تکنولوژی‌های ارتقادهنده حریم خصوصی (PETs) در صنعت تبلیغات دیجیتال (AdTech): نمونه‌ها و موارد استفاده

صنعت فناوری تبلیغات (AdTech) پیشرفت چشمگیری کرده و به تبلیغ‌کنندگان این امکان را داده تا با دقتی بی‌سابقه به مخاطبان هدفشان دست پیدا کنند. با این حال، این کار معمولاً نیازمند جمع‌آوری و استفاده از اطلاعات شخصی کاربران است، بدون آن‌ها بدانند یا رضایت داده باشند، که نگرانی‌های جدی دربارهٔ حریم خصوصی ایجاد کرده است.

به همین دلیل، دولت‌های سراسر جهان تدابیری برای محافظت از اطلاعات شخصی کاربران در فضای آنلاین اتخاذ کرده‌اند و اهمیت ایجاد تعادل بین مزایای هدف‌گیری تبلیغاتی و حق حریم خصوصی را درک کرده‌اند. این موضوع باعث تغییر در نحوه کار صنعت AdTech شده، چون شرکت‌ها تلاش می‌کنند خود را با این فضای جدیدِ مبتنی بر حریم خصوصی سازگار کنند.

پیدایش فناوری‌های ارتقادهنده حریم خصوصی (PETs) نقطه عطفی مهم در این حوزه بوده است. این فناوری‌ها طوری طراحی شده‌اند که به شرکت‌ها کمک کنند هم از حریم خصوصی کاربران محافظت کنند و هم امکان جمع‌آوری و استفاده از داده‌ها را برای تبلیغات برنامه‌ریزی‌شده فراهم سازند.

در این مقاله، انواع مختلف PETهای موجود را بررسی می‌کنیم و نمونه‌هایی از کاربرد آن‌ها در صنعت AdTech امروز ارائه می‌دهیم.

نکات کلیدی

فناوری‌های ارتقادهنده حریم خصوصی (PETs) چیستند؟

فناوری‌های ارتقادهنده حریم خصوصی (PETs) ابزارها و تکنیک‌هایی هستند که برای محافظت از داده‌های شخصی و حساس در مراحل جمع‌آوری، اشتراک‌گذاری و تحلیل طراحی شده‌اند. PETها به سازمان‌ها این امکان را می‌دهند که ضمن محدود کردن دسترسی به اطلاعات هویتی و حفظ حریم خصوصی کاربران، داده‌ها را تحلیل کرده و از آن‌ها ایده استخراج کنند.

فناوری‌های ارتقادهنده حریم خصوصی معمولاً در صنایعی مثل بانکداری، بیمه، سلامت، بخش‌های دولتی، بازاریابی و تبلیغات که حجم زیادی از داده‌های شخصی و حساس را پردازش می‌کنند، استفاده می‌شوند.

PETها چطور به امنیت کمک می‌کنند؟

PETها با تمرکز بر سه ستون کلیدی به تضمین امنیت داده‌ها کمک می‌کنند:

چه فناوری‌هایی حریم خصوصی را افزایش می‌دهند؟

برخی از فناوری‌های ارتقادهنده حریم خصوصی عبارتند از:

در صنعت AdTech، این فناوری‌ها می‌توانند پردازش امن داده‌ها، تحلیل محافظ حریم خصوصی مخاطبان، اندازه‌گیری، تطبیق هویت و همکاری داده‌ای را بدون به خطر افتادن حریم خصوصی پشتیبانی کنند.

قوانین حریم خصوصی و تغییرات فناوری چگونه صنعت AdTech را تحت تأثیر قرار می‌دهند؟

سال‌هاست که تبلیغات برنامه‌ریزی‌شده برای هدف‌گیری مخاطبان، اندازه‌گیری کمپین‌ها و شخصی‌سازی تبلیغات به جمع‌آوری وسیع داده‌ها وابسته بوده است. با تغییر انتظارات حریم خصوصی، مقررات و فناوری‌های دیجیتال، صنعت AdTech مجبور شده در نحوه جمع‌آوری، پردازش و استفاده از داده‌های کاربران بازنگری کند.

دولت‌ها و شرکت‌های فناوری تدابیر جدیدی برای حریم خصوصی معرفی کرده‌اند که روی نحوه جمع‌آوری، ذخیره‌سازی و استفاده از اطلاعات شخصی تأثیر می‌گذارند. قوانین حریم خصوصی مثل مقررات عمومی حفاظت از داده‌ها (GDPR)، قانون حریم خصوصی مصرف‌کنندگان کالیفرنیا (CCPA) و قانون عمومی حفاظت از داده‌های برزیل (LGPD) الزامات پردازش داده‌های شخصی را مشخص کرده و به افراد کنترل بیشتری روی نحوه استفاده از اطلاعاتشان می‌دهند.

شرکت‌های فناوری هم تغییرات مبتنی بر حریم خصوصی را در مرورگرها و پلتفرم‌های مختلف اعمال کرده‌اند. مثلاً مرورگر سافاری (Safari) از قابلیت «پیشگیری هوشمند از ردگیری» (Intelligent Tracking Prevention) برای محدود کردن ردگیری بین‌سایتی استفاده می‌کند، و فایرفاکس هم به طور پیش‌فرض از طریق ویژگی «حفاظت ارتقایافته از ردگیری» (Enhanced Tracking Protection)، کوکی‌های ردگیری بین‌سایتی را مسدود می‌کند. این تغییرات، وابستگی به روش‌های سنتی ردگیری مثل کوکی‌های شخص ثالث را کم کرده و صنعت را به سمت رویکردهای محتاطانه‌تر و مسئولانه‌تر در حوزه تبلیغات و اندازه‌گیری سوق داده‌اند.

به همین دلیل، ناشران، تبلیغ‌کنندگان و شرکت‌های AdTech در پی راهکارهایی هستند که به آن‌ها اجازه دهد هم حریم خصوصی کاربران را حفظ کنند و هم از داده‌ها به شکل مؤثر بهره ببرند. فناوری‌های ارتقادهنده حریم خصوصی به بخش مهمی از این دوره گذار تبدیل شده‌اند و پردازش امن داده‌ها، اندازه‌گیری محافظ حریم خصوصی و همکاری داده‌ای را بدون افشای غیرضروری اطلاعات شخصی ممکن ساخته‌اند.

نمونه‌هایی از PETها

انواع رایج فناوری‌های ارتقادهنده حریم خصوصی در صنعت AdTech شامل محاسبات چندجانبه امن، محیط‌های اجرای امن، یادگیری روی دستگاه، حریم خصوصی تفاضلی، تجمیع و یادگیری فدرال است.

این فناوری‌ها به پلتفرم‌های AdTech کمک می‌کنند تا از حریم خصوصی داده‌ها محافظت کنند و در عین حال امکان تبلیغات هدفمند، اندازه‌گیری و همکاری داده‌ای را فراهم سازند. سازمان‌ها می‌توانند با به‌کارگیری PETها، خطرات حریم خصوصی را هنگام پردازش اطلاعات هویتی (PII) و سایر داده‌های حساس کاهش دهند.

بیشتر راهکارهای AdTech که از PETها استفاده می‌کنند، یک یا چند تکنیک زیر را ترکیب می‌کنند:

محاسبات چندجانبه امن (MPC)

محاسبات چندجانبه امن (MPC) تکنیکی است که به دو یا چند مجموعه امکان می‌دهد داده‌های رمزنگاری‌شده را از طریق گره‌ها/سرورهای متعدد به اشتراک بگذارند و بدون دسترسی به داده‌های یکدیگر، بازخورد و تحلیل (Insight) کسب کنند. «اشتراک مجموعه‌های خصوصی» (PSI)، یک پروتکل رمزنگاری که به دو طرف اجازه می‌دهد تقاطع مجموعه‌های خود را محاسب کرده و در عین حال محتوای مجموعه‌هایشان را محرمانه نگه دارند، نوعی تکنیک MPC محسوب می‌شود.

محیط اجرای امن (TEE)

اگرچه محیط‌های اجرای امن (TEE) شباهت‌هایی با MPC دارند، اما تفاوتشان در این است که امکان انجام عملیات را در یک سرور واحد فراهم می‌کنند. TEEها از سخت‌افزارهای امن همراه با محافظت‌های رمزنگاری‌شده برای پردازش داده‌ها در یک محیط پردازش محرمانه (Confidential Computing) استفاده می‌کنند و امنیت و حریم خصوصی داده‌ها را در طول پردازش تضمین می‌کنند.

یادگیری روی دستگاه (On-device learning)

یادگیری روی دستگاه از مدل‌های یادگیری ماشین که با داده‌های تاریخی (مثل علاقه‌مندی‌های کاربر یا الگوهای تبدیل) آموزش دیده‌اند استفاده می‌کند تا پیش‌بینی‌ها را مستقیماً روی خود دستگاه انجام دهد. داده‌ها به صورت محلی پردازش می‌شوند و دیگر نیازی به ارسال اطلاعات شخصی به سرور مرکزی نیست.

حریم خصوصی تفاضلی (DP)

حریم خصوصی تفاضلی(DP) تکنیکی است که برای تحلیل یک مجموعه‌داده استفاده می‌شود و با کنترل میزان از دست رفتن حریم خصوصی از طریق روش‌های ریاضی، یک تضمین قطعی و ریاضی از حریم خصوصی فراهم می‌کند. از آنجا که DP یک ویژگی الگوریتمی است، می‌توان آن را به صورت یکسان روی مجموعه‌داده‌های مختلف به کار برد و بدین ترتیب جلوی بازسازی یا شناسایی مجدد هویت افراد را گرفت. DP همچنین می‌تواند با سایر فناوری‌های ارتقادهنده حریم خصوصی (PETs) هم ترکیب شود.

تجمیع / K-ناشناس‌سازی (K-anonymity)

تجمیع، داده‌ها را در گروه‌هایی ترکیب می‌کند تا دید‌پذیری سوابق فردی را کاهش دهد، در حالی که K-ناشناس‌سازی تضمین می‌کند که هر سابقه بر اساس ویژگی‌های انتخاب‌شده، حداقل از سابقه دیگر قابل تشخیص نباشد. این تکنیک‌ها در کنار یکدیگر می‌توانند خطر شناسایی افراد را در مجموعه‌داده‌های تجمیع‌شده کاهش دهند.

یادگیری فدرال (FL)

یادگیری فدرال یک تکنیک یادگیری ماشین است که به مدل‌ها اجازه می‌دهد روی داده‌های غیرمتمرکزِ چندین طرف آموزش ببینند، بدون اینکه هیچ اطلاعاتی رد و بدل شود.

هدف استفاده از فناوری‌های ارتقادهنده حریم خصوصی در AdTech

فناوری‌های ارتقادهنده حریم خصوصی (PETs) در صنعت AdTech برای محافظت از داده‌های شخصی، کاهش خطرات حریم خصوصی و ممکن کردن فرایندهای تبلیغاتی مبتنی بر داده بدون افشای غیرضروری اطلاعات کاربران به کار می‌روند. این فناوری‌ها به شرکت‌ها کمک می‌کنند تا ضمن حفظ حریم خصوصی کاربران و پشتیبانی از همکاری امنِ داده‌ای، به جمع‌آوری، اشتراک‌گذاری، پردازش و تحلیل داده‌ها بپردازند.

صنعت AdTech نه تنها داده‌ها را پردازش می‌کند، بلکه آن‌ها را جمع‌آوری کرده، بین طرف‌های مختلف به اشتراک می‌گذارد و در فرایندهای مختلف تبلیغات برنامه‌ریزی‌شده استفاده می‌کند. PETها می‌توانند در هر مرحله از این چرخه حیات داده، از حریم خصوصی و امنیت پشتیبانی کنند:

جمع‌آوری داده‌ها

PETها می‌توانند به سازمان‌ها کمک کنند تا هنگام جمع‌آوری داده‌ها، قوانین حریم خصوصی را رعایت کنند و از عواقب قانونی و مالی احتمالی ناشی از تخطی از قوانین در امان بمانند. همچنین فناوری‌های ارتقادهنده حریم خصوصی امکان کمینه‌سازی داده‌ها (Data Minimization) را فراهم می‌کنند که خطر نشت و نقض داده‌ها را کم می‌کند، اطمینان حاصل می‌کند که داده‌های شخصی فقط برای هدفی مشخص و قانونی جمع‌آوری می‌شوند و نیاز به فضای ذخیره‌سازی را کاهش می‌دهد.

شناسایی

بدون فناوری‌های ارتقادهنده حریم خصوصی، اطلاعات هویتی و حتی داده‌های حساس ممکن است لو بروند. شرکت‌های AdTech می‌توانند با رمزنگاری داده‌ها، از این اطلاعات در برابر حملات سایبری و نشت داده محافظت کنند. تکنیک‌های مختلفی برای رمزنگاری داده‌ها وجود دارد، اما سه روش اصلی عبارتند از: رمزنگاری متقارن، رمزنگاری نامتقارن و هشینگ(Hashing).

اشتراک‌گذاری داده‌ها میان طرف‌های مختلف

اجرای کمپین‌های تبلیغاتی نیازمند همکاری است؛ مثلاً اشتراک‌گذاری داده‌ها بین پلتفرم‌های مختلف AdTech. اما اگر این کار شفاف و مسئولانه مدیریت نشود، می‌تواند نگرانی‌های حریم خصوصی را بیشتر کند.

شرکت‌های AdTech برای ایمن و محرمانه نگه داشتن داده‌ها می‌توانند از رمزنگاری، محاسبات چندجانبه امن و حریم خصوصی تفاضلی جهت تبادل محرمانه اطلاعات استفاده کنند. همچنین، آن‌ها با استفاده از PETها می‌توانند مشخص کنند چه کسانی امکان دسترسی به داده‌ها را دارند که این امر خطر دسترسی‌های غیرمجاز را به حداقل می‌رساند.

پردازش داده‌ها

هر بار که تبلیغی به کاربر نمایش داده می‌شود، مجموعه‌ای از عملیات مثل محاسبه، تحلیل و اندازه‌گیری روی داده‌ها انجام می‌شود.

فناوری‌های ارتقادهنده حریم خصوصی (PETs) نقش مهمی در تضمین امنیت و محرمانه بودن داده‌های شخصی در طول این عملیات دارند. مثلاً PETهایی مثل حریم خصوصی تفاضلی(Differential Privacy)، تحلیل داده‌های ناشناس‌سازی‌شده کاربر را بدون افشای اطلاعات شخصی مثل شناسه‌های فردی یا تاریخچه مرورگر ممکن می‌سازند.

هدف‌گیری تبلیغاتی

تبلیغ‌کنندگان می‌خواهند تبلیغات مرتبط را به مخاطبانشان نشان دهند و تجربه شخصی‌سازی‌شده‌ای برای کاربران ایجاد کنند. PETها مثل یادگیری فدرال به آن‌ها اجازه می‌دهند با پردازش داده‌ها روی دستگاه کاربر، به جای ارسال آن‌ها به یک سرور خارجی، تبلیغات را نمایش دهند. این رویکرد احتمال به اشتراک گذاشته شدن داده‌های شخصی با شرکت‌های مختلف را کم می‌کند.

موارد استفاده از فناوری‌های ارتقادهنده حریم خصوصی در AdTech

فناوری‌های ارتقادهنده حریم خصوصی (PETs) در صنعت AdTech برای پشتیبانی از هدف‌گیری، اندازه‌گیری، ویژگی‌دهی و همکاری داده‌ای با حفظ حریم خصوصی استفاده می‌شوند. این فناوری‌ها به تبلیغ‌کنندگان، ناشران و پلتفرم‌ها اجازه می‌دهند با وجود محدودیت دسترسی به اطلاعات شخصی و چالش‌های حریم خصوصی در سراسر زیست‌بوم تبلیغات، با داده‌ها کار کنند.

موارد کاربرد رایج PETها در صنعت AdTech عبارتند از:

شناسه‌های سراسری (Universal IDs)

PETها می‌توانند برای تولید یک شناسه سراسری به شکلی محرمانه استفاده شوند. مثلاً شرکت‌ها می‌توانند الگوریتم هشی مثل SHA-256 را روی آدرس ایمیل یا شماره تلفن اعمال کنند تا یک شناسه بسازند. بنابراین به جای استفاده از آدرس ایمیل واقعی کاربر به عنوان شناسه سراسری، می‌توانند از الگوریتم هش رشته‌ای تصادفی از اعداد و حروف تولید کنند و از آن به عنوان شناسه استفاده کنند.

این کار نه تنها جلوی استفاده از داده‌های خام کاربر (مثل آدرس ایمیل) را می‌گیرد، بلکه از حریم خصوصی او هم محافظت می‌کند، چون شناسه هش‌شده پس از تولید دیگر قابل بازگردانی به متن اصلی نیست. این موضوع تضمین می‌کند که شناسه سراسری قابل ردیابی و ارجاع به یک فرد خاص نخواهد بود.

Google Privacy Sandbox

پروژه Privacy Sandbox گوگل می‌خواهد با استفاده از تکنیک‌های پیشرفته حریم خصوصی مثل حریم خصوصی تفاضلی، K-ناشناس‌سازی و پردازش روی دستگاه، جایگزین کارهایی شود که قبلاً کوکی‌های شخص ثالث انجام می‌دادند.

علاوه بر این، با محدود کردن میزان اطلاعاتی که وب‌سایت‌ها می‌توانند به آن دسترسی داشته باشند، به کاهش سایر روش‌های ردگیری مثل اثرانگشت‌نگاری کمک می‌کند و اطمینان حاصل می‌کند که اطلاعات شخصی‌تان محرمانه، محافظت‌شده و امن بماند.

اتاق‌های تمیز داده (Data Clean Rooms)

اتاق‌های تمیز داده (Data Clean Rooms) کاربردهای مختلفی در زمینه تبلیغات دارند. برندها می‌توانند از آن‌ها برای هدف‌گیری تبلیغات و مخاطبان، و همچنین اندازه‌گیری استفاده کنند.

رمزنگاری و نابیناسازی دوطرفه برای داده‌های ورودی، حریم خصوصی تفاضلی در اجرای کوئری‌ها، تزریق نویز به داده‌ها و حفظ آستانه‌های K-ناشناس‌سازی از جمله تکنیک‌های مورد استفاده در DCRها هستند.

SKAdNetwork

SKAdNetwork یک API مبتنی بر حریم خصوصی است که اپل مدیریتش می‌کند. این سیستم برای بازاریابانی که کمپین‌های تبلیغاتی روی دستگاه‌های iOS اجرا می‌کنند، بازخورد ویژگی‌دهی ناشناس، تجمیع‌شده و با تأخیر ارائه می‌دهد.

سنجش کلیک خصوصی (Private Click Measurement)

سنجش کلیک خصوصی (PCM) قابلیتی است که اپل برای اندازه‌گیری کلیک‌های تبلیغاتی بین وب‌سایت‌ها و از برنامه‌های iOS به وب‌سایت‌ها ایجاد کرده است. PCM از پردازش روی دستگاه، حریم خصوصی تفاضلی، امضاهای کور (Blinded Signatures) و کمینه‌سازی داده‌ها استفاده می‌کند تا مطمئن شود داده‌های کاربر محافظت شده‌اند.

تطبیق هویت ناشر و تبلیغ‌کننده (PAIR)

قابلیت تطبیق هویت ناشر و تبلیغ‌کننده گوگل (PAIR) به ناشران و تبلیغ‌کنندگان این امکان را می‌دهد داده‌های دست‌اول خود را برای مخاطبانی که از وب‌سایت هر دو طرف بازدید کرده‌اند، به شکل محرمانه و امن تطبیق دهند.

این راهکار با امکان فعال‌سازی داده‌های دست‌اول رمزنگاری‌شده‌ای که مختص وب‌سایت‌های خودشان است، از طریق تجمیع کار می‌کند. این روش تضمین می‌کند که هیچ داده‌ای درباره کاربران فردی بین طرفین به اشتراک گذاشته نمی‌شود و داده‌های تجمیع‌شده فقط در چارچوب ارتباط مستقیم طرفین قابل خواندن و استفاده خواهند بود.

تکنیک MPC در یک SSP

شرکت Magnite که یکی از پیشروان صنعت AdTech است، از فناوری MPC برای فعال‌سازی داده‌ها بدون دسترسی به داده‌های خام استفاده می‌کند. تبلیغ‌کنندگان و ناشران داده‌های خود را — مثل لیست مخاطبان دست‌اول ناشر یا لیست مشتریان تبلیغ‌کننده — با MPC رمزنگاری می‌کنند.

سپس داده‌های رمزنگاری‌شده به Magnite ارسال می‌شود و این شرکت می‌تواند با استفاده از آن‌ها، شناسه‌های پایدار مصنوعی بسازد و تطبیق دهد. در نهایت از این شناسه‌ها می‌توان برای فعال‌سازی داده‌ها استفاده کرد، بدون اینکه به خود داده‌های خام دسترسی داشته باشیم.

پردازش خصوصی (Private Computation)

متا از محاسبات چندجانبه (MPC) استفاده می‌کند تا هم قابلیت‌های هدف‌گیری تبلیغاتی‌اش را ارتقا دهد و هم حریم خصوصی کاربران را حفظ کند. این سیستم به متا اجازه می‌دهد داده‌های رمزنگاری‌شده کاربران را تحلیل کند و روندها و الگوها را شناسایی کند، بدون اینکه به داده‌های خام دسترسی داشته باشد. بدین ترتیب متا می‌تواند بدون به خطر انداختن حریم خصوصی کاربران، تبلیغات شخصی‌سازی‌شده‌تری ارائه دهد.

فناوری‌های تقویت‌کننده حریم خصوصی چگونه از حریم خصوصی داده‌ها پشتیبانی می‌کنند؟

فناوری‌های تقویت‌کننده حریم خصوصی با امکان جمع‌آوری، پردازش و تحلیل داده‌ها توسط سازمان‌ها، در حالی که میزان افشای اطلاعات شخصی و حساس را کاهش می‌دهند، از حریم خصوصی داده‌ها پشتیبانی می‌کنند. فناوری‌های تقویت‌کننده حریم خصوصی (PETs) روش‌های فنی لازم برای حفظ حریم خصوصی داده‌ها، محدود کردن دسترسی‌های غیرضروری به داده‌ها و محافظت از حریم خصوصی افراد را فراهم می‌کنند.

فناوری‌هایی مانند رمزنگاری، حریم خصوصی تفاضلی و محاسبات امن چندجانبه به سازمان‌ها امکان می‌دهند از داده‌ها بینش‌های ارزشمند به دست آورند، در حالی که حریم خصوصی و محرمانگی اطلاعات حفظ می‌شود. این موضوع باعث می‌شود PETها به‌ویژه در محیط‌هایی که حریم خصوصی و حفاظت از داده‌ها اهمیت حیاتی دارند، بسیار ارزشمند باشند.

فناوری‌های تقویت‌کننده حریم خصوصی چگونه به رعایت مقررات حریم خصوصی کمک می‌کنند؟

فناوری‌های تقویت‌کننده حریم خصوصی می‌توانند با کمک به سازمان‌ها برای اجرای اصولی مانند کمینه‌سازی داده‌ها، پردازش امن داده‌ها و مدیریت مسئولانه داده‌ها، از رعایت مقررات حریم خصوصی پشتیبانی کنند. مقرراتی مانند GDPR، CCPA و LGPD شرکت‌ها را تشویق می‌کنند تا شیوه‌های مرتبط با حریم خصوصی و حفاظت از داده‌ها را تقویت کنند.

اگرچه PETها جایگزین سیاست‌های حریم خصوصی یا الزامات قانونی نمی‌شوند، اما راهکارهای فنی حفاظتی ارائه می‌دهند که به سازمان‌ها کمک می‌کنند ریسک‌های مرتبط با حریم خصوصی را کاهش دهند و تعهد قوی‌تر خود به حریم خصوصی و رعایت مقررات را نشان دهند.

فناوری‌های تقویت‌کننده حریم خصوصی چگونه همکاری امن روی داده‌ها را امکان‌پذیر می‌کنند؟

فناوری‌های تقویت‌کننده حریم خصوصی به سازمان‌ها امکان می‌دهند بدون به خطر انداختن حریم خصوصی، روی داده‌ها همکاری کنند. در حوزه تبلیغات دیجیتال (AdTech)، تبلیغ‌دهندگان، ناشران و پلتفرم‌ها می‌توانند از PETها برای به‌اشتراک‌گذاری بینش‌ها، اندازه‌گیری عملکرد کمپین‌ها و فعال‌سازی مخاطبان، بدون افشای داده‌های خام شخصی، استفاده کنند.

تکنیک‌هایی مانند محاسبات امن چندجانبه، پردازش داده‌های رمزنگاری‌شده و اتاق‌های پاک داده (Data Clean Rooms) به طرف‌های مختلف اجازه می‌دهند با داده‌های رمزنگاری‌شده کار کنند، بدون اینکه مستقیماً به اطلاعات حساس دسترسی داشته باشند. این رویکرد از همکاری مبتنی بر حفظ حریم خصوصی پشتیبانی می‌کند و هم‌زمان امنیت داده‌ها را حفظ می‌کند.

مزایای فناوری‌های تقویت‌کننده حریم خصوصی چیست؟

مزایای فناوری‌های تقویت‌کننده حریم خصوصی شامل حفاظت قوی‌تر از داده‌ها، کاهش ریسک‌های مرتبط با حریم خصوصی و کنترل بیشتر بر نحوه استفاده از اطلاعات شخصی است. PETها به سازمان‌ها کمک می‌کنند تا از داده‌ها به‌صورت مسئولانه استفاده کنند و در عین حال الزامات امنیتی و حریم خصوصی را رعایت کنند.

با ادامه تغییر ترجیحات مربوط به حریم خصوصی و مقررات مرتبط با آن، PETها برای شرکت‌هایی که نیاز دارند میان نوآوری مبتنی بر داده و حفظ حریم خصوصی افراد تعادل برقرار کنند، اهمیت فزاینده‌ای پیدا کرده‌اند. سازمان‌ها با استفاده از PETها می‌توانند از داده‌های حساس محافظت کنند، اعتماد ایجاد کنند و از تجربه‌های دیجیتال متمرکز بر حریم خصوصی بیشتر پشتیبانی کنند.

چالش‌های پیاده‌سازی فناوری‌های تقویت‌کننده حریم خصوصی چیست؟

چالش‌های اصلی پیاده‌سازی فناوری‌های تقویت‌کننده حریم خصوصی شامل پیچیدگی‌های فنی، یکپارچه‌سازی با سیستم‌های موجود و نیاز به استانداردهای صنعتی است. سازمان‌ها باید فناوری‌های تقویت‌کننده حریم خصوصی (PETs) را انتخاب کنند که با موارد استفاده خاص، الزامات داده‌ای و اهداف حریم خصوصی آن‌ها مطابقت داشته باشد.

استقرار PETها همچنین می‌تواند نیازمند تغییر در گردش‌کارهای موجود، زیرساخت‌ها و شیوه‌های مدیریت داده باشد. با ادامه تکامل فناوری‌های حریم خصوصی، شرکت‌ها باید میان قابلیت استفاده از داده‌ها و امنیت و حریم خصوصی تعادل برقرار کنند و هم‌زمان به ریسک‌های احتمالی مرتبط با حریم خصوصی و امنیت رسیدگی کنند.

آینده فناوری‌های ارتقادهنده حریم خصوصی (PETs) در صنعت AdTech

برای شناخت آینده PETها باید چند عامل را در نظر گرفت: افزایش آگاهی عمومی درباره حریم خصوصی در اینترنت، تغییرات تکنولوژیک، مقررات قانونی جدید و بحث‌های جاری بین ناشران، تبلیغ‌کنندگان و سازمان‌های نماینده منافعشان.

مصرف‌کنندگان و دولت‌ها اهمیت حریم خصوصی در عصر دیجیتال را به خوبی درک کرده‌اند. این آگاهی باعث پذیرش گسترده‌تر PETها و وضع مقررات جدید در این حوزه خواهد شد؛ همان‌طور که قبلاً قوانینی مثل GDPR، LGPD، CCPA و چارچوب TCF در IAB Tech Lab تصویب و اجرا شدند. این چارچوب‌های قانونی (و نمونه‌های مشابه دیگر) شرکت‌ها را مجبور می‌کنند PETها را در فناوری‌ها و فرایندهای AdTech خود ادغام کنند تا مطمئن شوند با قوانین مختلف حریم خصوصی مطابقت دارند.

برخی تبلیغ‌کنندگان و ناشران از همین حالا مزایای PETها — مثل افزایش اعتماد مصرف‌کنندگان و کاهش خطر نشت داده — را درک کرده‌اند. به همین دلیل، شرکت‌های بیشتری بودجه‌ای به راهکارهای جدیدی مثل «اتاق‌های تمیز داده» (Data Clean Rooms) اختصاص خواهند داد تا از PETها در فعالیت‌های تبلیغاتی‌شان استفاده کنند.

علاوه بر این، فناوری‌های مختلف مراحل مختلفی از توسعه را طی خواهند کرد. اولویت فعلی، ایجاد کنترل دقیق‌تر و جزئی‌تر (Granular) بر نحوه استفاده از داده‌های شخصی است؛ پس در آینده نزدیک می‌توان انتظار پیشرفت و پیچیدگی بیشتر در این حوزه را داشت.

آخرین نکته مهم در توسعه PETها، تلاش برای استانداردسازی است. نهاد IAB Tech Lab گروه ویژه‌ای برای تدوین استانداردهای PETها در صنعت AdTech تشکیل داده است. این گروه از نمایندگان تبلیغ‌کنندگان، ناشران، ارائه‌دهندگان فناوری و مدافعان حریم خصوصی تشکیل شده است.

هدف این گروه، توسعه مجموعه‌ای از پروتکل‌های استاندارد برای PETها است که سراسر صنعت بتواند از آن‌ها استفاده کند. این استانداردسازی به کارایی و هماهنگی PETها در سراسر صنعت AdTech کمک خواهد کرد.

می‌خواهید بدانید کدام تکنولوژی‌های ارتقادهنده حریم خصوصی (PETs) برای کسب‌وکار شما مناسب‌ترند؟ با ما در تماس باشید تا با هم بهترین راهکار را پیدا کنیم.