隐私和安全问题需要注意IOT,机器学习占据

代理机构需要考虑它们的何时以及如何保证公共数据安全和私密,因为脆弱的机器学习和器材的设备进入广泛使用,州和地方官员警告。

by / August 30, 2017
从左边,戴夫沃斯诺里克,洛杉矶县内部服务部的IT分公司经理,以及洛杉矶县的Cio,洛杉矶县公园和娱乐部门,听取亨特欧文斯,洛杉矶的数据科学家致辞安吉利斯。 Theo Douglas

洛杉矶 ANGELES —隐私问题可能使大数据的地幔在公共部门的肩膀上重量重,但潜在的问题是那些机构必须面对,城市,县和州官员在洛杉矶数字政府峰会上告诉数百个大约450名注册人。

在开幕词中,午餐时间地址和小组讨论周二,8月29日,洛杉矶市和县高管以及华盛顿州的隐私领袖都提醒了他们的观众,数据隐私的未来开始—但私有化和保护所有数据可能是一个长期运行的过程。

华盛顿州首席隐私官Alex Alben将其与上世纪的出现相比 ’S的破坏性技术,汽车,但告诉那些参加他的午餐时间审查全球隐私问题,人们通常渴望保护隐私。

“下一个问题是什么’s privacy,” he said.

“技术总是将领先于法律,所以这意味着我们应该’做任何事情?人们说,如果我们有关于这个的法律,它’S会造成很多冲突和混乱… and you’Re最终会去腿筋创新,”Alben说,注意他认为鉴于已经向居民带来的威胁的大小’ and agencies’ data, it is “自时间“要做一些关于保护人员的事情’s data.

这是洛杉矶Cio说 Ted Ross是峰会的背景。

“没有压力。因为我们确实带来了非常沉重的负担,对自己是信息技术(IT)专业人士的非常沉重的责任,”罗斯说 政府技术s 前25名DOERS,梦想家& Drivers of 2017,在开幕词中。

在Alben的演示中,从这些礼物引发了多个笑声,他通过一个幻灯片和幽默的幻灯片带走了观众—但今天精确地编目了隐私状态。

小型化,云存储,相机的使用,机器学习,人工智能(AI)和数据分析都是隐私问题的倡议,即代理商将面临展望,指出它’据估计,每天有超过500万新设备与互联网相连,促成2020年的全球在线膨胀。

城市,县和州官员都必须注意黑客,黑客和犯罪组织构成的威胁,阿尔文说,讲述了由此造成的破坏 Mirai Botnet攻击.

然而,即使有些官员避开了外面的侵查,他说他们有许多情况未能扩展隐私权—长期不被视为美国法律权利— to data.

来自互联网(物联网)设备的挑战是最大的威胁之一,Alben告诉房间,指出,虽然美国法律最终在19世纪后期融入了隐私,但它没有’T与三星保持速度“smart”冰箱甚至是“flashlight”许多智能手机上的应用程序,可以访问我们的联系人列表。

华盛顿州颁布了一种数据隐私法,涵盖了国家将如何赢得’t use its citizens’ data —但是类似的保护通常不’T延伸到私营部门’迷宫隐私政策,消费者可理解的是令人遗憾的。

通过谷歌地图跟踪,收集生物识别数据和谁可以合理地预期隐私的问题将继续产生共鸣。

“It’导致大量不信任,不仅在在线公司背景下进行,而且在治理方面也在进行。如果你不’T信任很多网站,你为什么要相信政府网站?”Alben问房间。

他建议那些现在重新审视自己的机构’公共记录和隐私法,由于其文字人称代表性,以及为公共部门工作的第三方循环,以生物识别数据采取特殊照顾。

“与您的承包商讨论如何’重新设计一些这些东西,特别是如果他们与个人数据有关,” Alben said.

下午的小组成员讨论“伟大的数据带来了巨大的责任” generally agreed.

洛杉矶县内部服务部IT分公司Dave Wesolik,告诉观众成员该县正在进入IoT—但注意到它有可能被颠覆。

“他们现在可以攻击,他们可以在工厂破解汽车制造机器人。我们需要确保我们’重新提供安全通信,我们的数据是安全的,” Wesolik said.

穆罕默德Al Rawi,Cio为洛杉矶县公园和娱乐部门表示,他的机构正部分地部署IOT,希望它可能会改变IT服务提供商的人员的看法。

在其部署中,县公园和娱乐正在公园里使用土壤和天气传感器更有效地派出树木家—甚至发现森林火灾。

“所有这些数据都会收集并放入系统中。这可以用于消防部门的早期救援和早期控制。但也是经理,植树主义者,维护工人将能够查看系统并查看什么’发生实时,” Al Rawi said.

但是在那里’洛杉矶市的数据科学家亨特欧文斯也回忆起微软Chatbot Tay的Ignoble命运 - 设计了“chat”使用Twitter用户,但是通过不当内容迅速破坏了过去的内容。

Owens Debunked Machine学习,翻译其独特的词汇,但挑战的听众思考他们想要解决人工智能和机器学习的问题—并为自己思考。

“机器学习并不意味着计算机正在学习,就像人们学习一样。在一天结束时,大多数机器学习仍然是人类的学习,”欧文斯说,呼吁结束“black boxes”即使是购买它们的公共机构,也闻名所谓的专有发展。

“我们对我们的成员和居民有责任能够证明我们所做的所有决定,” Owens said.

小组后,欧文斯告诉 政府技术 该机构开始考虑大数据,机器学习和AI“需要敏锐地意识到所提出的挑战和机会。”

“是的,我们可以确定谁有无家可归的风险,因为他们也有机会预测那些可能不值得他们的人的更长的监狱判决,” Owens said. “你必须平衡一个人的机会,首先对机会做好,并且在你的权衡中非常清楚’用你的算法进行重新制作。“

他说,伦理和责任,可能是“up to us”在数据科学界。


永远不会错过每日Govtech今天的故事时事通讯。

订阅


Theo Douglas. 贡献作家

Theo Douglas.是Techwire.net的助理管理编辑,之前是一名员工作家 政府技术。他的报告经验包括涵盖市政,县和州政府,业务和突发新闻。他拥有报纸新闻和历史硕士学位的学士学位,既来自加州州立大学,长滩。

E.Republic平台& Programs