个人数据推断:是什么以及为何重要

推断将痕迹和已有数据转化为针对个人的归因。理解推断的形成方式,有助于将其与事实、画像或决策区分开来。

作者 Daniel Sardá · 发表于:

阅读约需 7 分钟1,444 字词

本页内容 · 7 节

某平台记录到某人经常查阅相机评测,并根据该行为推测其计划购买相机。此人从未表明过该意图。然而,系统生成了关于此人的新信息:一项推断。

个人数据推断是指基于其他数据生成、并归属于已识别或可识别个人的结论、估计或预测。它们可用于对内容进行排序、预判偏好或评估申请。这类推断不一定真实,不一定具有敏感性,也并非必然违法。其重要性体现在另一个方面:它们可能影响某个机构对待当事人的方式,即使当事人并不知道存在这种归因。

核心观点: 推断无需由本人主动声明即可成为个人信息;关键在于它是否能够与该人相关联。

个人数据推断是如何形成的

该过程通常始于相对简单的数据。某项服务记录访问、搜索或购买行为;将这些痕迹与特定模式进行比对;进而得出概然性结论。这一链条可以表示为:

输入数据 → 分析 → 推断 → 可能的画像 → 可能的决策

每个环节承担着不同的功能。如果某人多次浏览摄影产品,该历史记录即为观察到的数据。“有意购买相机”的估计则是推断。将其归入“摄影潜在客户”等类别,则可能构成画像的一部分。向其展示优惠信息、调整页面排序,或对其申请进行额外复核,便构成了后续的行动或决策。

作出这种区分可以避免两种错误。第一种是将任何经过处理的数据都称为推断。第二种是认为所有推断都会自动产生决策。有些推断仅用于个性化界面展示;有些推断则确实会影响重要机会。

获取个人信息的四种方式

通过一种简单的分类,可以厘清分析过程增加了什么。这些分类具有教学性质,在不同的法律框架下可能有所差异:

  • 主动提供的数据: 由当事人自行提供,例如其电子邮件地址或在表单中勾选的偏好。
  • 观察到的数据: 根据其行为记录产生,例如访问过的页面或使用频率。
  • 衍生数据: 源自对其他数据的直接运算,例如根据记录的购买记录计算月度支出。
  • 推断数据: 表示关于某种特征、意图或未来行为的结论或概率。

这种区别并不仅仅取决于所使用的技术。计算总和与估计偏好都属于分析操作,但后者增加了一项在原始数据中未被明确表达的断言。

数据的来源本身也不能单独决定该信息是否应受保护。《欧盟通用数据保护条例》根据信息与已识别或可识别个人的关联来界定个人数据,而非取决于其是否由本人直接提供。其他法律体系也采取了类似方法:例如,加利福尼亚州关于CCPA的官方指南就包含了用于生成画像的某些推断。具体保护范围始终取决于所在司法管辖区和具体案情。

估计不是经过证实的事实

任何推断都包含一定程度的不确定性。“可能正在寻找相机”并不等同于“买了一台相机”。即使在技术层面计算精确的估计,也可能错误地描述一个人:此人可能是在挑选礼物,或者在帮助朋友。

这并不意味着所有推断都毫无用处。推荐功能可以减少摩擦,使服务更具针对性。但这也要求机构必须根据推断的本质来呈现和使用它们。不应出于机构自身的便利,将一种概率转化为关于某人身份、偏好或意图的确定事实。

有必要区分三个问题:

  1. 推断是否准确或合理? 审查数据质量、分析方法和不确定性。
  2. 是否可以用于该目的? 审查适用规则、合理预期和比例原则。
  3. 产生了什么效果? 审查它是仅仅用于对内容排序,还是限制了某种重要选择。

推断准确并不自动意味着合法。而如果一项推断决定了当事人受到的待遇,即便推断有误,它依然值得重视。

核心观点: 准确性、合法性与实际效果是不同的问题。解决其中一个并不必然解决其余两个。

群体结论何时转化为个人信息

并非所有统计模式都属于个人数据。比如“某地区30%的用户更喜欢在下午收货”,描述的是一个群体,原则上并未将该偏好归因于某个具体个人。但如果说“据估计安娜更喜欢在下午收货”,则确实得出了关于某个具体个人的结论。

界限取决于合理识别、唯一定位或重新将信息与某人相关联的可能性。仅删除姓名并不总是足够的。表面上经过汇总的数据集仍可能保留足以识别特定个体的特征组合,而真正匿名的统计数据则脱离了这种与个人的关联。

英国数据保护监管机构关于匿名化的指南恰恰强调了这种情境性特征:相关性与预测可以生成新信息,而当这些信息涉及可识别个人时,便可能构成个人信息。

推断、画像与决策并非同义词

用户画像是指通过自动化处理组织或评估某个人的各个方面。它可以将众多观察结果和推断整合为一个操作性表征:可能的兴趣、使用习惯或采取某种行为的倾向。

相比之下,自动化决策是指基于自动处理产生的结果或采取的行动。它可以依托于用户画像,但也可以仅基于一条简单规则;而且画像可以存在而不引发重大决策。

在欧洲法律框架下,《通用数据保护条例》第4条和第22条以及欧洲数据保护委员会支持的指南对这两个概念作出了区分。针对完全自动化决策的具体保护措施仅适用于特定情形,特别是当产生法律效力或类似重大影响时。这些措施并不构成要求知悉任何系统的全部代码的普遍权利。

这种精准区分之所以重要,是因为适当的控制机制取决于所处的阶段。更正输入数据、质疑推断以及申请复核决策是相互关联但不可替代的行动。

哪些控制机制使质疑推断成为可能

当一项推断影响到重大选择时,个人自主所要求的不仅是被动接受分类。控制并不意味着禁止数据分析,也不意味着强迫企业公开商业秘密。它的含义是让当事人能够获得充分的理解,从而发现错误、对归因提出异议并了解其后果。

一个合理的框架应当允许当事人询问:

  • 哪些类别的数据促成了该推断;
  • 创建和使用该推断的目的何在;
  • 它表达的是事实、估计还是评分;
  • 其不确定程度如何,保存期限是多久;
  • 它是否会导致重大决策,以及如何对决策进行复核。

在欧盟,除了针对特定完全自动化决策的具体保护措施外,还存在查阅权和更正权。这些权利的行使存在限制和例外情况。在适用的情况下,只有当复核人员能够理解处理结果、考量额外信息并有权对其作出修改时,人工复核才能提供真正的控制;机械性的确认并不会改变处理流程的实质。

这些控制机制属于更广泛讨论的一部分,涉及个人数据控制权,以及在具备强大分类能力的机构面前如何保护个人自主。在操作建议方面,人工智能与个人数据的使用还提出了具体的实施问题。

核心观点: 推断对个人机会的影响越大,透明度、提出质疑的可能性以及有效的复核就越重要。

关键不在于禁止一切预测

推断是一种普遍的做法,且在许多场景下是有益的。当一项不确定的结论获得了权威性,而当事人却不了解其来源、目的或质疑途径时,问题便随之产生。

一个开放社会不需要在创新与个人自由之间二选一。它可以允许对分析结果进行正当使用,同时在分类改变个人机会之处设定相称的限制。实际问题不仅在于一个机构拥有哪些数据,更在于它自认为对每个人了解什么、依据是什么,以及打算用这些认知来做什么。

关于作者

Daniel Sardá 是 SEO 专家兼 Libertatis Venezuela 编辑。他从独立、非党派的视角撰写有关自由主义、政治经济学、制度、宣传和个人自由的文章。

查看完整资料