“是指个人信息经过处理无法识别特定自然人且不能复原的过程”。
匿名化，中国文字有时候太高端、太抽象了，以至于我们对“匿名”的边界诚惶诚恐。我们不妨用一个鲜活的例子来掰扯一下何谓匿名：
比如，一条个人信息如下：
｛ 13911112222，张三，男，30岁，月薪8000 ｝，这无可非议是个人信息。
过去很多人认为的匿名，是对id也就是这里的手机号加盐，比如：｛13922，..｝或者｛ md5（13911112222-张三），…｝。因为他们认为加盐后，一般情况下就不知道这条信息是谁。不管盐怎么加，反正试图让这条信息丢在大马路上被人捡了也无法识别到自然人。
但是，这个想法其实是比较浅薄的，加盐或者md5的加密，在另外有一个巨大的id库面前，其实还是等于裸奔。
匿名化和去标识的程度
对个人信息，《个保法》反复强调了匿名化和去标识两个词汇。因为只有技术上真正做到了匿名化和去标识，才能最大力度上做到“无法识别特定自然人”。
大数据交易中心有公民的公积金数据，存储的片段比如 ｛ 姓名，身份证，缴纳公司的主体，公积金缴纳月份，缴纳额度 ｝。我们可以全部举手同意的说法，这条信息一定是《个保法》定义的个人信息，而且更严格地讲是个人隐私信息。
《个保法》第五十一条，（三）采取相应的加密、去标识化等安全技术措施；
去标识化，是指个人信息经过处理，使其在不借助额外信息的情况下无法识别特定自然人的过程。
如果把 ｛姓名，身份证，主体｝都去掉，只留下｛月份，额度｝，后者算个人信息吗？按匿名化的定义，这显然不算个人信息，因为“无法识别特定自然人且不能复原”。所以，为什么我们在医疗科研上，可以获取到一些公开的医疗数据做科研建模，如癌症、白血病。我们暂时把这一类匿名手段称“去标识”。
去标识，逻辑简单，但是有应用的局限性，大多数业务需要mapping到id，所以去标识只能使用在一些统计分析建模的场景。我们在金融等行业，更多地需要对齐到具体的用户id。对于公积金贷款场景中的风控，银行需要对来申请贷款的张三，从大数据交易中心使用张三的公积金缴纳数据。
条例的后半句其实强调了“不能复原”。如果既要用到具体个体的隐私信息，又最好不能复原。过去简单的处理方式就是打一些等级给到金融机构：｛ id加盐加密，月份，额度等级｝。
这看起来要好多了，至少这条数据金融机构拿到了，也还原不出具体的信息本身。
个人信息使用的重要原则
可能阅读理解做多了，我还是习惯性地对三个文件进行了一些提纲挈领，对于个人信息的使用，最重要的是遵循以下几点原则：
原则一：明确用户授权，这是发生一般性的数据业务前提。
《个保法》第十三条符合下列情形之一的，个人信息处理者方可处理个人信息：
（一）取得个人的同意；
第十四条基于个人同意处理个人信息的，该同意应当由个人在充分知情的前提下自愿、明确作出。法律、行政法规规定处理个人信息应当取得个人单独同意或者书面同意的，从其规定。
个人信息的处理目的、处理方式和处理的个人信息种类发生变更的，应当重新取得个人同意。
我们在实际业务中其实大体上有两种授权协议：
1）进行中的授权，比如张三申请借贷，这个时候他勾选了《隐私协议》，里面可能有一条写着“允许机构用第三方比如运营商数据…”。这种是法律效应最好的，我们习惯称强授权。
2）历史上的授权，比如张三在开户的时候签署了一份，过了两年，银行发现张三变成了睡眠用户。银行为了激活张三，与运营商进行用户洞察。这种营销业务，就很模棱两可。作为银行，总不能先给张三发一条通知短信“请允许我行用你的运营商数据进行建模”吧，这是很蠢的动作。所以，一般而言，历史上的隐私授权里面如果有类似于三方数据合作的选项，一般在营销场景，也就够用了。
原则二：最小范围采集和应用，过度就存在问题
如果你是一个播报天气的APP，授权采集用户的地理位置，这是为了功能需要；如果你非得用户授权采集他的通讯录、不授权还不让你用。这就是网信办近些年来大力整改互联网APP对用户数据过度采集的一种根源。
《个保法》第六条，“处理个人信息应当具有明确、合理的目的，并应当与处理目的直接相关，采取对个人权益影响最小的方式。收集个人信息，应当限于实现处理目的的最小范围，不得过度收集个人信息。”
《二十条》（六）建立健全个人信息数据确权授权机制。对承载个人信息的数据，推动数据处理者按照个人授权范围依法依规采集、持有、托管和使用数据，规范对个人信息的处理活动，不得采取“一揽子授权”、强制同意等方式过度收集个人信息，促进个人信息合理利用。
原则三：存证与可解释，没有的话容易扯淡
存证是为了“秋后算账”可追溯，这很重要。
《个保法》第六十九条处理个人信息侵害个人信息权益造成损害，个人信息处理者不能证明自己没有过错的，应当承担损害赔偿等侵权责任。
存证的成熟技术方案是区块链，为了日后“证明自己没有过错”。
可解释是对数据应用的一个要求，特别是数据模型。比如说张三申请贷款，但是银行拒绝贷款服务，需要对数据风控模型判别的拒绝贷款做出解释。
《个保法》第二十四条个人信息处理者利用个人信息进行自动化决策，应当保证决策的透明度和结果公平、公正，不得对个人在交易价格等交易条件上实行不合理的差别待遇。
通过自动化决策方式向个人进行信息推送、商业营销，应当同时提供不针对其个人特征的选项，或者向个人提供便捷的拒绝方式。
通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求个人信息处理者予以说明，并有权拒绝个人信息处理者仅通过自动化决策的方式作出决定。
自动化决策，是指通过计算机程序自动分析、评估个人的行为习惯、兴趣爱好或者经济、健康、信用状况等，并进行决策的活动。
这里我想强调一下，特别是金融业务为什么我们不用深度学习，而通常采用机器学习模型比如逻辑回归、xgboost，是因为后者的数据模型具备可解释的特性。
原则四：匿名化和去标识、脱敏、隐私计算
《个保法》对此的定义和约束前面已阐述。
《二十条》（4）… … 鼓励公共数据在保护个人隐私和确保公共安全的前提下，按照“原始数据不出域、数据可用不可见”的要求，以模型、核验等产品和服务等形式向社会提供，对不承载个人信息和不影响公共安全的公共数据，推动按用途加大供给使用范围。
这里补充一点，目前来说，隐私计算是保护数据安全的最优技术解。为什么这么说呢？因为过去的技术手段不管怎么加密、怎么处理，其实原始数据或者原始数据的变种，事实上都出域了，一出去其实都有链路攻击泄露的风险隐患。而联邦学习、多方安全计算的技术特点是原始数据本身不出私域，这个特点其实能最大力度从数据“流转”的根本上切断信息泄露。
我的律师朋友
写这篇内容，我特意发给做律师的朋友做了一个预览，征求他从律师角度的理解。可能也是这个领域跨技术太深的缘故吧，给我一个让我啼笑皆非的回复：“没有原则性错误，每个人对个人信息保护的理解本身存在差异，所以有的时候一旦出了问题，人就会选择打官司。”