安装一个新应用,弹窗先问能不能读取通讯录、位置和相册。多数人手指一滑就点了“允许”,不是不在意,而是很难在几秒钟里判断:这些权限和接下来的使用有什么关系。
数据隐私讨论常被简化成“有没有泄露”。可真正的麻烦往往发生在泄露之前:信息被谁收集、为何收集、保存多久、能否撤回。人工智能把这些问题放大了。模型需要大量样本,样本来自人的表达、路径、偏好和沉默。单个字段看似无关紧要,拼在一起却可能勾出生活轮廓。
同意不是终点
把数据隐私交给一句“我已阅读并同意”,省事,却把判断成本推给用户。合理做法不是再写长几页协议,而是让权限与功能对应:扫一扫需要相机,不需要通讯录;天气需要位置,也可以接受手动城市。最小必要原则听起来抽象,落到界面上就是一次少问、一次可拒绝、一次能修改。
另一个容易被忽略的层面是二次使用。用户为某项服务交出数据,不等于同意它被用于所有训练场景。人工智能产品若要把交互记录用于模型改进,至少应把用途、范围和退出方式讲清楚。模糊表述会消耗信任,也会让合规变成事后补丁。
把边界做进流程
技术上有一些缓解办法。端侧处理让部分计算留在本地,减少原始数据外传;去标识化与聚合能降低个体暴露风险;访问控制与日志审计则让内部使用有迹可循。它们不是万能钥匙,但能把“原则上保护”变成“流程里可检查”。
- 收集前问一句:这个字段对当前功能是否必要。
- 使用中留出口:用户能否查看、更正、删除或关闭非必要处理。
- 训练时做区分:服务所需数据与模型改进数据是否分开授权。
数据隐私的边界不该只由企业单方面划定,也不该全压在用户身上。更现实的做法,是把选择做成可理解的选项,把默认设置做成更保守的起点。便利当然有价值,但便利若以长期的不确定感为代价,用户迟早会用脚投票。
回到那个权限弹窗。一个更值得追问的问题不是“你同不同意”,而是“为什么需要”。当产品能清楚回答后者,数据隐私才不只是一句声明,而成为可以感知的使用体验。