李政雨 首尔大学电气信息工程系教授
一般而言,个人信息保护(法)水平与大数据(金融科技)产业的活跃被视为相互矛盾。韩国政府近来强调第四次工业革命,加强对大数据、金融科技、人工智能(AI)产业的支持。然而,学界和相关业界普遍存在悲观论:只要世界上难寻先例的强力个人信息保护法继续留在韩国,我国大数据(金融科技)及AI产业的发展就不可能。金融科技产业中最有价值的大数据就是个人信息,这是人人都容易理解的常识。此外,最尖端的大数据分析与预测技术大多以AI(深度学习)方法为基础,而AI的基本原理是通过大量数据学习创造出新的预测方法。
个人信息保护与大数据(金融科技、AI)产业果真无法并存吗?笔者一直苦思能否用技术手段解决这一困境,现有一项初期研究成果可部分解答,特此介绍。这项技术就是笔者正在研究的新型AI技术——联邦学习(federated learning),其最初由谷歌提出的基本概念如下。假设多家公司(个人)存有个人信息,而另一家开发AI模型的公司基于这些公司持有的数据进行学习。此时的必要条件是,为保护个人信息,各公司不得将自身持有的个人信息数据原样发送给AI模型公司。为满足这一条件,将学习算法分散化,由各公司利用自有数据执行分布式算法计算,仅将结果发送给AI公司,这就是联邦学习的基本概念。该方式可以说是以稍微牺牲AI性能为代价、却能保护个人信息的划时代技术。
即便上述技术不断发展,AI分析性能仍有局限,因此也有必要积极探讨转变对数据产业的认识并修订相关法规。大数据产业规模居世界第一的美国,允许在许可范围内买卖个人信息,因此数据分析(data analytics)企业能够获取大量优质数据,具备更精确的预测性能和更广泛的应用性。例如在客户信用度分析领域,美国三大企业是Experian、Equifax和TransUnion,这些公司凭借可自由买卖个人信息的美国灵活个人信息保护法,提供极为多样的数据分析服务并取得巨额营收。世界百大大数据分析企业中没有一家韩国企业,这一事实令人对作为我国未来支柱的数据产业深感忧虑。笔者确信,只要制定灵活的个人信息相关法规,使包含个人信息的数据能够自由买卖,就能壮大我国的大数据市场。
普通民众担忧的个人信息泄露,多数情况下可通过数据匿名化(data anonymization)轻松解决。此外,利用上述联邦学习技术,可在保护个人信息的同时进行数据分析。唯有借助这些多样技术保护必要部分,并壮大从金融扩展到医疗、交通等公共领域的大数据市场规模,才能促进我国相关产业的成长。修订法令时需考虑的一点是,不能单方面要求消费者作出牺牲。因为如果对消费者没有好处,就没有理由同意提供个人信息。要解决这一问题,不能只让企业受益,还须将通过数据分析获得的企业收益的一部分返还给提供信息的消费者,这样才能构建企业与消费者双方满意的良性循环结构。呼吁在为时未晚之前,由立法者和政策制定者推动法令修订并制定振兴大数据产业的对策。






