我們?nèi)绾慰创龜?shù)據(jù)共享

我們?nèi)绾慰创龜?shù)據(jù)共享？劍橋分析公司(CambridgeAnalytica)的丑聞突顯出，社交媒體平臺(tái)允許企業(yè)從共享數(shù)據(jù)中推斷用戶和非用戶信息的復(fù)雜方式。本專欄展示了平臺(tái)用戶和非用戶特征之間的相關(guān)性，這意味著企業(yè)可以以低于均衡價(jià)格獲得數(shù)據(jù)，意味著個(gè)人福利效率低下。作者對(duì)監(jiān)管提出了一些建議，可以提高這些平臺(tái)中用戶和非用戶的數(shù)據(jù)共享效率。目前，數(shù)以億計(jì)的用戶正在使用社交媒體平臺(tái)并分享他們的數(shù)據(jù)(單是Facebook就有超過25億的月活躍用戶)。這些數(shù)據(jù)通過日益復(fù)雜的機(jī)器學(xué)習(xí)和人工智能方法處理，以提供在線服務(wù)，以及社交媒體平臺(tái)和第三方進(jìn)行個(gè)性化廣告。大多數(shù)經(jīng)濟(jì)學(xué)家和技術(shù)專家強(qiáng)調(diào)，通過改善消費(fèi)者選擇，并將數(shù)據(jù)投入到更多、更好的創(chuàng)新中去，數(shù)據(jù)對(duì)用戶和整個(gè)社會(huì)都有好處。然而，所有這些數(shù)據(jù)都有不好的一面。至關(guān)重要的是，社交媒體和其他平臺(tái)上的數(shù)據(jù)共享不僅損害了數(shù)據(jù)共享的用戶的隱私，也損害了其他積極不參與此類數(shù)據(jù)共享的用戶的隱私。劍橋分析公司(CambridgeAnalytica)的丑聞?wù)f明了大規(guī)模數(shù)據(jù)收集和共享的一些成本。Facebook允許劍橋分析公司從約27萬名Facebook用戶共享的數(shù)據(jù)中獲取數(shù)百萬人的私人信息。這些用戶自愿下載了一款名為“這是你的數(shù)字生活”(Thisisyourdigitallife)的應(yīng)用程序，來描述他們的個(gè)性特征。該應(yīng)用程序訪問了用戶的新聞提要、時(shí)間軸、帖子和消息，并顯示了這27萬人所連接的其他Facebook用戶的信息。劍橋分析公司最終推斷出了5000多萬Facebook用戶的詳細(xì)信息。隨后，該公司將這些數(shù)據(jù)用于設(shè)計(jì)個(gè)性化的政治信息，并在英國(guó)脫歐公投和2016年美國(guó)總統(tǒng)大選中，分別為脫歐陣營(yíng)和共和黨人候選人特朗普進(jìn)行廣告宣傳。劍橋分析公司只是涉及整個(gè)行業(yè)類似做法的冰山一角。Facebook本身和其他第三方也采取了類似的策略。更重要的是，預(yù)測(cè)性大數(shù)據(jù)方法的本質(zhì)是通過樣本共享的數(shù)據(jù)來預(yù)測(cè)個(gè)體群體的行為或特征。這些方法的好處的提倡者強(qiáng)調(diào)，一個(gè)人分享的關(guān)于他們的偏好或健康問題的信息，對(duì)于理解影響其他具有相似特征的人的行為和疾病非常有用。但同樣的邏輯也適用于隱私問題。當(dāng)Facebook或其他公司能夠預(yù)測(cè)那些沒有分享數(shù)據(jù)的個(gè)人的行為時(shí)，這就相當(dāng)于侵犯了隱私，而這些個(gè)人并沒有同意這么做。以Facebook和其他社交媒體平臺(tái)的數(shù)據(jù)為例，這些數(shù)據(jù)被用來預(yù)測(cè)誰會(huì)出現(xiàn)在反對(duì)政府的抗議活動(dòng)中。不那么極端但同樣重要的是，企業(yè)能夠根據(jù)個(gè)人的位置、國(guó)籍、年齡和性取向來預(yù)測(cè)他們的行為。這可能會(huì)導(dǎo)致隱私的喪失，也可能帶來潛在的好處（想象一下，例如，公司預(yù)測(cè)你哪天晚上會(huì)去哪家餐廳或酒吧）。即使存在這些擔(dān)憂，科技行業(yè)的許多人（以及專家）可能仍會(huì)辯稱，它們的重要性不足以抵消數(shù)據(jù)帶來的有利好處，因?yàn)樗麄兊募僭O(shè)是，隱私擔(dān)憂并不重要。這是以現(xiàn)有研究為基礎(chǔ)的，大多數(shù)用戶為保護(hù)自己的隱私而付費(fèi)的意愿相對(duì)較低。然而，這一推論（隱含地）取決于這一假設(shè)，即這些揭露的支付意愿指標(biāo)能夠反映隱私的真正價(jià)值。當(dāng)一個(gè)人的信息被別人披露時(shí)，情況就不一定是這樣了。我們的新論文開發(fā)了一個(gè)研究這些問題的概念框架。我們提出了一個(gè)模型，在這個(gè)模型中，一個(gè)壟斷平臺(tái)或一組相互競(jìng)爭(zhēng)的平臺(tái)可以從用戶那里購(gòu)買數(shù)據(jù)（明確地為數(shù)據(jù)付費(fèi)，或含蓄地提供免費(fèi)服務(wù)來交換用戶的數(shù)據(jù)）。重要的是，個(gè)人的數(shù)據(jù)不僅能提供關(guān)于其自身特征的信息，還能提供關(guān)于其他用戶（以及潛在的非用戶）特征的信息。更具體地說，信息結(jié)構(gòu)表示一個(gè)網(wǎng)絡(luò)，其中兩個(gè)個(gè)體之間的連接捕獲了他們的信息之間的相關(guān)性。每個(gè)人對(duì)隱私的重視程度也不同。信息使平臺(tái)或第三方能夠評(píng)估個(gè)人的潛在特征，而更準(zhǔn)確的評(píng)估為平臺(tái)創(chuàng)造更大的價(jià)值。相反，從個(gè)人的角度來看，更準(zhǔn)確的評(píng)估會(huì)導(dǎo)致更多的隱私泄露。當(dāng)一個(gè)人的數(shù)據(jù)只與她的特征、偏好或行為相關(guān)時(shí)，市場(chǎng)價(jià)格準(zhǔn)確地反映了隱私的價(jià)值，平衡了數(shù)據(jù)共享的成本和收益。但當(dāng)不同用戶的信息相互關(guān)聯(lián)時(shí)，情況就不一樣了。下一個(gè)示例以簡(jiǎn)單的方式說明這一點(diǎn)?？紤]一個(gè)有兩個(gè)用戶的平臺(tái)，如圖1所示。平臺(tái)可以獲取或購(gòu)買用戶的數(shù)據(jù)，以便更好地評(píng)估用戶的特征、偏好或行為。兩個(gè)用戶的相關(guān)數(shù)據(jù)是相關(guān)的，這意味著一個(gè)用戶的數(shù)據(jù)可以讓平臺(tái)更準(zhǔn)確地估計(jì)另一個(gè)用戶的特征。該平臺(tái)的目標(biāo)是最小化用戶特征的估計(jì)誤差，或最大化關(guān)于用戶特征的泄露信息。假設(shè)平臺(tái)對(duì)用戶泄露信息的估值（貨幣形式）為1，而第一個(gè)用戶對(duì)其隱私的估值（同樣是對(duì)其泄露信息的估值）為1/2，第二個(gè)用戶對(duì)其隱私的估值為v>0。該平臺(tái)向用戶提供價(jià)格（通過付費(fèi)或提供服務(wù)的方式），以換取用戶的數(shù)據(jù)。每個(gè)用戶可以選擇是否接受平臺(tái)提供的價(jià)格。在沒有任何數(shù)據(jù)市場(chǎng)或交易成本限制的情況下，第一個(gè)用戶總是會(huì)出售她的數(shù)據(jù)（因?yàn)樗龑?duì)隱私的估值為1/2，低于信息對(duì)于平臺(tái)的價(jià)值）。但是，考慮到兩個(gè)用戶的特征之間的相關(guān)性，這意味著平臺(tái)已經(jīng)能夠很好地估計(jì)第二個(gè)用戶的特征。例如，假設(shè)用戶數(shù)據(jù)之間的相關(guān)性非常高。在這種情況下，平臺(tái)會(huì)從用戶1的數(shù)據(jù)中獲知幾乎所有與用戶2相關(guān)的信息，這就削弱了用戶2保護(hù)自己數(shù)據(jù)的意愿。事實(shí)上，由于用戶1幾乎揭示所有關(guān)于她的信息，她愿意以非常低的價(jià)格出售自己的數(shù)據(jù)（大約為0）。但是一旦第二個(gè)用戶出售她的數(shù)據(jù)，這也揭示了第一個(gè)用戶的數(shù)據(jù)，因此第一用戶只能對(duì)她的數(shù)據(jù)收取非常低的價(jià)格。因此在這個(gè)簡(jiǎn)單的例子中，瓶體將能夠以大約為0的價(jià)格獲取用戶的數(shù)據(jù)，即使兩個(gè)用戶都有隱私擔(dān)憂。被壓低的數(shù)據(jù)價(jià)值低于隱私價(jià)值，產(chǎn)生了分布效應(yīng)——平臺(tái)從廉價(jià)數(shù)據(jù)中獲益，用戶無法因數(shù)據(jù)得到補(bǔ)償。當(dāng)vWl時(shí)，由于數(shù)據(jù)對(duì)社會(huì)是有益的，均衡仍然是有效的——平臺(tái)的收益超過了隱私泄露對(duì)用戶的負(fù)效用。相反，當(dāng)v〉l時(shí)，均衡不再有效，并且事實(shí)上，它可以是任意的。這是因?yàn)榈谝挥脩敉ㄟ^出售她的數(shù)據(jù)而在第二用戶上產(chǎn)生負(fù)外部性。圖1評(píng)估兩個(gè)用戶之間的數(shù)據(jù)相關(guān)性這個(gè)例子從我們的分析中獲得了兩個(gè)最重要的結(jié)論。首先，個(gè)人數(shù)據(jù)共享總是會(huì)給信息被泄露的其他人帶來負(fù)外部性。這些負(fù)面影響可能不足以抵消平臺(tái)使用這些數(shù)據(jù)帶來的好處。但即使在這種情況下，它們也會(huì)產(chǎn)生分布效應(yīng)（它們以犧牲用戶為代價(jià)為平臺(tái)帶來好處）。然而，當(dāng)其他一些用戶高度重視他們的隱私時(shí)，這些負(fù)面影響可能會(huì)超過好處，導(dǎo)致過多的數(shù)據(jù)共享。其次，或許更微妙的是，個(gè)人數(shù)據(jù)共享既改變了數(shù)據(jù)對(duì)平臺(tái)的價(jià)值，也改變了隱私對(duì)其他用戶的價(jià)值。這是因?yàn)檫@些數(shù)據(jù)使平臺(tái)能夠更好地估計(jì)其他用戶的特征，因此平臺(tái)本身對(duì)其他用戶的數(shù)據(jù)的使用會(huì)更少。類似地，一旦他們的信息被泄露，這些用戶可能不再選擇保護(hù)自己的數(shù)據(jù)。因此，他們可能會(huì)分享自己的數(shù)據(jù)，即使他們非常重視自己的隱私。這再次表明，在存在數(shù)據(jù)共享外部性的情況下，用戶隱私的價(jià)值不能從他們公開的數(shù)據(jù)共享決策中推斷出來。我們的分析歸納了這個(gè)例子中的洞見，并提出了新的發(fā)現(xiàn)。首先，我們提供了相當(dāng)弱的條件，在這種條件下，數(shù)據(jù)市場(chǎng)的均衡必然是低效率的。特別是，在平臺(tái)之間有競(jìng)爭(zhēng)或無競(jìng)爭(zhēng)的情況下，具有高和低價(jià)值的用戶隱私之間的相關(guān)性都導(dǎo)致低效率。雖然這一結(jié)論相當(dāng)普遍，但也有一些例外和需要加以說明。在某些情況下，這種相關(guān)性可能不足以降低效率，因?yàn)閿?shù)據(jù)共享給低價(jià)值用戶帶來的好處是如此之大，以至于一個(gè)功利的社會(huì)規(guī)劃者可能寧愿犧牲其他高價(jià)值用戶的隱私。相反，即使沒有這種相關(guān)性，也可能導(dǎo)致效率低下，因?yàn)榈蛢r(jià)值用戶可能試圖通過扭曲他們的平臺(tái)選擇或其他決策來避免負(fù)外部性。更重要的是，當(dāng)只有高價(jià)值用戶相互關(guān)聯(lián)，并且每個(gè)用戶都不愿意共享她的數(shù)據(jù)時(shí)，低效率也會(huì)產(chǎn)生。但該平臺(tái)（或多個(gè)平臺(tái)）可以利用它們?cè)跀?shù)據(jù)共享決策之前設(shè)定價(jià)格的能力所賦予的先發(fā)優(yōu)勢(shì)。然后，他們可以誘使所有用戶共享他們的數(shù)據(jù)（這是因?yàn)楫?dāng)其他人共享他們的數(shù)據(jù)時(shí)，數(shù)據(jù)對(duì)高價(jià)值用戶的價(jià)值會(huì)降低，因?yàn)樗母嘈畔⒁呀?jīng)被泄露了）。其次，除了效率低下之外，我們還表明，在某些情況下，數(shù)據(jù)市場(chǎng)可能會(huì)破壞剩余，當(dāng)數(shù)據(jù)市場(chǎng)關(guān)閉時(shí)，（功利主義的）社會(huì)福利會(huì)更大。當(dāng)有足夠多的高價(jià)值用戶的隱私被其他用戶的數(shù)據(jù)共享決策所損害時(shí)，就會(huì)發(fā)生這種情況。第三，我們發(fā)現(xiàn)，矛盾的是，平臺(tái)之間的競(jìng)爭(zhēng)并不需要解決這些效率低下的問題，事實(shí)上，這種競(jìng)爭(zhēng)可能會(huì)降低福利。最后，我們提出了數(shù)據(jù)共享監(jiān)管的新思路?，F(xiàn)有的技術(shù)方法側(cè)重于匿名數(shù)據(jù)，這有助于限制共享數(shù)據(jù)的用戶的暴露。然而，當(dāng)面臨風(fēng)險(xiǎn)的不是共享數(shù)據(jù)的用戶本身，而是與她相關(guān)的個(gè)人的隱私時(shí)，這樣的方案是沒有用的。為了解決這一問題，我們提出了一種新的監(jiān)管方案，其中數(shù)據(jù)事務(wù)以一種降低其與其他用戶數(shù)據(jù)相關(guān)性的方式進(jìn)行調(diào)節(jié)的。其主要思想是實(shí)現(xiàn)“去相關(guān)性”，即降低個(gè)人數(shù)據(jù)與那些不主動(dòng)共享自己數(shù)據(jù)的人的信息之間的相關(guān)性。例如，用戶不必直接與平臺(tái)共享數(shù)據(jù)，而是可以將數(shù)據(jù)透露給中介機(jī)構(gòu)，中介機(jī)構(gòu)在與平臺(tái)共享數(shù)據(jù)之前，會(huì)先清除與用戶群體相關(guān)的信息。這種間接的數(shù)據(jù)共享安排可以限制平臺(tái)了解群體內(nèi)其他人的程度。我們的論文對(duì)新興但不斷增長(zhǎng)的數(shù)據(jù)市場(chǎng)和隱私經(jīng)濟(jì)學(xué)的文獻(xiàn)有所貢獻(xiàn)。在這個(gè)廣闊的領(lǐng)域里有幾個(gè)有趣的未來發(fā)展方向。首先，需要做更多的工作來研究不同平臺(tái)和在線公司之間的數(shù)據(jù)競(jìng)爭(zhēng)的影響，特別是為了闡明競(jìng)爭(zhēng)限制或加劇數(shù)據(jù)外部性的條件。其次，模擬在線平臺(tái)如何利用用戶信息進(jìn)行歧視定價(jià)和特定廣告是重要的領(lǐng)域。在這方面，一個(gè)有趣的方向是調(diào)查用于設(shè)計(jì)個(gè)性化服務(wù)的個(gè)人數(shù)據(jù)應(yīng)用是否可以與用于侵入式營(yíng)銷、價(jià)格歧視或誤導(dǎo)性廣告的應(yīng)用分離開來。第三，在限制用戶共享數(shù)據(jù)與他人