自动驾驶网络Workshop报告--自动驾驶网络的挑战2

以下内容来自2018年在普林斯顿大学自动驾驶网络研讨会报告，其中特别提到了关于自动驾驶网络技术之外的其他挑战，机器翻译了一下，只能为迅速读懂一个大概的内容提供参考，具体内容还得看原文。

第一部分介绍过法律和政策的挑战，这里是第二部分，关于隐私的挑战。

隐私的挑战:

●  可编程网络的兴起增加了收集更多信息的可能性，针对特定的网络管理问题量身定制，而不是批量收集全部数据包的Trace信息。在这方面，设计新的方法以保护隐私的方式收集网络流量，可以很好地适应在高流量率和容量下执行某些类型的收集和分析的需要。

●一些隐私政策和数据收集披露描述了正在收集的数据和收集这些数据的目的。如果隐私披露包括收集的目的，那么就有可能为自动驾驶网络设计测量基础设施，以便更精确地根据收集的目的收集数据。

●一旦机器学习被整合到网络中，网络本身基本上可以执行推理，标记数据，并将一个数据集链接到另一个数据集。在不久的将来，更广泛的团体可能会越来越容易地根据数据建立关于用户的档案，大规模收集是可能的，从这里可以得出复杂的推论数据。

●欧洲的《通用数据保护规定》(GDPR)等新法律要求匿名化大量数据，包括IP地址。当这些数据用于决策但不能存储时，可能就不可能复制(或理解)网络是如何做出过去的决策的。我们如何协调隐私和数据保留最小化的需要，以及网络可能需要解释过去的决定是如何做出的潜在要求?

●自动化决策(以及支持它的数据收集)是否意味着对用户同意有任何新的考虑?在这些方面，当收集决策被自动化时，ISP如何编写有意义的隐私策略，而人们又不能完全理解这些条件，一个特定的数据集可能会被收集?这甚至可以向用户解释吗?