今年晚些时候，我们说明了Google方案怎样采用聊天室联合自学（Federated Learning of Cohorts，FLoC）控制技术来防止对个人跟踪，与此同时仍然为你提供更多相关性强的电视广告。然而，就在两个多月前，它宣布延后而此措施，部份原因是该子公司收到了大批的反对声音。

也就是说，小型科技组织机构仍在为为保护对个人隐私的统计数据搜集方式投入大批心力。现在，Facebook透露了更多有关它方案怎样采用对个人隐私增强控制技术（PETs）来推动新一代位数电视广告的技术细节。

Facebook表示，它已经开始采用如前所述信息论和语言学的控制技术来实现PETs，使其能够增加统计信息处理量，与此同时保留你的对个人隐私、电视广告准确度和个人化偏爱。该子公司叙述了它在PETs组织工作中已经开始试验的四种方式。

第二种是安全的多番排序（MPC），它允许多个组织机构处理部份使用者统计数据，然后相互撷取看法。这基本上意味着没有一方可以所持完整的使用者统计数据，因而了解它们的可能性会增加。这方面的两个范例是，两个组织机构所持你所看见的电视广告重要信息，而另两个组织机构则看见你所买回的重要信息。MPC将保证这两个利益各别赢得他们所需要的统计数据，而不会赢得你的全部统计数据。Facebook已经开始采用两个名叫Private Lift Measurement的软件控制系统，如前所述其在GitHub上的开放源码架构进行MPC组织工作，预计明年将向电视广告主提供更多而此软件控制系统。

接下去是电子设备上的机器自学，保证演算法在对个人电子设备范围内自学，而不把统计数据发送到任何内部身份、云或远距伺服器。此项控制技术仍在评估结果中，假如成功的话，Facebook希望它能随着时间的流逝而改进。

最后，Facebook方案导入综合化的对个人隐私预设，实际上是对现有PET的一种补充。该子公司将其叙述为：

母阎氏对个人隐私的组织工作原理是将精心设计排序的"噪声"加入统计数据集。例如，假如有118人在点选电视广告后买回了两个商品，脉冲响应对个人隐私控制系统将从这个位数中增加或增加两个乱数量。因而，采用该控制系统的人看见的不是118，而是120或114这样的位数。

加进而此小段乱数的不正确重要信息，就很难知道谁在点选电视广告后真正买回了商品，即使有很多其他统计数据也无法将跟踪延续下去。因而，这种控制技术经常被用于为公用研究而发布的小型统计数据集。

Facebook强调这些都是长期的努力，它将定期撷取更多有关其进展的重要信息。

（检举）