1. 隐私保护概述：人脸识别中的隐私风险、法律法规与基本原则
大家好，我是这门课的主讲人。在AI安全这个领域摸爬滚打了快十年，说实话，人脸识别是我见过最「双刃剑」的技术之一。一边是刷脸支付、门禁考勤的便利，另一边是隐私泄露的万丈深渊。今天这第一讲，咱们就把这些风险、法规和原则掰开揉碎了聊清楚。
1.1 人脸识别中的隐私风险——你刷的不是脸，是「生物钥匙」
人脸数据跟密码不一样。密码丢了可以改，人脸丢了……你总不能换张脸吧？
我在项目中遇到过不少客户，上来就问「你们的人脸识别准确率多少？」很少有人问「数据存哪了？加密了吗？谁有权限看？」。这才是最要命的。
具体来说，隐私风险主要集中在以下几个环节：
| 风险环节 | 具体表现 | 真实案例（我经历的） |
|---|---|---|
| 采集阶段 | 未经同意抓拍、过度采集（比如顺便拍下周围路人） | 某商场部署摄像头，顾客完全不知情就被采集了面部特征 |
| 存储阶段 | 明文存储、数据库泄露、内部人员违规导出 | 某安防公司员工把测试库的人脸数据拷回家「研究」 |
| 传输阶段 | 未加密传输、中间人攻击截获特征向量 | 某门禁系统用HTTP传输，抓包就能拿到特征码 |
| 使用阶段 | 超范围使用、数据二次加工、与第三方共享 | 某APP把人脸数据卖给广告商做「精准推送」 |
| 销毁阶段 | 数据「假删除」、残留副本未清理 | 某系统「删除」后，备份盘里还躺着三年前的人脸照片 |
1.2 法律法规——GDPR 与个人信息保护法
说到法规，很多人觉得是法务的事。其实不然。你想想看，一个系统架构设计出来就违法，那后面改起来成本高得吓人。我建议工程师至少把这两部法律的核心条款刻在脑子里。
1.2.1 GDPR（通用数据保护条例）
GDPR 是欧盟的法规，但影响力是全球性的。只要你的系统涉及欧盟居民的数据，就得遵守。它把人脸数据归类为「生物识别数据」，属于特殊类别，处理门槛极高。
- 明确同意： 必须「自由给予、具体、知情、明确」——那种藏在用户协议里的小字条款，算了吧。
- 数据最小化： 只收集实现目的所必需的最少数据。说白了，能只提取特征就别存原图。
- 目的限制： 采集时说用来考勤，就不能偷偷拿去做情绪分析。
- 数据主体权利： 用户有权要求删除、更正、导出自己的数据。
- DPIA（数据保护影响评估）： 处理人脸数据前必须做风险评估。
1.2.2 个人信息保护法（中国）
2021年生效的《个人信息保护法》，咱们国内的法律。它把人脸信息列为「敏感个人信息」，处理规则跟 GDPR 有很多相似之处，但也有自己的特色。
| 对比维度 | GDPR | 个人信息保护法 |
|---|---|---|
| 数据分类 | 特殊类别数据 | 敏感个人信息 |
| 同意要求 | 明确同意 + 例外情形 | 单独同意 + 书面同意（特定场景） |
| 跨境传输 | 充分性认定 + 标准合同条款 | 安全评估 + 个人信息保护认证 |
| 处罚上限 | 全球年营收 4% 或 2000 万欧元 | 上一年度营业额 5% 或 5000 万人民币 |
| 影响评估 | DPIA（强制） | 个人信息保护影响评估（强制） |
为什么会这样？说白了，各国都在抢数据治理的话语权。作为工程师，我们别管谁家法律更严，按最严的标准做，准没错。
1.3 隐私保护基本原则——从设计源头就「嵌入」隐私
这部分是我个人最看重的。与其出了事再补救，不如在设计阶段就把隐私保护「焊死」在系统里。这就是所谓的 Privacy by Design（隐私设计）。
我把它总结成七个实操原则，每个原则后面都附一个我在项目中用过的具体做法：
- 主动预防，而非被动补救： 别等数据泄露了再打补丁。我习惯在架构评审时就把隐私风险点列出来，跟功能需求同等优先级。
- 默认隐私： 系统出厂设置就应该是最保护隐私的。比如默认不存储原始人脸图片，用户需要手动开启「存储原图」选项。
- 嵌入设计，而非附加： 隐私保护不是最后贴上去的「狗皮膏药」。我在写代码时，数据脱敏、加密、访问控制这些逻辑是跟业务逻辑一起写的。
- 全功能，但正和而非零和： 隐私保护不意味着牺牲功能。比如可以用差分隐私技术做统计，既保护个体隐私，又能拿到群体趋势。
- 端到端安全： 从摄像头采集到特征比对，再到结果返回，全链路加密。我曾经在一个项目里发现，虽然存储加密了，但传输用的是明文——等于白干。
- 可见与透明： 用户有权知道「谁、在什么时候、为什么、采集了我的什么数据」。我建议在系统里加一个「数据使用日志」面板，用户可以自己查看。
- 尊重用户隐私： 把选择权交给用户。比如提供「退出人脸识别，改用刷卡」的选项。
1.4 本章知识体系总览
下面这张图是我自己梳理的，把这一章的核心逻辑串起来了。你可以把它当作一个「思维导图」来用。
嗯，这张图基本把这一章的内容都装进去了。你可以看到，隐私风险、法律法规、基本原则这三块是互相咬合的。风险驱动法规出台，法规又反过来要求我们遵循基本原则去设计系统。
好了，第一讲就到这里。记住一句话：人脸识别系统的隐私保护，不是成本，是信用。 你保护好了用户的数据，用户才会放心地把脸交给你。