散装隐私法案可致企业合规成本增至万亿美元

VSole2022-02-26 21:34:35

信息技术与创新基金会(ITIF)的研究表明,允许各州立法监管数据隐私可能造成企业未来十年里合规成本超过1万亿美元。

ITIF的研究报告指出,截至目前,美国仅少数几个州颁布了隐私法案,例如加利福尼亚州、科罗拉多州和弗吉尼亚州,但未来几年其他州可能也会陆续跟进。自2018年以来,美国共有34个州通过或引入了72项隐私法案,用于规范商用个人数据收集和使用。然而,通过的法律越多,州内和州外企业面临的合规成本越高,消费者也会更加无所适从。

ITIF估计,缺乏统一的联邦法律监管数据隐私的情况下,50个州各自出台相关法案可能会令企业背上每年980亿至1120亿美元的州外合规成本,其中200亿到230亿美元落到小型企业身上。

1月27日举行的在线论坛上,ITIF副总裁Daniel Castro表示:“我们将这一政策模型摆到台面上,是希望能够帮助政策制定者了解并关注为什么国家需要理顺隐私立法的问题。”

立法应尽量减少数据使用的合规成本和限制

ITIF的报告呼吁国会通过立法构建国家隐私框架,从而简化监管,建立起基本的消费者数据权利,尽量减小对创新的影响。

报告指出,理想情况下,此类立法应通过尽量减少数据使用的合规成本与限制来保护和促进创新,例如允许消费者选择退出数据收集而不是要求他们选择参与收集,以及避免数据最小化要求、用途说明要求、数据保留限制和设计隐私要求。

该报告提出,无论国会通过什么立法,联邦层面上的任何数据隐私措施都要含有两个关键条款:优先于州法律,以及禁止对违法行为的私人诉权。

TechNet为微软产品用户提供工具与资源,其运营与战略计划高级副总裁兼企业秘书Carl Holshouser在ITIF论坛上表示:“我们认为,确实有必要通过一项优先于其他隐私法案的联邦隐私法,这样所有企业和消费者就能够遵从同一种标准,用同一套标准规范自己的责任和指导创新。”

联邦诉讼权将为隐私诉讼“打开闸门”

Holshouser认为,如果想要保护自身数据不受侵害,单一标准对企业而言同样重要,尤其是对中小企业而言。Holshouser称:“对中小企业来说,要确保正确遵守规定,从而在管控和保护自身数据的同时免遭诉讼,确实要困难得多。”

报告指出,联邦法律没必要确立私人诉权,因为这么做会“打开闸门”,让受新法约束的企业面临代价高昂又没必要的诸多诉讼。

在论坛上,小型科技公司倡导组织ACT | The App Association国家公共政策助理Caleb Williamson表示:“我们不希望看到毫无约束的私人诉权。在州级层面上,我们已经见识过私人诉权怎么被用来骚扰企业,给小型企业造成经济损失,迫使它们倒闭。”

ITIF研究报告原文:

https://itif.org/publications/2022/01/24/looming-cost-patchwork-state-privacy-laws


联邦
本作品采用《CC 协议》,转载必须注明作者和本文链接
联邦调查局和其他反间谍机构警告说,民族国家赞助的网络间谍正在积极试图窃取涉及美国航天工业的公司的研究和商业机密。
虽然联邦学习因为可以保护用户的本地数据隐私而备受重视,但其也和其他机器学习架构一样面临着一些问题,并且容易受到黑客的攻击。这对机器学习的广泛应用来说是一个严重的限制性因素,特别是当训练数据集包含敏感信息并因此构成安全威胁的时候。例如,为了开发核磁共振扫描的乳腺癌检测模型,不同的医院可以共享他们的数据来开发协作的机器学习模型。
总体而言,联邦网络保险兜底可将遥远但潜在的灾难性风险从有资质的保险公司身上转移到联邦政府身上。美国政府也有类似的兜底计划辅助应对自然灾害,甚至承保直接保险。通过定义灾难性事件的构成,确定降低风险的主要因素,以及依靠保险公司通过承保标准来执行这些活动,联邦政府兜底可以成为加强安全的又一途径。
然而,联邦学习容易受到恶意参与者发起的拜占庭攻击。MAB-RFL在对潜在良性用户的探索和利用之间取得了令人满意的平衡。大量的实验结果表明,MAB-RFL在各种攻击以及攻击者比例下均优于现有防御。为此我们提出了两个检测算法分别检测女巫攻击和非女巫攻击,并基于检测结果为用户分配奖励。此外,联邦学习固有的数据异构特性导致正常更新之间的差异也较大,因此发现恶意更新变得更加困难。
只有多方资源申请成功,才会向各方发送start job指令。在任务执行中会收集参与方状态,进行下一步的调度。如果均未出错,则将Job的状态设置为WAITING。各个参与方在收到请求后,将Job状态改为RUNNING。initiator 向各方发送start task的rpc请求。FATE-Flow从整个任务生命周期的管理,到上层对外暴露API结构,在整个联邦学习中起着举足轻重的作用。
联邦调查局和CISA在当地时间16日发布的联合公告中透露,一个未具名的伊朗支持的威胁组织入侵了联邦民事行政部门组织,以部署XMRig加密恶意软件。
据欧洲刑警组织称,这两个地下犯罪市场“对超过35万种非法商品的交易负责,包括毒品、枪支和网络犯罪恶意软件。”突袭行动还导致26岁的加拿大公民亚历山大·卡泽斯被捕。这是蛋糕上的糖霜,在同一时期,联邦当局故意只关闭AlphaBay,迫使用户加入汉莎市场进行非法交易和购买。当局认为,AlphaBay和Hansa等黑暗网站是造成美国许多人丧生的原因。
美联储已悬赏 1000 万美元,以获取有关外国干预美国大选的信息,更具体地说,俄罗斯寡头和总统弗拉基米尔·普京的密友被指控资助一个干预 2016 年总统选举的组织。
联邦学习已经在各种关键任务的大规模场景中显示出巨大的成功。然而, 这种分布式学习模式仍然容易受到隐私的干扰和拜占庭攻击。前者旨在推断参与训练的目标参与者的隐私, 而后者则专注于破坏所建模型的完整性。近些年来的工作通过利用通用安全计算技术和常见的旁观者保护的聚合规则, 探索了统一的解决方案, 但有两个主要的限制 (1)由于效率瓶颈; (2)由于模型的不全面性,它们仍然容易受到各种攻击。
VSole
网络安全专家