数字伦理定义为人、企业机构和物之间开展电子交互所遵循的价值和伦理道德原则体系。Gartner 2021年隐私技术成熟度曲线，全球每年由隐私驱动的数据保护和合规技术支出将超过150亿美元。
随着人们日益意识到其个人信息的价值并对透明度的缺乏和持续的滥用感到失望，数字伦理登上了Gartner 2021年隐私技术成熟度曲线的顶点。
到2024年，隐私技术将推动数据保护和合规技术支出达到150亿美元以上。
什么是数字伦理
Gartner将数字伦理定义为人、企业机构和物之间开展电子交互所遵循的价值和伦理道德原则体系。随着人工智能的采用，人们首次在广泛部署一项技术之前和在此过程中就开始进行伦理道德讨论。
企业机构正在采取保护个人数据安全的行动，各国政府也正在实施严格的法律来强制执行此类措施。Gartner预测，到2023年底，全球80%以上的公司将面临至少一项以隐私为重点的数据保护法规。
Gartner研究副总裁Bart Willemsen表示：“即使在尚未制定法规的地方，客户也在积极选择与尊重他们隐私的企业机构合作。新技术的应用（例如本技术成熟度曲线上的技术）将在这个不断变化的环境中提供保护隐私的途径。”
为了应对这些法律和客户需求变化，安全和风险管理领导人必须谨慎选择平衡创新和合规的技术。Gartner预测，到2024年，全球每年由隐私驱动的数据保护和合规技术支出将超过150亿美元。
积极主动而成熟的企业机构正在从被动合规转向主动隐私设计。这可以让他们开始投资于位于技术成熟度曲线左侧的创新，例如同态加密（一套能够在加密数据上进行计算的算法）和差别隐私（使用或共享一个数据集，同时隐瞒或歪曲其中某些个人信息的系统）。
技术成熟度曲线上的云访问安全代理（CASB）和动态数据屏蔽等多项技术预计将在未来两年得到广泛采用（见图一）。
图一、2021年隐私技术成熟度曲线
来源：Gartner（2021年9月）
新加入今年隐私技术成熟度曲线中的创新有：
· 影响力工程（Influence Engineering）通过学习和应用行为科学技术，生产能够实现数字体验元素自动化、大规模指导用户选择的算法。尽管这项技术在很大程度上仍只存在理论上的可能性，但情感检测和语言生成等领域的技术突破在自动执行有影响力的传播方面展现出显著的潜力。
· 联邦机器学习（Federated Machine Learning）是一项在去中心化的环境中（重复）训练机器学习算法而不披露敏感信息的重要创新。联邦机器学习使用本地节点（如智能手机软件机器人、（半）自动驾驶汽车或物联网边缘设备）所包含的模型系数知识，但不交换数据样本，可以在不损害隐私的情况下实现更加个性化的体验。
· 主权云（Sovereign Cloud）在单一地区提供满足数据所在地和其他法律要求的云服务。
声明： 此文观点不代表本站立场；转载须要保留原文链接；版权疑问请联系我们。
