04.23 關於Facebook事件的再思考

【財新網】(專欄作家 陳永偉 特約作者 葉逸群)Facebook的數據洩露事件從事發到現在,已經有一段時間了。一個性格測試程序竟會給網絡巨頭Facebook帶來這麼大麻煩,對整個互聯網產業帶來這麼大的衝擊,這在事先恐怕是沒人能夠預料到的。關於這個事件,已有各種專家從各個角度進行了分析,在這裡我不想對這些觀點進行太多重複,只想簡單說一下幾點自己的認識。

一、保護隱私與產業發展

Facebook事件發生後,很多國家的政府紛紛開始研究對隱私進行保護的新政策,其中的一些政策是比較激進的,對互聯網平臺蒐集、使用數據給出了很多的限制。大有“寧可枉殺千人,不可十一人漏網”之勢。

我個人認為,這樣的反應可能有些過度。必須認識到,隱私概念是有邊界的,不應該將其泛化。

美國隱私保護專家、前白宮首席信息官特蕾莎·佩頓在《大數據時代的隱私》一書中曾提出過一個同心圓模型。她認為,隱私通常指與公共利益無關的個人私生活秘密方面的事宜,包括個人數據、個人行為以及附屬於個人的空間領域等。隱私是以個體為中心的同心圓,越接近圓心越是不願意讓渡的隱私。在同心圓擴大半徑的外圍,個體產生交集,也產生了隱私的交換,並以此獲得友誼、親情、理解,甚至經濟利益。

至於這一系列同心圓之間的邊界如何變化,其實是一個歷史的概念。在各個時代,人們對哪些個人信息可以與別人分享、哪些個人信息不可以與別人分享,認識是完全不同的。在古代,個人應對各種自然和社會風險的力量較小,需要相互抱團,自然放棄隱私,也無所謂隱私權。然而,隨著生產力的進步,個人應對各類風險的能力上升,人與人之間的合作不像以前那麼重要。在這種背景下,人們才開始重視隱私。而在互聯網時代,人們用信息可以換取的經濟利益更多,因此被視為不可侵犯的那部分隱私範圍可能會變得更小。

我個人認為,如果是個人願意公開的、交給平臺使用以換取便利的,平臺對其進行蒐集、使用就無可厚非。從政策角度看,當然應該保護個人珍視的、不希望洩露的那部分隱私,但不能以此為理由來對數據的採集和使用進行過度的干預。否則,這既不利於產業的發展, 最終對於消費者的福利也是不利的。

二、可以用質量的角度來對隱私進行經濟學角度的分析

作為一名經濟學研究者,我一直在思考如何從經濟學角度來分析隱私問題。我想,一種可能的思路是將隱私看為是質量(quality)的一個維度。事實上,目前已有不少學者持這種觀點,例如Stucke和Grunes(2016)就建議在分析涉及隱私的競爭問題時,把隱私視為質量,並在此基礎上進行了一系列的論證。

一旦認可了以上思路,經濟學中關於質量的理論就可以用來對隱私問題進行分析了。按照經濟學分析的慣例,我們先從比較簡單的、不存在信息不對稱的情況講起。

(一)不存在信息不對稱的情形

在產業組織文獻中,Gabszewicz和Thisse(1979)是一篇關於質量競爭的重要論文。在這篇論文給出的模型中,存在著兩家企業,它們可以通過選擇不同的質量和價格進行競爭。消費者對於質量的重視程度存在著差異,換言之,有些人願意為了高質量的產品多花錢,而另一些則會為了更低的價格而寧願忍受更低的產品質量。根據Gabszewicz和Thisse的分析,最終兩家企業提供的產品會形成一種分層,即一家企業提供高質量、高價格的產品,而另一家企業則提供低質量、低價格的產品。

以上這個結論可以套用到網絡平臺的競爭中去。所不同的是,在多數情況下,網絡平臺並不收費,因此它們在競爭過程中所要考慮的並不是質量和價格的權衡,而是隱私,以及其他服務之間的質量的權衡。採用完全類似的推理,可以得到在滿足一定條件的情況下,市場上將會出現多種平臺,這些平臺中的一些會提供較好的服務,但會索要更多的個人信息;而另一些的服務會差一些,但索要的信息也會較少,對隱私的保護也會更為嚴格。如果能夠實現這種狀況,那麼消費者的不同需求將會達到比較好的滿足。

(二)存在信息不對稱的情形

在現實中,真正的問題來自於信息不對稱。當平臺蒐集了用戶的信息後,用戶很難知道它們會用這些信息來做什麼。以Facebook事件為例,用戶們或許同意Facebook分析自己的數據,以保證為自己提供更好的個性化服務,但卻會反對將數據提供給Cambridge Analytica這樣的公司,更會反對這些公司以自己的朋友同意為名,擅自抓取了自己的信息。然而,作為消費者,他們在出讓了自己的信息後,很難知道究竟發生了什麼。事實上,由於現在用戶透露信息的渠道並不是單一的,因此即使用戶發現自己的信息被洩露了,也很難確認自己的信息究竟是哪個平臺的責任。

一旦信息不對稱問題較為嚴重,就會出現所謂的“逆向選擇”(Adverse Selection)問題。關於這個問題,諾貝爾經濟學獎得主喬治·阿克洛夫曾在其經典論文中進行過闡述。在文中,他以二手車市場為例,提出了一個問題,為什麼很多二手車物美價廉,但卻無人問津?他給出的答案是信息不對稱干擾了市場的正常運作。由於人們難以評估二手車的真實質量,因此只能根據自己估算的質量平均值來出價,這會讓好車的車主退出市場。這樣的結果是,購車者會繼續降低對市場上二手車質量的估價,而這又會導致另一批車主的退出。如此反覆,整個市場就會萎縮。

在隱私保護問題中,問題也是類似的。由於用戶很難知道自己的信息究竟會被如何利用,因此只能根據自己的直覺來估算這一切,並要求一個相應的其他服務質量來作為補償。這樣,那些對於隱私保護比較嚴格、比較難給予其他服務補償的企業將會退出市場。而這反過來會降低讓消費者對於隱私保護狀況的預期,從而要求更高的其他服務質量來進行補償……如此反覆,也可能導致整個互聯網市場的萎縮。

經濟學的知識告訴我們,應對信息不對稱的策略是多樣的——包括企業的自我規制和政府的規制。當信息不對稱的程度不太嚴重、外部性不太大時,企業的自我規制將是比較有效的。這裡簡單討論幾類可能的策略。

(1)信號傳遞策略

對隱私保護較好的企業可以採用“信號傳遞”(Signaling)的策略,宣佈當用戶的隱私信息洩密後給予高額的賠償(這類似於優質企業的“三包”承諾策略),以便將自己和隱私保護程度較低的企業區分開來。

(2)拆分策略(Carve out)

Biglaiser和Ma(2002)曾經提出過一種策略。即讓企業將業務範圍進行拆分,把那些消費者對其質量不敏感的產品和消費者對質量極為敏感的產品分開經營。他們證明了在一定條件下,這種拆分將會讓消費者的福利得到改善。這個做法是可以給我們啟發的。目前,很多互聯網企業都採用了高度的混業經營,將很多業務在一起經營。這樣可以充分應用數據帶來的範圍經濟,但也可能同時遭受多方面的問題。我想,企業在某些情況下,是否可以考慮將一些業務單獨拆分出來,與其它業務進行信息上的隔離。這樣,即使其中的一些業務涉及侵犯隱私的風險,其他業務也可以比較順利運作。與此同時,消費者在選擇消費時,也不需要面臨太多服務的“捆綁銷售”,可以進行較好的選擇。

(3)社群治理策略

另一種策略是,平臺可以仿照Ostrom(1990)提出的方法,鼓勵其上的使用者組成社群,自發監督隱私保護狀況。相對於平臺運營者,平臺使用者數量更多、也更能從用戶視角去看待平臺,因此其治理效果也將會較好。事實上,Facebook在遭遇問題後已經開始採用了這一策略。從3月21日起,Facebook推出的bug獎勵計劃,規定用戶發現應用的開發者濫用個人新數據並提出舉報,就能獲得相應獎勵。可以想象,這一計劃應該會對Facebook的數據治理起到較大的幫助作用。

當然,在信息不對稱程度較為嚴重,外部性較大的條件下,政府就需要介入,動用規制的手段來讓市場運作。對於政府的規制,我想強調兩點:第一,政府規制本身會有成本,除非問題足夠大,一般不宜輕易使用,否則會干擾市場的正常運作。第二,政府的規制應該是原則性的、以糾正信息不對稱問題為主,而不應該具體規定哪些信息可用、哪些信息不能用。這就好像政府可以要求所有售賣衣服的商家都明確表明產地、面料等信息,以讓顧客能夠挑選,但卻不宜規定衣服必須是某某面料生產的,畢竟消費者的偏好有不同,有人願意穿絲綢,有人卻願意穿純棉,甚至還有人願意穿的確良。同樣的道理,在處理隱私問題時,政府應該做的是讓平臺必須如實陳述自己採集了哪些數據、用於何處,然後留給用戶自己去選擇消費。畢竟人們對於隱私的認識、偏好都有不同,例如有人會把性取向看作是極其隱私的信息,而有些人卻高調出櫃。我想,這種差異性是應當被允許存在的。

三、採用新技術手段,探索goventech在數據保護中的應用

目前,數據治理和隱私保護的一大難題在於數據可以被反覆被複制和使用,因此數據一旦流出,其傳播和使用將難以被控制。以Facebook事件為例:當Facebook方面發現科根蒐集數據的行為後,曾對其進行過警告,但在科根表示自己只將數據用於學術研究後,就停止了對其的關注。然而,Facebook事實上無法辨別科根承諾的真實性,也無法監控這些數據的去向,這才引發了後來的問題。

要解決類似的問題,第一個層面當然是要進一步明確數據產權的邊界,對數據的二次傳播做出限制——畢竟有些信息,用戶允許平臺(例如Facebook)知道,但卻不想讓平臺將這些信息擴散到其他人(例如Cambridge Analytica)。如果對這一層問題不進行明確,那麼上述問題就很難有真正解決。

第二個層面就是要從技術上保證數據產權的邊界是可以被真正維護的。只有可以真正被維護的,才是真產權,否則就是空談。為了保證這點,我覺得應該強調技術的重要性。我們現在經常提fintech、regtech,還應該提goventech,也就是平臺在治理過程中使用的數據,這一點在數據治理過程中十分重要。以防止數據被再次複製、傳播為例,現在的區塊鏈等新技術可以幫助應對這一難題。區塊鏈具有可追蹤的特性,藉助這一特性,人們可以知道數據是否曾被使用、曾被誰使用、用於什麼用途,從而更有效地對數據進行管理。■

陳永偉為《比較》研究部主管,北京大學市場與網絡經濟研究中心研究員;葉逸群為北京大學法學院博士研究生。


分享到:


相關文章: