防止隐私泄露,医疗APP要有更硬核的举措

VSole2022-11-29 16:21:38

近日,APP用户隐私保护问题再次受到关注。据报道,有用户下载一款医疗健康手机APP,被要求填写姓名、手机号等隐私数据,即便在卸载这款APP后,依然接到四五通骚扰电话,其中不乏医美机构询问植发等,甚至是推销借贷。移动互联时代,个人信息被智能手机应用过度违规采集问题屡次被曝光,此前,多款医疗健康类APP就因过度收集个人信息被监管通报。

当前,医疗APP过度收集信息、泄露隐私等现象日益常见,民众对此关注度持续升高。去年8月,禾连健康APP(版本9.2.4)因收集与提供服务无关的个人信息,且存在未经同意向他人提供个人信息等问题被通报。今年4月,好医生APP(版本6.1.3)因涉嫌隐私不合规问题,被国家计算机病毒应急处理中心通报。有专家表示,医疗APP获取的隐私信息范围大到惊人,远超出国家规定范围。谁盯上了我的医疗健康信息,医疗APP隐私保护暗藏哪些陷阱等,成为很多人索绕心中的追问。

与其他类型手机APP相比,医疗APP泄露隐私导致的危害更大。个人健康信息是最敏感的信息之一,信息泄露后除了可能频遭骚扰,更重要的是所患疾病被他人知晓。健康信息泄露可能会带来歧视,影响求职等。另一方面,医疗健康类信息的利用价值大,被恶意收集后可能被实施精准诈骗。

医疗隐私泄露后的杀伤力更大、非法用途更多,这两方面的因素结合在一起,导致医疗APP防隐私泄露面临更严峻的形势。因此,医疗APP的日常监管理应比其它手机APP更严,要求更高,落实《APP收集使用个人信息最小必要评估规范》等制度也应该更加彻底。在存储个人信息时,目的、方式、范围、类型、数量都要着重考虑最小必要原则,存储时间应当为实现处理目的所必要的最短时间。此外,对于非法收集利用医疗信息的行为,惩罚力度也应更高。

手机APP已成为民众离不开的“帮手”,其种类越来越全、数量越来越多。互联网诊疗发展势头迅猛,通过移动终端开展诊疗也是必然趋势,作为互联网诊疗的重要载体,医疗APP有望迎接井喷式发展。在此背景下,确保个人医疗信息安全是医疗APP健康发展的前提。唯有用更硬核的举措筑牢医疗隐私安全堤坝,才能让民众尽享医疗APP带来的技术红利,不因隐私泄露而反遭其害。


隐私泄露医疗
本作品采用《CC 协议》,转载必须注明作者和本文链接
近日,APP用户隐私保护问题再次受到关注。当前,医疗APP过度收集信息、泄露隐私等现象日益常见,民众对此关注度持续升高。有专家表示,医疗APP获取的隐私信息范围大到惊人,远超出国家规定范围。互联网诊疗发展势头迅猛,通过移动终端开展诊疗也是必然趋势,作为互联网诊疗的重要载体,医疗APP有望迎接井喷式发展。
各经济体更加重视数据竞争力,纷纷制定出台数据战略,宣誓数据安全和主权。因此,欧盟认为必须建立欧洲数据主权。近年来,我国陆续发布了一系列数据及其安全相关的法律法规和标准规范,数据资产价值得到确认。2020年6月,12部委联合发布《网络安全审查办法》,推动建立国家网络安全审查工作机制。
国家工业信息安全发展研究中心作为国家级信息安全研究和推进机构,联合华为技术有限公司共同研究编制了《数据安全白皮书》,全面分析了我国数据安全产业基础、防护关键技术、法律法规体系现状,从提升数据安全产业基础能力、加快研究和应用数据安全防护技术、强化法律法规在数据安全主权的支撑保障作用等三方面展望数据安全发展未来,提出了数据安全发展倡议,为行业发展提供借鉴和参考,积极推动我国数据治理工作有序开展。
印尼央行遭勒索软件袭击,超 13GB 数据外泄印尼央行遭 Conti 勒索软件袭击,内部十余个网络系统感染勒索病毒。据勒索团伙称,已成功窃取超过 13GB 的内部文件,如印尼央行不支付赎金,将公开泄露数据。月渥太华卡车司机抗议活动捐赠网站现安全漏洞,捐赠者数据遭曝光渥太华抗议加拿大国家疫苗规定的卡车司机使用的捐赠网站修复了一个安全漏洞,该漏洞暴露了部分捐赠者的护照和驾驶执照。
新冠疫情所致远程办公和云端迁移的大潮,为网络罪犯开辟了新的途径。2021年,在远程工作状态影响下,世界各地的网络攻击急剧上升,勒索软件、网络钓鱼、人为错误操作等导致的数据泄露不断增加,全球范围内网络威胁依旧不断。特别是勒索软件的高度猖獗,在上半年的攻击次数已达到3.047亿,同比增长达151%,远超2020年全年攻击总数,对多国家、多行业、多领域造成不同程度的影响。
用户错误配置隐私泄露风险之大,应引起足够重视。对象存储服务只是公有云提供的若干存储服务之一,其他如消息队列服务、数据库服务等均存在对外暴露和错误配置叠加的数据泄露风险。对这 337 个服务的 IP 地址的地理区域统计显示,在全球范围内,互联网上暴露的 Docker 服务主要分布于中国、美国以及德国。
安全专家建议,将此次攻击升级到国家安全层面。
如今机器学习以及深度学习在各个领域广泛应用,包括医疗领域、金融领域、网络安全领域等等。深度学习的首要任务在于数据收集,然而在数据收集的过程中就可能产生隐私泄露的风险,而隐私泄露将导致用户不再信任人工智能,将不利于人工智能的发展。本文总结了目前在深度学习中常见的隐私保护方法及研究现状,包括基于同态加密的隐私保护技术、差分隐私保护技术等等。
隐私计算对于训练大语言模型、抹平数据飞轮效应意义重大。尽管如此,隐私计算同样可能带来决策失误、权益侵害、隐私泄露等风险。当务之急,是结合我国国情,厘清隐私计算的行业价值及潜在风险,以便有针对性地从技术和法律两方面补齐风控短板。
隐私计算是数据安全流通的关键技术,如何规模化应用是隐私计算发展面临的重点难题。从隐私计算技术落地、规模化推广应用的角度审视了隐私计算的发展趋势与面临的挑战,提出了隐私计算融合应用基本模型;通过梳理未来隐私计算融合应用的主要特点及趋势,提出了隐私计算融合应用典型方案,给出了隐私计算应用发展思考与建议,为隐私计算从离散化试点应用走向泛在化融合应用提供参考。
VSole
网络安全专家