杭州 --°C 消息 发布作品
hao1123

hao1123

当前位置:首页 > 科技 > 可穿戴健康监测更精准,数据隐私如何守护?

可穿戴健康监测更精准,数据隐私如何守护?

hao1123
hao11231795176602|15阅读

手腕上那块表,现在测心率已经不算什么新鲜事了。血氧、皮电、皮肤温度,甚至无创血糖的趋势,都在往消费级设备里塞。我前阵子跟一个做传感器模组的工程师聊,他说现在客户提需求,精度指标一年比一年狠,以前误差正负十下就能交差,现在恨不得压到三以内。硬件堆料是一方面,算法也在卷,光电容积脉搏波的信号处理,从早年的阈值判断到现在的深度学习滤波,确实把运动状态下的伪影压下去不少。

2可穿戴健康监测更精准,数据隐私如何守护?

但精度上来了,另一头的事就变得很别扭。这些数据不再是“今天走了多少步”那种无关痛痒的东西。连续心率变异性加上睡眠分期,能拼出一个人的压力水平和恢复能力;长期血氧波动配上活动轨迹,甚至能倒推呼吸系统的某些隐患。保险公司盯着这类数据不是一天两天了,雇主给员工发健康手环的案例在国外也有。你戴着的是一块表,交出去的是一份持续更新的生理档案。

问题在于,绝大多数用户根本没意识到这份档案有多厚。我见过某款设备的隐私条款,正文加附录四十多页,关键的数据共享条款藏在附件二的小字里,措辞极其含糊——“可能与合作伙伴共享去标识化信息”。去标识化这个词在业内就是个橡皮筋,拉一拉就能弹回来。设备ID、时间戳、地理位置交叉比对,重新识别到个人的成本比想象中低得多。去年有研究团队做过实验,用几段匿名化的步态数据就匹配上了特定个体,准确率还不低。

厂商这边也有自己的苦衷。健康监测的算法迭代靠的是海量真实数据,没有用户数据回流,精度根本提不上去。这就形成了一个死结:要更准,就得多吃数据;多吃数据,隐私风险就跟着涨。有些公司开始走端侧计算的路子,原始信号在手表上处理完,只上传特征值。听起来不错,但端侧算力有限,复杂模型跑不动,精度又得打折扣。另一个方向是联邦学习,数据不出本地,只传梯度。可这套东西在实验室里跑得通,到了几百万台异构设备上,通信开销和模型收敛都是麻烦事。

监管层面,医疗器械认证和消费电子认证是两条线。拿到二类械字号的设备,数据管理有明确规范,但市面上大部分健康监测功能走的还是消费电子备案,隐私保护的要求松得多。欧盟GDPR把健康数据列为特殊类别,处理门槛很高,可执行层面照样有灰色地带。国内个人信息保护法实施后,情况在好转,但健康数据的分类分级标准还在完善中,具体到可穿戴设备这种高频采集场景,细则不够用。

用户能做什么?说实话,很有限。你不可能逐条去读隐私协议,也没法审计厂商的服务器。比较实际的做法是,买设备时看一眼有没有本地存储模式,能不能关掉云同步。另外,别轻易授权第三方应用读取健康数据,那些健身App、睡眠改善App,很多拿数据去喂广告模型。还有一点,二手设备出手前一定恢复出厂设置,健康数据的残留比照片麻烦得多。

技术本身没有原罪,精准监测带来的健康收益是实打实的。我认识一个房颤患者,就是靠手表的心律不齐提醒及时去了医院。但这种收益不应该建立在用户对数据流向一无所知的基础上。厂商把精度从九十分推到九十五分的时候,也该花同样的力气把数据边界画清楚。否则,戴在身上的就不再是健康助手,而是一个持续广播的传感器。