CoinTelegraph 刊文 | 数据隐私侵犯加剧，隐私计算网络 Oasis 是解决方案 - JOYK Joy of Geek, Geek News, Link all geek

CoinTelegraph 刊文 | 数据隐私侵犯加剧，隐私计算网络 Oasis 是解决方案

本篇文章是 Anne Fauvre Willis 发布在 CoinTelegraph 上的一篇区块链行业分析文章，Anne Fauvre Willis 是 Oasis Labs 的运营顾问，也是 Oasis Network 的早期贡献者。

Oasis Network 是一个支持隐私的区块链平台，用于开放金融和负责任的数据经济。Oasis 网络于 2020 年 11 月 19 日正式上线，是全球首个具有隐私保护功能和可拓展性的去中心化区块链网络。

在今日，随着数据个性化交易频率的提高，消费者对于他们数据隐私安全的担忧也在快速增长，在数字安全和凭证发行公司 Entrust 的一项调查中，只有 21% 的受访者信任成熟的全球品牌来保护他们的个人信息安全。

随着大型科技公司数据隐私压力的增加，这些公司开始对安全解决方案进行大量投资。

一、世界各地的法规正在迅速发展

去年，随着越来越多的人因新冠隔离在家，互联网使用量增加了。随着使用量的增加，消费者对如何使用或滥用数据的认识也在增加。例如：专注于隐私的搜索引擎公司 Startpage 最近的一项调查发现，62% 的美国人更加了解他们的数据是如何在线使用的，包括基于浏览历史和位置的广告定位。

随着对公司如何收集数据的日益关注，各个国家的新法律正在迅速发展以解决这些问题。 2016 年，欧盟通过了《通用数据保护条例》。两年后，加利福尼亚签署了《加利福尼亚消费者隐私法》，这是历史上最强有力的州级隐私立法。从那时起，弗吉尼亚州是美国唯一一个成功通过综合法案的州，即弗吉尼亚州消费者数据保护法。

越来越多的州希望增加消费者隐私保护法，用户的意见和政策也发生了明显的变化。这些政策、条款、约定或许让人们相信了他们的数据隐私安全正得到保护，但实际情况并不如此，数据隐私及其保护方式极其复杂。

二、公司将投资于隐私和安全技术

2020 年开始时，数百万人将生活转移到网上，人们远程上学并参加虚拟的欢乐时光，将更多的个人数据暴露在几乎不受监管的互联网上。

因为新冠，我们的数据共享的缺陷已经暴露出来，每个人都必须意识到保护数据隐私安全的重要性！

三、数据隐私安全问题有可能解决吗？

随着消费者期望继续推动隐私保护，企业有机会在这个不断发展的领域中领先，但随着新进入者准备进入市场，这种机会不会持续很长时间。根据 Crunchbase 的数据，去年投资者向网络安全公司注资 78 亿美元，从 2019 年到 2020 年增长了 22%，今年这个数字在短短六个月后更高，超过了 90 亿美元大关。

将数据所有权放在首位，让我们来看看为新冠后的世界铺平道路的初创公司。从个人数据清理到旨在帮助公司遵守法律的以业务为中心的软件，这五家初创公司正在帮助用户收回控制权和所有权。

OpenMined 是一个开源社区，该公司的目标是通过降低进入私有 AI 技术的门槛，使世界更加保护隐私。它的使命是创建一个可访问的隐私工具和教育生态系统，它通过使用密码学和差分隐私方面的先进技术扩展 PyTorch 等流行库来实现。该公司声称，通过其服务，个人和组织可以托管私有数据集，允许数据科学家训练或查询他们“看不到”的数据。数据所有者保留完全控制权——数据永远不会被复制、移动或共享。

Anjuna 为数据、应用程序和工作负载提供硬件级保护，几乎消除了数据不安全性。据该团队称，它确保应用程序独立于其基础架构运行，在锁定数据安全性的同时简化操作。该软件使 IT 能够将应用程序和数据“提升和转移”到安全区域的硬件加密范围内，保护它们免受恶意软件、内部人员和不良行为者的侵害。

Fortanix 保护跨公共、混合、多云和私有云环境的敏感数据，使客户能够在任何环境中运行最敏感的应用程序。 Fortanix 表示，组织可以自由地加速其数字化转型、组合和分析私人数据，以及提供保护其服务对象隐私的安全应用程序。

Duality Technologies 满足了受监管行业中企业在敏感数据上进行协作的快速增长的需求。据该公司称，该平台可以对加密数据进行安全分析，从敏感数据中获取洞察力，而不会暴露数据本身。其技术可保护有价值的分析模型在计算过程中不会暴露给外部协作方。 Duality SecurePlus 表示，该平台使企业能够利用先进的加密方法进行现实世界的数据协作，同时遵守数据隐私法规并保护其 IP。

Leap Year 构建技术以可扩展、严格、面向未来的方式解决这些问题。根据该公司的声明，世界上一些最大的企业可以打破数据孤岛，形成数据合作伙伴关系并加速机器学习的采用，所有这些都具有经过数学验证的隐私保护。