01
质疑思维：敢于提出自己的质疑，就算大部分人认为没有问题的时候，只要自己心中有疑问，就要提出来，不要觉得大部分人认为都没有问题了，而自己的质疑就不说出来了。
昨天在跟数据安全相关的同事讨论，下面这些数据的安全方案。
他们认为：不管数值的大小都要进行差分隐私（一种保护个人隐私的数据处理方式）的处理。因为根据两天的数据可能会推出某一个人的具体行为是什么，比如：5月23号总人数是30人，5月24号总人数是31人，两天的数据相减就能推出某一个人的具体行为是什么。。当我说这里不应该用的时候，数据安全相关的同事第一反应是：这个问题我们不用讨论，是必须要用的，差分隐私技术在另外一个产品当中，已经用了好多次了，非常的成熟了。
但是我还是提出了自己的质疑，并给出了质疑的理由：应用差分隐私的前提是数据是累计计算的，比如，5月24号的总人数=5月23号的人+5月24号当天的人数。而这里不是累计计算的，5月24的总人数就是5月24号当天的人数，不会加上5月23的人数。
听了我的解释之后，他们也认可这里确实不应该加的，因为这里跟差分隐私的应用场景不一样。
最开始我有疑问的时候，我也在犹豫要不要提出来，因为当时讨论的时候别人都认为没有问题，不用再讨论了。但是，我还是提出了自己的质疑。
02
重组思维：在解决问题的时，列举出来当下问题所涉及的对象和操作，然后尝试从时间和空间的角度把各个对象、操作进行重组。从时间角度是改变某个对象、操作出现的时间，从空间的角度是改变某个对象、操作的位置。
在这个页面中，当某个行为的人数<=特定值的时候需要进行数据脱敏，然后显示人数过少。第一种方案是：先判断行为的人数是否<=特定值，如果是则进行数据脱敏，然后进行显示人数过少；第二种方案：先对所有数据进行脱敏，然后再判断脱敏后的值是否<=特定值。第二种方案就运用了重组思维。从时间维度上改变了脱敏这个操作的时间，由先判断大小再进行脱敏改为先脱敏再判断大小。
注：这里的脱敏只是很小程度的脱敏，就算所有的数据都大于限定的特定值时，进行脱敏也是可以接受的。
网友评论