公开课｜车联网——安全再护航 数据新价值

导读

10月9日下午，由CSDN、OpenMPC社区联合主办，“车联网——安全再护航 数据新价值”公开课成功举办，公开课直播全网超过17000人次观看。

 

本次公开课邀请了北京交通大学、安永、长城汽车、大成律所、商汤科技的专家和大家共话“智能车联网+数据安全” ，一同探讨隐私计算如何助力车联网在智能化同时安全释放数据价值。

     王伟     

北京交通大学计算机与信息技术学院教授

《车路协同隐私计算》

北京交通大学教授王伟针对隐私保护计算技术所面临的可信性难以评估、安全与隐私难以保证、难以落地应用等几个问题，针对当前主要的隐私保护计算技术进行了分类。王教授接着介绍了团队正在承担的国家重点研发计划项目“城市智能系统可信任机理与关键技术”所取得的成果。首先，对多智体系统进行可信性度量和评估；其次，提出敏感数据不共享条件下的可信协同计算技术；第三，提出多维度的安全与隐私保护方法；第四，构建了面向隐私保护的基础性数据聚合平台；最后，在平台上搭建了可信任的车路协同系统，并在多个场景中进行了应用。最后，王教授对隐私保护计算的下一步发展做了展望，认为可信任的隐私保护计算技术和落地应用是未来发展的主要方向。

      陈宁     

安永合伙人，汽车行业海外市场专家

《汽车行业数字化发展趋势》

安永咨询汽车业务合伙人陈宁对中国汽车行业当前的数字化发展趋势进行了评价，指出汽车行业的数字化有人、车、企业运营，以及道路交通的四大数字化趋势。以往传统围绕客户运营和企业管理的数字化进程已经进程过半，而智能驾舱、车路协同下的智慧道路等将是未来数字化的工作重点。为应对这些趋势，汽车行业需要打造整车企业的新能力，和新兴芯片企业、算法公司等生态伙伴等共同打造数字化场景及应用，实现车企从制造企业向服务企业的彻底转型。

     郑玉恬     

中国政法大学数据合规与政府采购研究中心研究员、

长城汽车股份有限公司数据合规办公室合规专家

《汽车数据合规应用思考和落地实践》

长城汽车数据合规专家郑玉恬从整车厂的角度，讲述了汽车数据合规落地执行层面的关键领域及实施路径，从法规的顶层设计及发展趋势，引出汽车行业面临的数据合规挑战，深入浅出的分析了合规的监管应对、数据分类分级技术框架、合规体系构建等现实问题，并对数据合规建设的几个成熟度阶段进行了探讨与展望。

    陈立彤     

大成律所高级合伙人、

国际风险与合规协会副会长

《网络安全与数据治理下的合规管理与风险防控》

北京大成（上海）律师事务所、高级合伙人陈立彤律师围绕网络安全与数据治理领域的合规管理的实务理论展开分享，从合规管理、合规风险、合规义务等概念的定义以及区分意义入手，分析了目前网络、数据、个人信息法律体系下的合规管理的重要性和关键点，着重通过大量的实践案例总结得出三大法律的关注侧重点，将“如何管好他人的手”、“如何管好自己的手”的角度理解安全与合规的关系，进而重点阐述法律风险、欺诈风险与操作风险的发生特性和管控重点，介绍了企业如何使用风险管控三原则：主动管理、穿透管理、联合管理来科学高效地构建有效的合规管理体系。同时给广大企业面对中外不同法域下的合规要求，提出了有指导意义的合规解决方案。

    马琛     

商汤科技战略总监

《智能汽车数据隐私管理实践与思考》

商汤科技战略总监马琛介绍了商汤在智能汽车数据隐私管理工作的实践与思考，从智能汽车行业发展当前的阶段和需求出发，分析了智能汽车数据在技术研发、产品迭代、运营管理等各方面的业务价值，列举了陆续出台的各项管理政策法规和技术标准，并重点阐述数据隐私合规的环节与要求；重点介绍了基于《汽车数据安全管理若干规定（试行）》的人脸和车牌脱敏的试点工作，结合团体标准《汽车传输视频及图像脱敏技术要求与方法》的技术要求，介绍了不同类型的车端功能对应配套的脱敏方案；分享了商汤在人工智能业务发展的业务实践，包括通过脱敏算法工具、公司数据安全管理制度、人工智能伦理治理三个方面构建安全可靠的人工智能技术与产品。

本次公开课聚焦“智能车联网+数据安全” ，探讨隐私计算如何助力车联网在智能化同时安全释放数据价值。近几年来，汽车行业竞争日益激烈，众多车企开始发展积累自己的智能化实力，努力构建让消费者体验高新智能的功能矩阵。凭借巨大的存储、处理及分析能力，“云计算”正积极推动向车联网的转变，越来越多的电子设备和智能架构在汽车上得到应用，比如预碰撞安全系统、信息娱乐系统、联网系统和车载以太网等，全球市场的需求与日俱增。与此同时，我们也需要探讨如何将隐私计算技术与智能网联汽车结合，助力车联网在智能化同时安全释放数据价值，促进数据价值安全流通，进一步推进数据要素市场的培育。

活动预告

近期OpenMPC社区将联合可信区块链与CSDN一同推进计划推出web3研讨论坛，想要参与的伙伴请扫描文末二维码与我们联系。

关注开放隐私计算公众号，了解更多内容