有人說，智能手機就如同一部竊聽器，無論你開機或者關(guān)機，它都會無時不刻地監(jiān)聽著用戶的一舉一動，而隨著車聯(lián)網(wǎng)的發(fā)展，汽車會越來越智能化，就像是一部“裝著四個輪子的手機”，可想而知，智能車輛上的信息安全問題可能比智能手機更加嚴重。比如車輛的定位信息、相機所記錄下的路端畫面、車艙內(nèi)的乘客錄音錄像等等，這些數(shù)據(jù)作為智能車發(fā)展的“燃料劑”，既是不可或缺的，又需要去避免敏感數(shù)據(jù)的泄露風險。

政府監(jiān)管部門也開始關(guān)注到了智能車的數(shù)據(jù)風險，比如去年10月發(fā)布的《汽車數(shù)據(jù)安全管理若干規(guī)定（試行）》規(guī)定就提到車上攝像頭所采集到的人臉、車牌等信息需要進行匿名化處理，意味著車上產(chǎn)生的敏感信息必須要進行脫敏處理。筆者也了解到，自動駕駛發(fā)展至今，數(shù)據(jù)脫敏處理在今年引起了大部分主機廠的重點關(guān)注。

那么，數(shù)據(jù)脫敏具體指的是什么？又是如何進行數(shù)據(jù)脫敏？數(shù)據(jù)脫敏在自動駕駛的應(yīng)用中又面臨什么樣的挑戰(zhàn)？

一、何謂數(shù)據(jù)脫敏

1.1 數(shù)據(jù)脫敏的定義

一般來說，數(shù)據(jù)脫敏技術(shù)指的是在對敏感數(shù)據(jù)進行處理的過程中，通過數(shù)據(jù)變形（將數(shù)據(jù)變成模型想要的結(jié)構(gòu)，如1234->1**4）的方式來降低數(shù)據(jù)的敏感程度的一種數(shù)據(jù)處理技術(shù)。

有時候，數(shù)據(jù)脫敏也會有一些相近的概念，比如去標識化、匿名化及假名化，但數(shù)據(jù)脫敏與去標識化和匿名化的相關(guān)技術(shù)本質(zhì)上是沒有任何區(qū)別的，而假名化則是匿名化和去標識化的一種技術(shù)實現(xiàn)方式。

總的來說，在一定層面上，去標識化、匿名化及假名化，都可以歸為數(shù)據(jù)脫敏。

在大數(shù)據(jù)時代下，數(shù)據(jù)脫敏技術(shù)并不是什么新鮮技術(shù)，它在其它領(lǐng)域中已經(jīng)被廣泛應(yīng)用，比如政務(wù)、金融、醫(yī)療、電信等。

在自動駕駛領(lǐng)域，中汽協(xié)發(fā)布的《汽車傳輸視頻及圖像脫敏技術(shù)要求與方法》也定義了數(shù)據(jù)脫敏，其主要指通過一定方法在車端數(shù)據(jù)處理設(shè)備上消除原始環(huán)境數(shù)據(jù)中的敏感信息，使得信息主體無法被識別或者關(guān)聯(lián)，且處理后的信息不能被復原，同時保留目標環(huán)境業(yè)務(wù)所需的數(shù)據(jù)特征或內(nèi)容的數(shù)據(jù)處理過程。

為了讓讀者更好地理解，我們以人臉脫敏為例做個解釋：數(shù)據(jù)脫敏就是將人臉的關(guān)鍵信息隱去或者模糊化（通俗點說，就是在臉部打了個馬賽克），甚至不能讓別人通過其它關(guān)聯(lián)信息（比如習慣性出沒的地方、本人所穿的衣服等等）來識別出這個人“具體是誰”，并且整個過程是不可逆的，但該人臉的基礎(chǔ)語義信息仍然存在，即自動駕駛系統(tǒng)還是能識別出“這是一個人”。

1.2? 數(shù)據(jù)脫敏的類型

從數(shù)據(jù)脫敏的類型來看，主要可分為靜態(tài)數(shù)據(jù)脫敏和動態(tài)數(shù)據(jù)脫敏。

靜態(tài)數(shù)據(jù)脫敏指的是數(shù)據(jù)的管理方將數(shù)據(jù)抽取進行脫敏處理后，下發(fā)給下游環(huán)節(jié)，供下游隨意取用和讀寫，脫敏后數(shù)據(jù)與生產(chǎn)環(huán)境相隔離，滿足業(yè)務(wù)需求的同時保障生產(chǎn)數(shù)據(jù)庫的安全，例如自動駕駛車輛的系統(tǒng)開發(fā)、仿真測試等。

動態(tài)數(shù)據(jù)脫敏指的是數(shù)據(jù)使用方直接訪問生產(chǎn)數(shù)據(jù)的使用場景，其特點為在處理敏感數(shù)據(jù)時，需要實時進行脫敏，并且也可以實時修改脫敏規(guī)則。

兩者最大的區(qū)別在于，靜態(tài)數(shù)據(jù)脫敏是在脫離數(shù)據(jù)生產(chǎn)環(huán)境后進行的，而動態(tài)數(shù)據(jù)脫敏則是直接在數(shù)據(jù)生產(chǎn)環(huán)境中進行的。

在智能汽車的行駛過程中，車上的大部分敏感數(shù)據(jù)的產(chǎn)生及處理都是實時的，所以，在自動駕駛領(lǐng)域中，數(shù)據(jù)脫敏主要是采取動態(tài)數(shù)據(jù)脫敏。

1.3? 自動駕駛中數(shù)據(jù)脫敏的痛點

在中央計算平臺的趨勢下，智能汽車產(chǎn)生的敏感數(shù)據(jù)量會比手機更大，甚至無法估量。以感知為例，車端的傳感器越來越多，傳感器的性能也越來越好，這就造成整個感知系統(tǒng)能夠獲取到的數(shù)據(jù)也會越來越豐富。

李浩文說：“如今單車的智能化水平越來越高，從某種意義上來說，車輛實際上已經(jīng)具備了一定的地圖測繪能力”。

也就是說，如果一輛自動駕駛車輛跑完全中國的道路，在某種程度上，它就能夠把一張中國地圖繪制下來，而這里面必然會包含大量的敏感地理位置信息、道路標識信息甚至個人隱私等。

這還僅僅只是感知系統(tǒng)帶來的敏感數(shù)據(jù)，但自動駕駛系統(tǒng)又何止感知這一塊。不同的系統(tǒng)會有不同的敏感數(shù)據(jù)產(chǎn)生，并且數(shù)據(jù)的格式也會非常多樣化，這些都會造成日后數(shù)據(jù)脫敏難度的增加。

面對如此大規(guī)模的敏感數(shù)據(jù)，行業(yè)早期在數(shù)據(jù)應(yīng)用方面，做得并不規(guī)范。

在行業(yè)發(fā)展初期，車企在數(shù)據(jù)的采集、存儲、處理等過程中，沒有做到任何數(shù)據(jù)脫敏措施，數(shù)據(jù)在采集前是否征得用戶允許、數(shù)據(jù)資產(chǎn)的歸屬問題等始終處于未解決的狀態(tài)。。

第一，數(shù)據(jù)的確權(quán)問題非常嚴重。

行業(yè)早期階段，車企認為車內(nèi)外的數(shù)據(jù)都是車企自己的資產(chǎn)，并且車上獲取的數(shù)據(jù)可以被傳輸?shù)阶约旱乃接性浦小?br />
第二，整個數(shù)據(jù)運轉(zhuǎn)流程不規(guī)范。

用戶在車內(nèi)的信息（如視頻、音頻等）是在不經(jīng)允許的情況下被采集，或者是在用戶不知情的狀態(tài)下，默認勾選了數(shù)據(jù)采集的“同意選項”。再者，整個車聯(lián)網(wǎng)系統(tǒng)缺少數(shù)據(jù)的保護意識，容易被黑客入侵，造成用戶的隱私信息被盜竊。 歸根結(jié)底，造成行業(yè)內(nèi)數(shù)據(jù)應(yīng)用不規(guī)范的主要原因是數(shù)據(jù)脫敏相應(yīng)的政策法規(guī)不成熟導致的。

雖然，近兩年，從國家法規(guī)層面到行業(yè)標準層面，智能汽車數(shù)據(jù)脫敏的相關(guān)政策頻繁出臺。值得注意的是，如《汽車數(shù)據(jù)安全管理若干規(guī)定（試行）》，除了列舉出了6大類敏感數(shù)據(jù)外，也規(guī)定了敏感數(shù)據(jù)處理的標準原則，例如車內(nèi)處理原則、默認不收集原則等，這些規(guī)定讓行業(yè)對智能汽車的數(shù)據(jù)脫敏有了大致的方向。

表：數(shù)據(jù)脫敏相關(guān)政策的進展情況（按發(fā)布機構(gòu)層級劃分）

?

個別政策法規(guī)對敏感數(shù)據(jù)進行了劃分，明確了具體哪些數(shù)據(jù)屬于敏感數(shù)據(jù)。直至中汽協(xié)在今年8月發(fā)布的《汽車傳輸視頻及圖像脫敏技術(shù)要求與方法》，該行業(yè)標準細化了對于車外的人臉、車牌的脫敏技術(shù)細節(jié)。但縱觀這些政策法規(guī)，現(xiàn)階段的政策法規(guī)僅屬于一種大的框架，并沒有嚴格地去定義如何去做數(shù)據(jù)脫敏、又該脫敏到什么程度。

再者，人臉和車牌僅僅是自動駕駛系統(tǒng)中感知環(huán)節(jié)所產(chǎn)生的敏感數(shù)據(jù)，而感知環(huán)節(jié)產(chǎn)生的敏感數(shù)據(jù)又不僅限于這些數(shù)據(jù)。甚至，在定位、決策、控制環(huán)節(jié)中，車輛也會產(chǎn)生大量的敏感數(shù)據(jù)，比如道路定位信息、車輛的操控習慣等等，而針對這些數(shù)據(jù)，行業(yè)內(nèi)目前并沒有相關(guān)政策或者技術(shù)標準要求的出臺。

不少專家也提到，現(xiàn)階段關(guān)于數(shù)據(jù)脫敏的政策法規(guī)相對比較粗淺，各家主機廠都是在一個大的框架下去完善自己的數(shù)據(jù)管理規(guī)范。

關(guān)于數(shù)據(jù)脫敏的技術(shù)要求和方法的出臺時間，張亞楠說：“目前還在制定當中，預(yù)計很快就會面世?！?? ?

二、如何進行數(shù)據(jù)脫敏

那么，了解了何為數(shù)據(jù)脫敏后，智能汽車中具體是如何進行數(shù)據(jù)脫敏的？在數(shù)據(jù)脫敏的過程中，又需要注意哪些事項？

關(guān)于數(shù)據(jù)脫敏的具體步驟，某主機廠信息安全工程師介紹道：“數(shù)據(jù)脫敏主要處于數(shù)據(jù)全生命周期的處理環(huán)節(jié)，首先，技術(shù)人員需要對數(shù)據(jù)做好分類分級，并把敏感數(shù)據(jù)識別出來，要確定哪些數(shù)據(jù)屬于敏感數(shù)據(jù)字段；其次，需要確定具體的脫敏策略；再者，將制定好的脫敏方案給到執(zhí)行者，執(zhí)行設(shè)定好的脫敏方案；最后，在數(shù)據(jù)脫敏執(zhí)行完畢后，對于整個數(shù)據(jù)的執(zhí)行過程也會有一些審計工作?！?/p>

? 2.1? 敏感數(shù)據(jù)的分類分級

既然數(shù)據(jù)脫敏的第一步是要先對敏感數(shù)據(jù)進行分類分級，但智能汽車上所產(chǎn)生的數(shù)據(jù)龐大且復雜，那么，在理清楚這些數(shù)據(jù)資產(chǎn)時，就需要整理出一份數(shù)據(jù)資產(chǎn)的目錄清單。

那么，哪些數(shù)據(jù)是敏感數(shù)據(jù)？又該按照什么樣的邏輯或者標準來進行分類分級？ 從宏觀層面來看，敏感數(shù)據(jù)主要可分為3類：結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)及半結(jié)構(gòu)化數(shù)據(jù)。

結(jié)構(gòu)化數(shù)據(jù)是指可通過二維表結(jié)構(gòu)來表達和實現(xiàn)的數(shù)據(jù)，比如銀行賬號、身份證號碼、手機號、日期等；

非結(jié)構(gòu)化數(shù)據(jù)是指數(shù)據(jù)結(jié)構(gòu)不規(guī)則或不完整，沒有預(yù)定義的數(shù)據(jù)模型，比如圖像、聲音、文本等；

半結(jié)構(gòu)化數(shù)據(jù)是指介于完全結(jié)構(gòu)化數(shù)據(jù)和完全無結(jié)構(gòu)的數(shù)據(jù)之間的數(shù)據(jù)，比如HTML文檔、JSON、XML等。

但智能汽車上的數(shù)據(jù)量非常大，數(shù)據(jù)類型也非常雜，不能單純以這三個維度來對敏感數(shù)據(jù)進行分類分級。

某主機廠信息安全工程師說：“國內(nèi)的《網(wǎng)絡(luò)安全法》提出了數(shù)據(jù)需要做到分類分級，隨后出臺的《數(shù)據(jù)安全法》也更加明確數(shù)據(jù)需要做到分類分級，但各行各業(yè)的數(shù)據(jù)類型比較豐富，國內(nèi)沒有一個統(tǒng)一的標準去對數(shù)據(jù)進行分類分級， 2021年，汽車行業(yè)內(nèi)出臺了《車聯(lián)網(wǎng)信息服務(wù) 數(shù)據(jù)安全技術(shù)要求》對數(shù)據(jù)分類分級做出了一定標準，但它并不是一個強制性標準?！??

圖：《車聯(lián)網(wǎng)信息服務(wù)數(shù)據(jù)安全技術(shù)要求》中數(shù)據(jù)分類標準

李浩文也提到，智能汽車領(lǐng)域未來必然會有更細的數(shù)據(jù)分類分級規(guī)范，但現(xiàn)階段已出臺的規(guī)范也僅僅做到概念級的建設(shè)指引，恐怕對于主機廠來說，僅憑這些標準來做一些實操工作，其難度會有些大。

結(jié)合多位專家的觀點來看，智能汽車行業(yè)目前尚未形成細化的數(shù)據(jù)分類分級標準，主機廠需要根據(jù)自身的實際業(yè)務(wù)需求，從不同場景、不同功能等維度出發(fā)，去做敏感數(shù)據(jù)的分類。

同時，在分類完后，主機廠仍需要根據(jù)不同等級的敏感程度，對數(shù)據(jù)進行分級（如一般、重要、敏感），并對不同級別采取不同的脫敏策略。

2.2? 選擇合適的脫敏策略

在梳理完數(shù)據(jù)資產(chǎn)后，又該如何選擇脫敏策略？

脫敏規(guī)則指的是在原始脫敏算法的基礎(chǔ)上，將一種或者多種脫敏算法進行組合，并應(yīng)用于特定場景下的敏感數(shù)據(jù)，而脫敏策略指的是在不同場景下選擇怎樣的的脫敏規(guī)則。

表：脫敏算法、脫敏規(guī)則、脫敏策略概念示例

在智能汽車行業(yè)中，目前還沒有形成統(tǒng)一的脫敏技術(shù)規(guī)范，各家主機廠在采用相關(guān)技術(shù)或策略時，都借鑒了一些已出臺的信息安全相關(guān)標準規(guī)范，如《信息安全技術(shù)個人信息去標識化指南》。

一方面，不同類型的數(shù)據(jù)所對應(yīng)的脫敏算法和脫敏策略都不同。 根據(jù)《汽車傳輸視頻及圖像脫敏技術(shù)要求與方法》中的介紹，非結(jié)構(gòu)化數(shù)據(jù)（如人臉、車牌）一般采用的是統(tǒng)一色塊的脫敏算法，即用統(tǒng)一色塊對視頻中每一幀中的人臉和車牌位置信息進行替換，通過色塊替換直接擦除原圖上像素級別數(shù)據(jù)，確保擦除后的數(shù)據(jù)信息不可逆和不可復原。 ?

圖：人臉脫敏示意圖

?而掩碼、取整等脫敏算法主要用于車主的身份信息、自車的車牌號、車控數(shù)據(jù)等結(jié)構(gòu)化數(shù)據(jù)。以車主的個人姓名為例，需要應(yīng)用映射技術(shù)（Hashing）將車主名“張三”變?yōu)閷?yīng)的hash值“456684923”。 ?

圖：部分結(jié)構(gòu)化數(shù)據(jù)相關(guān)的脫敏算法示例

（數(shù)據(jù)來源：《數(shù)據(jù)脫敏技術(shù)的探究與實現(xiàn)》）

另一方面，為了滿足特定場景的需求，更多地是需要有針對性且多樣化的脫敏算法和脫敏策略。

在不同的場景下，車輛的感知系統(tǒng)所獲取到的敏感信息是不同的，比如在高速場景下，自車感知系統(tǒng)獲取到的敏感信息大部分是前方車輛的車牌，那需要對這些車牌采用統(tǒng)一色塊的脫敏算法；而在城區(qū)場景下，除了前方車牌需要脫敏外，可能還會有很多行人和周邊建筑物信息等敏感數(shù)據(jù)，需要對人臉采用統(tǒng)一色塊的脫敏算法的同時，也要給敏感建筑信息采用偏轉(zhuǎn)的脫敏算法。

也就是說，面對不同的場景特性，敏感數(shù)據(jù)的差異就會導致脫敏策略的不同。此外，脫敏策略不僅僅是采用一種脫敏算法，而是會采用兩種以上的脫敏算法。

王建偉說：“在不同的場景下，數(shù)據(jù)脫敏相關(guān)供應(yīng)商一定會給主機廠提供很多模型，主機廠會根據(jù)不同的場景、不同的業(yè)務(wù)需求、不同的監(jiān)管要求來做針對性的處理?！?總的來說，脫敏策略的選擇必然不是“一招吃遍天下”，而是需要針對不同數(shù)據(jù)、不同業(yè)務(wù)場景等，做有針對性的開發(fā)。

2.3? 讓脫敏對自動駕駛系統(tǒng)的影響最小化

自動駕駛的首要原則是安全，而數(shù)據(jù)脫敏是否會造成過度脫敏，從而影響自動駕駛系統(tǒng)整體的安全水平，又如何讓脫敏對自動駕駛系統(tǒng)的影響最小化？

首先，數(shù)據(jù)脫敏的最終目的是減少或消除敏感信息，從而減小數(shù)據(jù)安全帶來的風險，而不是阻礙自動駕駛的發(fā)展，敏感數(shù)據(jù)在進行脫敏后仍然需要保留目標的基礎(chǔ)語義信息。

李浩文說：“車輛在采集完數(shù)據(jù)后，數(shù)據(jù)并不一定需要存儲或者傳輸?shù)胶蠖?，自動駕駛系統(tǒng)只需要識別出前方目標物具體是什么，根本沒必要識別出目標物中的人的面部特征、年齡甚至性別，或者這輛車是什么品牌、車型或車身細節(jié)?！?br />
其次，現(xiàn)階段先感知融合、再做數(shù)據(jù)脫敏是較為可行的方案。 如果數(shù)據(jù)是先融合后再脫敏，不僅不會降低融合的效果，也可以減少時延的影響。

此外，融合后甚至可以直接銷毀敏感信息，減少不必要的存儲空間占用，但從感知到控制的整個過程中，由于數(shù)據(jù)未脫敏，數(shù)據(jù)傳輸過程需要加入一些數(shù)據(jù)加密的措施，這對加密算法的強度要求較高，最終會導致數(shù)據(jù)處理難度會加大。

如果數(shù)據(jù)是先脫敏后再融合，自動駕駛系統(tǒng)對敏感信息的保護難度會降低很多，但也會影響自動駕駛系統(tǒng)的算法訓練。

另外，若要先做數(shù)據(jù)脫敏，傳感器在獲取數(shù)據(jù)時就需要先對敏感數(shù)據(jù)進行脫敏，而這意味著需要對傳感器芯片做一定改造（比如加入某些安全芯片或者植入某些特定算法），這會造成傳感器功耗上升，從而降低傳感器的耐久性。 相反，在域控制器上處理數(shù)據(jù)脫敏，可以使用安全芯片（配有相應(yīng)算法）或者SDK（數(shù)據(jù)脫敏軟件包），讓整個數(shù)據(jù)脫敏更加標準化，這對相關(guān)軟硬件架構(gòu)的影響是最小的。

劉天宇說：“理論上來說，傳感器芯片或者域控制器處理都可以做數(shù)據(jù)脫敏，只要算力能夠滿足要求即可。

一般來說，我們建議是在域控制器上處理，這樣可以避免對傳感器芯片的改造，而且域控制器能夠使用傳感器獲取的原始數(shù)據(jù)進行融合，然后再進行脫敏處理，可以實現(xiàn)對自動駕駛系統(tǒng)的干擾最小化。” 綜合來看，先做感知融合、再做數(shù)據(jù)脫敏的方案是對整個自動駕駛系統(tǒng)的影響是最小的，也是較為可行的方案。

2.4? 數(shù)據(jù)在全生命周期中需要加密

通常來說，數(shù)據(jù)脫敏僅在數(shù)據(jù)處理環(huán)節(jié)出現(xiàn)，但實際上，數(shù)據(jù)脫敏其實在數(shù)據(jù)的整個生命周期中都是存在的。

數(shù)據(jù)的全生命周期包括采集、傳輸、存儲、使用、共享、銷毀。如果主機廠先做融合再去做脫敏，那數(shù)據(jù)也會經(jīng)歷傳輸、存儲等，要么數(shù)據(jù)是直接脫敏后再去傳輸或者存儲，要不然在些環(huán)節(jié)中數(shù)據(jù)也是有一定的安全風險。 王建偉說：“數(shù)據(jù)從某個ECU到域控制器的過程中，在每個數(shù)據(jù)處理節(jié)點都會伴隨著一定的被攻擊的風險，所以每個節(jié)點都需要做加密處理來保證數(shù)據(jù)的安全，并且還需要做整個車聯(lián)網(wǎng)的身份認證。

再者，未來車內(nèi)無線通信可能會逐漸增多，比如通過藍牙、WiFi及UWB的方式，而這種通信方式是最容易被黑客攻擊的。” 李浩文說：“加密算法在應(yīng)用上不像數(shù)據(jù)脫敏算法那么豐富，它嚴格遵循的是數(shù)學方法，而最常用的則是對稱加密、非對稱加密和摘要算法等，并且通常情況下，密鑰長度會與加密強度呈正相關(guān)。”

針對不同類型的數(shù)據(jù)，在加密策略的選擇上也是有區(qū)別的。某主機廠信息安全工程師說：“對于一些不敏感的數(shù)據(jù)，只需要采用一些弱的加密；對于一些非常敏感的數(shù)據(jù)，比如車控的數(shù)據(jù)或者藍牙鑰匙信號，可能需要采取較強的加密措施?！?/p>

三、自動駕駛數(shù)據(jù)脫敏的市場格局 ? ?

3.1? 玩家類型

數(shù)據(jù)脫敏的主要玩家是主機廠和第三方數(shù)據(jù)服務(wù)商，并且主機廠會是數(shù)據(jù)脫敏業(yè)務(wù)的主導方。

（1）主機廠

優(yōu)勢：主機廠業(yè)務(wù)部門會更了解自身業(yè)務(wù)，在法律法規(guī)的指導下，區(qū)分哪些是敏感數(shù)據(jù)，哪些是非敏感數(shù)據(jù)。

李浩文說：“對于主機廠來說，通常情況下數(shù)據(jù)脫敏是需要從內(nèi)部做起的，某些主機廠的整個自動駕駛系統(tǒng)都是自己寫的，或者至少是由相關(guān)供應(yīng)商提供，如果工作到位的話，是很容易識別哪些數(shù)據(jù)是敏感數(shù)據(jù)。對于數(shù)據(jù)脫敏算法，業(yè)內(nèi)的相關(guān)公開方案也有很多，這并不是難點?！?挑戰(zhàn)：數(shù)據(jù)脫敏所面對的數(shù)據(jù)量非常龐大，是一個系統(tǒng)性的大工程，需要大量技術(shù)人員，而主機廠相關(guān)人員儲備不足。

李浩文繼續(xù)說道：“當前，某些主機廠確實缺少相應(yīng)的復合型人才，比如那些能理解數(shù)據(jù)脫敏的法律條文，也能夠?qū)φ諚l文將敏感數(shù)據(jù)一一梳理出來的人才。再者，現(xiàn)階段主機廠也確實人手不夠，或者缺少數(shù)據(jù)梳理工作，所以主機廠才需要第三方數(shù)據(jù)服務(wù)商來幫助他們梳理數(shù)據(jù)資產(chǎn)?！?再者，一些主機廠認為，若將敏感數(shù)據(jù)交由第三方服務(wù)商處理，可能存在數(shù)據(jù)泄露的風險。

（2）第三方數(shù)據(jù)服務(wù)商（比如木衛(wèi)四科技、信大捷安、中汽數(shù)據(jù)等）

優(yōu)勢：專業(yè)性較強，有一定的人才儲備。 第三方的數(shù)據(jù)服務(wù)商無論是在專業(yè)能力上，還是在技術(shù)人才的儲備上，都會優(yōu)于主機廠。他們在其它行業(yè)內(nèi)有過豐富的數(shù)據(jù)脫敏項目經(jīng)驗，相關(guān)脫敏技術(shù)的應(yīng)用熟練度也較高。 挑戰(zhàn)：第三方在為主機廠提供數(shù)據(jù)脫敏服務(wù)時，還需要做一些脫敏模型的二次開發(fā)。

某主機廠信息安全工程師說：“第三方數(shù)據(jù)安全廠商在其他行業(yè)，如政務(wù)、金融行業(yè)，可以做一些常見的數(shù)據(jù)字段類型的脫敏業(yè)務(wù)（如姓名、身份證號、手機號等），但汽車行業(yè)，車端的數(shù)據(jù)類型非常多，比如車內(nèi)語音圖像數(shù)據(jù)、車控數(shù)據(jù)、環(huán)境感知數(shù)據(jù)等等。

所以，智能汽車上會有一些新的數(shù)據(jù)類型，對于這些數(shù)據(jù)，數(shù)據(jù)安全廠商可能沒有現(xiàn)成的方案可以直接適配，需要對現(xiàn)有的數(shù)據(jù)進行人工打標簽，再對脫敏工具進行二次開發(fā)和調(diào)試?！?/p>

3.2? 商業(yè)模式

目前，主機廠在數(shù)據(jù)脫敏業(yè)務(wù)上缺人也缺經(jīng)驗，所以仍然會選擇以外部合作為主，那么，具體合作模式是什么樣？

首先，第三方數(shù)據(jù)服務(wù)商會連同tier1（比如T-box、傳感器等供應(yīng)商）為主機廠提供咨詢服務(wù)，幫助其梳理數(shù)據(jù)資產(chǎn)，并給出咨詢方案。

王建偉說：“主機廠也不會直接去向第三方數(shù)據(jù)服務(wù)商進行采購，還是會先去找自己的零部件供應(yīng)商或者tier 1（畢竟數(shù)據(jù)最終還是這些零部件產(chǎn)生的），告訴他們對于數(shù)據(jù)脫敏業(yè)務(wù)的需求細節(jié)，包括需要做到什么樣的脫敏效果，同時會給與零部件供應(yīng)商或者tier 1幾個可供選擇的第三方數(shù)據(jù)服務(wù)商?！?其次，在給出咨詢方案后，第三方數(shù)據(jù)服務(wù)商也會提供相應(yīng)的軟硬件產(chǎn)品：安全芯片+數(shù)據(jù)脫敏SDK，而這些都會集成在T-box上，一同提供給主機廠。

其中，安全芯片主要是針對汽車的信息安全，提供相應(yīng)密鑰或者數(shù)據(jù)保護算法的硬件產(chǎn)品，可應(yīng)用于T-BOX、數(shù)字車鑰匙、V2X等； 數(shù)據(jù)脫敏SDK是指集成了脫敏算法，預(yù)留脫敏數(shù)據(jù)輸入和輸出接口的軟件開發(fā)包。算法SDK一般具有一定的兼容性，多種圖片格式可以做轉(zhuǎn)化，劉天宇說。 關(guān)于對數(shù)據(jù)脫敏SDK的理解，李浩文說：“數(shù)據(jù)脫敏SDK作為附屬軟件，它并不是獨立存在的，一般跟自動駕駛的主程序或者其它數(shù)據(jù)處理程序融合在一起，往往以庫的形式存在，就好比是微信軟件中的某一個細分功能。

并且，數(shù)據(jù)脫敏SDK內(nèi)部的脫敏策略都是可配置甚至在線升級調(diào)整的，就如自動駕駛的主程序一樣，它也會定期升級?！?最后，在盈利模式上，第三方數(shù)據(jù)服務(wù)商通過收取咨詢服務(wù)費及出售軟硬件產(chǎn)品來獲取收益。

四、數(shù)據(jù)脫敏在自動駕駛應(yīng)用中的挑戰(zhàn)

4.1? 敏感數(shù)據(jù)來源的多樣化

自動駕駛車端的敏感數(shù)據(jù)會來自于自動駕駛系統(tǒng)的感知、定位、決策、控制各個環(huán)節(jié)。

比如在感知系統(tǒng)中，傳感器可不止是相機。其它的傳感器也同樣會有一些敏感信息出現(xiàn)。以FMCW激光雷達為例，除了可以獲取到一些測速測距的深度信息外，激光雷達甚至可以配合其它傳感器，實現(xiàn)三維的實時建圖。當前，炙手可熱的4D毫米波雷達，相比于傳統(tǒng)的毫米波雷達來說，它具備了如同激光雷達的一樣的點云生成能力，并能夠獲取到物體的高度信息，比如橋墩的高度信號等。

一方面，不同類型的傳感器會帶來不同的敏感數(shù)據(jù)；另一方面，不同類型的傳感器所能提供的敏感數(shù)據(jù)等級也略有不同。

相機帶來的是幀圖像的數(shù)據(jù)格式，而激光雷達和毫米波雷達帶來的則是點云形式的數(shù)據(jù)格式，在數(shù)據(jù)脫敏時，必須要在理解傳感器的前提下，才可能更好地處理敏感數(shù)據(jù)。

即使同一類型的傳感器，由于來自不同供應(yīng)商，傳感器帶來的數(shù)據(jù)格式也有可能不同，需要對它們各自的數(shù)據(jù)分別進行脫敏處理。

一般來說，相機所能獲取到的敏感數(shù)據(jù)量會多于激光雷達，更多于毫米波雷達，而數(shù)據(jù)敏感程度上，相機的數(shù)據(jù)敏感程度也更高于其它二者。 ?

表：各傳感器之間的敏感數(shù)據(jù)情況

雖然，《汽車傳輸視頻及圖像脫敏技術(shù)要求與方法》對人臉和車牌的脫敏處理做了一定的規(guī)范，比如圖片的大小、清晰度等，但對于其它類型的數(shù)據(jù)或者其它傳感器所帶來的敏感數(shù)據(jù)，行業(yè)內(nèi)并沒有做出任何指引規(guī)范，各家主機廠也都是處于摸索中，或者干脆就不去關(guān)注這方面。

4.2? 數(shù)據(jù)脫敏的程度較難把控

敏感數(shù)據(jù)到底需要脫敏到什么程度，才可以真正實現(xiàn)敏感信息的完全脫敏？同時，數(shù)據(jù)脫敏是否會由于過度脫敏而造成某些關(guān)鍵信息的損失？

以人臉或者車牌的脫敏為例，相關(guān)的規(guī)定也做出了一定的約束，從技術(shù)上來說，要把這類圖像脫敏到“剛剛好”，或許并不會有很大的難點，但事物之間是有一定的聯(lián)系存在的，當數(shù)據(jù)量級達到一定程度時，也可以通過某些信息來推斷出某人的個人信息。 李浩文說：“雖然通過脫敏技術(shù)對某個人的人臉進行了脫敏處理，但還是可以從他的衣服、步態(tài)或者他個人經(jīng)常性出沒的位置等交叉信息，來推斷出他的個人信息。再比如，我們在做手機號碼的脫敏時，會常去把中間4位號碼隱去，但那也只有1萬種排列組合的可能性，數(shù)據(jù)仍然有被推演出的風險?！?/p>

4.3? 車端硬件性能的占用

智能汽車上的硬件性能非常有限，也非常寶貴，那么算力在保證自動駕駛系統(tǒng)安全運行的同時，是否也會滿足數(shù)據(jù)脫敏的需求？對此，筆者在與各個專家進行了探討，專家們的結(jié)論各不同，形成了兩種不同的答案。

先給出結(jié)論：短期內(nèi)，數(shù)據(jù)脫敏不會對車端的硬件造成過多的性能占用，但長期方向上，隨著敏感數(shù)據(jù)的不斷增加，數(shù)據(jù)脫敏對車端硬件性能的占用可能會成為一個挑戰(zhàn)。

從短期來看，如果只做圖像脫敏處理，對于帶有浮點運算的SoC芯片來說，脫敏對硬件的消耗并不大。

目前的脫敏規(guī)范僅限于車外的人臉及車牌信息，對于其它的敏感數(shù)據(jù)是否要進行脫敏，甚至如何進行脫敏，其實并沒有相關(guān)標準出臺，這也在一定程度上將車輛上所需脫敏的數(shù)據(jù)范圍縮小到了一個當前算力所能承受的范圍內(nèi)。 根據(jù)已落地的項目經(jīng)驗，劉天宇說：“以高通8155芯片為例，部署脫敏算法后，CPU占用率低于10% （不需要使用GPU算力），其余占用資源為：模型參數(shù)量<3M、FLOPS<5G、運行ROM< 30MB、運行RAM<100MB、運行CPU<10kDMIPS?！?從長期來看，隨著敏感數(shù)據(jù)的定義不斷明朗化及中央計算的電氣架構(gòu)趨勢下，車端敏感數(shù)據(jù)的范圍會被擴大，同時如果大量的數(shù)據(jù)都集中在中央控制器上處理，現(xiàn)有的SoC性能未必能在保證自動駕駛系統(tǒng)正常運行的情況下，再去處理數(shù)據(jù)脫敏，顯然到那時候就需要更多的算力支持。

審核編輯：劉清