當(dāng)下正是一個(gè)由數(shù)據(jù)驅(qū)動(dòng)的偉大變革時(shí)代。從ADAS到AD，每一次技術(shù)的躍遷都離不開海量道路數(shù)據(jù)的采集、標(biāo)注與分析。以圖像數(shù)據(jù)為例，它們是訓(xùn)練和優(yōu)化感知算法、提升系統(tǒng)安全性的寶貴資源。

然而，當(dāng)計(jì)劃將這些數(shù)據(jù)送往異國(guó)研發(fā)團(tuán)隊(duì)時(shí)，數(shù)據(jù)合規(guī)這個(gè)難題便擺在了面前。

一、全球化研發(fā)的數(shù)據(jù)合規(guī)挑戰(zhàn)

對(duì)于任何一個(gè)有全球拓展計(jì)劃的車企或技術(shù)供應(yīng)商而言，跨國(guó)研發(fā)與測(cè)試通常是不可避免的，例如驗(yàn)證算法在不同交通環(huán)境、氣候條件下的魯棒性。然而，當(dāng)使用到這些真實(shí)世界圖像的數(shù)據(jù)時(shí)，不可避免地會(huì)捕捉到大量的個(gè)人身份信息（PII），例如行人的面部特征、清晰可辨的車牌號(hào)碼等。

這正是挑戰(zhàn)的核心所在。當(dāng)數(shù)據(jù)跨境傳輸成為研發(fā)的剛需時(shí)，企業(yè)便會(huì)踏入全球隱私法規(guī)的“風(fēng)險(xiǎn)區(qū)域”。針對(duì)這些挑戰(zhàn)，康謀有一些洞察和總結(jié)，本文將與大家一起交流！

二、全球數(shù)據(jù)法規(guī)的差異與現(xiàn)實(shí)

自歐盟《通用數(shù)據(jù)保護(hù)條例》（GDPR）設(shè)立全球數(shù)據(jù)保護(hù)的里程碑后，隱私立法變革隨之在世界范圍內(nèi)展開，中國(guó)的《個(gè)人信息保護(hù)法》（PIPL）就是其中的重要組成部分。這些法規(guī)雖都以保護(hù)個(gè)人信息為目標(biāo)，卻在定義、原則和跨境規(guī)則上存在差異，給全球化車企帶來(lái)了嚴(yán)峻挑戰(zhàn)。以GDPR與PIPL為例：

對(duì)于個(gè)人數(shù)據(jù)的定義，GDPR第四條的定義極為寬泛，指“與已識(shí)別或可識(shí)別的自然人相關(guān)的任何信息”，圖像數(shù)據(jù)中的人臉、車牌號(hào)等顯然均在此列；

PIPL第四條中的定義相對(duì)覆蓋廣泛，指“以電子或者其他方式記錄的與已識(shí)別或者可識(shí)別的自然人有關(guān)的各種信息”，但明確將“匿名化處理后的信息”排除在外，為數(shù)據(jù)合規(guī)利用指明了方向；

在處理原則上，GDPR在第五條中，確立了六大核心原則，首要的是處理個(gè)人數(shù)據(jù)應(yīng)遵循 “合法、公平和透明”原則；PIPL則在第五條中明確要求，處理個(gè)人信息應(yīng)當(dāng)遵循“合法、正當(dāng)、必要和誠(chéng)信”原則，并在第六條進(jìn)一步強(qiáng)調(diào)應(yīng)“采取對(duì)個(gè)人權(quán)益影響最小的方式”；

最大的挑戰(zhàn)在于數(shù)據(jù)跨境機(jī)制。GDPR第五章設(shè)立了以“充分性認(rèn)定”和標(biāo)準(zhǔn)合同條款（SCCs）為核心的復(fù)雜路徑；而PIPL第三十八條則規(guī)定了通過(guò)安全評(píng)估、認(rèn)證或標(biāo)準(zhǔn)合同的“三選一”模式，且根據(jù)第四十條，大規(guī)模數(shù)據(jù)處理者的出境行為必須通過(guò)國(guó)家安全評(píng)估。

三、如何技術(shù)破局

通過(guò)技術(shù)手段將數(shù)據(jù)中的個(gè)人身份信息徹底移除且無(wú)法恢復(fù)，這些數(shù)據(jù)便能在全球范圍內(nèi)自由、合法地流通，用于AI訓(xùn)練和算法分析。然而，又一核心問(wèn)題出現(xiàn)：如何在保護(hù)隱私與保留數(shù)據(jù)價(jià)值之間取得完美平衡？

為此，康謀提出了一套基于人工智能的、由淺入深的行業(yè)領(lǐng)先匿名化方案。

1、精準(zhǔn)模糊

通過(guò)自動(dòng)且精準(zhǔn)地識(shí)別圖像和視頻中的人臉與車牌，高度貼合人臉的自然輪廓，僅對(duì)車牌字符區(qū)域進(jìn)行處理，最大限度地保留了背景環(huán)境的完整性，為分析和機(jī)器學(xué)習(xí)提供了高質(zhì)量的基礎(chǔ)數(shù)據(jù)；

2、全身模糊 (Full body Blur)

一種擴(kuò)展的全身匿名化技術(shù)，完整識(shí)別行人輪廓，進(jìn)一步防止通過(guò)姿態(tài)、服裝、紋身等間接識(shí)別到具體個(gè)人，提供更全面的隱私保護(hù)，適合高敏感度場(chǎng)景如公共場(chǎng)所監(jiān)控、校園測(cè)試等；

3、深度自然匿名化技術(shù) (DNAT）

突破性的圖像匿名化技術(shù)，不再是傳統(tǒng)的“遮蓋”，而是“重生”。DNAT通過(guò)先進(jìn)的生成式AI技術(shù)，為檢測(cè)到的人臉和車牌創(chuàng)建一個(gè)全新的、合成的、但外觀完全自然的覆蓋層。

（1）不可逆，真匿名： 生成的覆蓋層是隨機(jī)且唯一的，確保原始身份信息無(wú)法通過(guò)任何手段被逆向工程破解，完全符合全球主流法規(guī)的匿名化標(biāo)準(zhǔn)；

（2）保留核心屬性： 在替換面部的同時(shí)，DNAT能夠保留原始人物的性別、種族、視線方向、面部表情甚至佩戴物（如眼鏡）等關(guān)鍵屬性；

（3）完全支持AI訓(xùn)練： 經(jīng)DNAT處理的數(shù)據(jù)，在用于目標(biāo)檢測(cè)、語(yǔ)義分割等AI模型訓(xùn)練時(shí)，其性能表現(xiàn)與使用原始數(shù)據(jù)幾乎沒(méi)有差異。

四、總結(jié)

全球數(shù)據(jù)法規(guī)的協(xié)同化與嚴(yán)格化已是不可逆轉(zhuǎn)的趨勢(shì)。對(duì)于在自動(dòng)駕駛領(lǐng)域競(jìng)爭(zhēng)的企業(yè)來(lái)說(shuō)，將數(shù)據(jù)合規(guī)從“成本中心”轉(zhuǎn)變?yōu)椤?/span>戰(zhàn)略優(yōu)勢(shì)”，是在未來(lái)獲勝的關(guān)鍵。

Brighter AI通過(guò)靈活的部署方式（云端、本地、邊緣計(jì)算）和具有開創(chuàng)性的生成式匿名化技術(shù)，可為全球汽車企業(yè)和技術(shù)供應(yīng)商提供了一條清晰的解決路徑。