Facebook宣布将联合学术界、全球组织及开发者,共同投资隐私增强技术(PET)研究。此举旨在应对iOS 14政策导致的数据流失问题,通过识别更优的追踪方法,在保障用户隐私的前提下回传匿名化与聚合数据,从而优化广告商投放效果。
隐私增强技术在Facebook广告中的应用
隐私增强技术(PET)的核心在于最小化数据处理量以保护个人信息。Facebook以疫情接触者追踪和电子支付为例,展示了PET如何在仅获取“需知”信息的同时确保数据安全。
目前,Facebook重点投资的三大PET方向包括:多方计算(MPC)、设备端学习(On-Device Learning)和差分隐私(Differential Privacy)。
多方计算(MPC)与私密提升度测量
Facebook正在测试基于多方计算的“私密提升度测量”方案。该技术允许整合多方数据源(如广告互动数据与购买数据)进行计算,帮助广告主评估投放效果,同时严格隔离消费者隐私数据。
该框架目前已开源,支持开发者构建以隐私为核心的测量产品。Facebook预计明年所有广告主均可使用此测量方式。
设备端学习
设备端学习指数据保留在本地设备上训练算法,无需上传云端即可识别用户习惯与潜在行为。例如,系统可在本地检测到用户点击健身器材后购买蛋白粉的关联模式,避免个人敏感数据传输至服务器。这一机制与Google Chrome FLoC联邦学习的理念相似。
差分隐私
差分隐私通过在数据集中添加噪声实现匿名化处理,增加反推特定个体行为的难度。该技术常应用于公共研究领域,既可独立使用,也可与其他隐私增强技术结合部署。
技术落地时间表
Facebook表示这是一项多年期工作,尚未公布确切的时间节点。相关测试将在未来一段时间内陆续展开,但广告商短期内可能不会观察到显著变化。

