国际学者关于接触者追踪的联合声明

**

国际学者关于接触者追踪的联合声明

**
最近来自全球300多位教授和学者签署了关于接触者追踪的联合声明。以下是这份声明。

以下签名代表来自全球各地的科学家和研究人员。当前的COVID-19危机是前所未有的,我们需要创新的方式来摆脱当前的情况。然而,我们关切的是,一些危机的“解决办法”可能通过任务蔓延而导致对整个社会进行前所未有的监督的制度。

接触者追踪是一种很好理解的处理流行病的工具,传统上是人工进行的。然而,人工接触跟踪是耗时的,并且仅限于那些可以识别的人。

在某些情况下,人们手机上所谓的“联系人追踪应用程序”可能会提高联系人追踪技术的有效性。这些应用程序可以通知与感染者有身体接触的人,从而使他们能够进入隔离状态。这些应用程序将使用智能手机上的蓝牙或地理位置数据。虽然联系人追踪应用程序的有效性存在争议,但我们需要确保这些应用程序保护了用户的隐私,从而避免了许多其他问题,我们注意到,这些应用程序可能会被重新利用,导致不必要的歧视和监视。

研究表明,基于共享地理位置来发现联系人的解决方案缺乏足够的准确性,同时也存在隐私风险,因为GPS数据被发送到一个集中的位置。出于这个原因,基于蓝牙的自动联系人跟踪解决方案是最好的选择。

一些基于蓝牙的提议尊重了个人的隐私权,而另一些提议则(通过任务蔓延)启用了一种政府或私人部门的监视形式,这将极大地妨碍社会对这种应用程序的信任和接受。至关重要的是,公民信任这些应用程序,以便产生足够的理解,从而在应对危机方面发挥作用。

至关重要的是,在走出当前的危机时,无论是现在还是以后,我们不能创建一种工具,使大规模的人口数据收集成为可能。因此,在没有进一步讨论的情况下,应该拒绝那些允许重建入侵人群信息的解决方案。这些信息可以包括某人在一段时间内见过谁的“社交图谱”。

通过访问社交图,作恶行为者(私营部门或黑客)可以监视公民的真实世界活动。一些国家正在寻求建立能够使它们能够访问和处理这一社会图的系统。另一方面,高度分散的系统没有明确的实体可以学习任何关于社会关系的东西。在这样的系统中,患有这种疾病的用户和没有患病的用户之间的匹配,是在未受感染的用户的手机上尽可能匿名地进行的,而关于未受感染用户的信息则完全不被披露。

为了帮助在没有保存个人隐私信息的中央控制数据库的情况下开发联系人跟踪,谷歌和苹果正在开发基础设施,以保护隐私的方式支持所需的蓝牙操作。团队建立隐私保护机制完全支持这一努力,因为它简化了开发这类应用程序的能力,从而加快了开发速度。我们赞赏这一倡议,并告诫不要收集用户的私人信息。一些试图建立集中式系统的人正在向谷歌和苹果施加压力,要求它们开放自己的系统,以便获取更多数据。

值得注意的是,4月17日,欧洲议会以压倒性多数支持这种去中心化的方式,指出生成的数据不能存储在中央数据库中,中央数据库有被滥用和失去信任的潜在风险,可能危及整个联盟的使用,并“要求”所有数据存储都要分散”。

有一些关于尊重用户隐私的联系人追踪方法的建议,其中许多建议正在积极调查,以便由不同国家部署。我们敦促所有国家只依赖于受公众监督和通过设计保护隐私的系统(而不是期望它们将由可信的一方管理),以确保公民的数据保护权利得到维护。

今后至少应采取以下原则:

●接触者追踪应用程序只能用于支持控制COVID-19的公共卫生措施。系统必须不能收集、处理或传输超过达到这一目的所必需的任何数据。

●任何经过考虑的解决方案都必须是完全透明的。协议及其实现(包括公司提供的任何子组件)必须可用于公共分析。必须清楚地记录处理过的数据以及它们是否存储、如何存储、存储在何处以及存储多长时间。为特定目的而收集的此类数据应尽可能少。

●当存在多个可能的选项来实现应用程序的某个组件或功能时,必须选择最隐私保护的选项。只有在为了更有效地达到app的目的而必须这样做时,才允许偏离这一原则,并且必须用日落条款明确地证明其合理性。

●使用联系人追踪应用程序和支持这些应用程序的系统必须是自愿的,必须得到用户的明确同意,而且系统的设计必须能够在当前危机结束时关闭,并删除所有数据。

格密链公司一直致力于全同态加密与区块链技术的研发。

公司网站:https://gemilian.github.io

以上文章以及电子资源,都可以在陈智罡博士的主页上获得:

https://zhigang-chen.github.io/index.html

微信公众号:btc201800

国内第一个聚焦于全同态加密与区块链的公众号
在这里插入图片描述
陈智罡博士的个人主页

https://zhigang-chen.github.io/index.html

全同态加密资源汇总

https://zhigang-chen.github.io/FHE%20Resources.html

全同态加密与机器学习论文列表:https://zhigang-chen.github.io/FHE%20and%20Machine%20Learning%20References.html

区块链与密码学音频节目

https://www.ximalaya.com/zhubo/42927243/

————————————————

版权声明:本文为CSDN博主「格链致知」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/btc201800/article/details/104034933

原创文章 23 获赞 1 访问量 4251

猜你喜欢

转载自blog.csdn.net/btc201800/article/details/105876952