杭州数据开放与隐私保护
摘要：杭州在推进公共数据开放过程中，注重统筹数据资源利用与个人隐私保护，通过完善管理制度、建设开放平台、实施分类分级管理等措施，促进数据在政务服务、城市治理和产业创新中的应用，加强数据脱敏、访问授权与安全审查，降低信息泄露和不当使用风险，未来需进一步明确数据使用边界，健全监督与责任机制，在保障公众知情权和…
杭州在推进公共数据开放过程中，注重统筹数据资源利用与个人隐私保护，通过完善管理制度、建设开放平台、实施分类分级管理等措施，促进数据在政务服务、城市治理和产业创新中的应用，加强数据脱敏、访问授权与安全审查，降低信息泄露和不当使用风险，未来需进一步明确数据使用边界，健全监督与责任机制，在保障公众知情权和个人信息权益的基础上，推动数据安全、有序开放。
让人工智能在可信边界内创新
数据开放能否转化为人工智能竞争力,关键不只是数据量，更在于数据能否被合规理解、组合与使用，对数字经济活跃的杭州而言，交通、气象、公共设施等数据可以支持城市服务与产业创新，但开放不等于公开一切，真正需要建设的，是兼顾可用性与安全性的分层供给机制。
首先应区分公共数据开放、授权运营与企业间数据合作，三者的使用主体、责任边界和供给方式并不相同，依据个人信息保护法、数据安全法等要求，涉及个人信息的数据处理须具备合法基础，遵循目的明确、最小必要等原则，不能因为数据来自公共服务，就默认可以用于商业模型训练。
技术难点在于,删除姓名和手机号，并不必然实现匿名化，位置轨迹、消费时间、设备标识等信息，与外部数据关联后仍可能识别个人，开放前需要评估重识别风险，按用途降低精度、控制字段，必要时只提供统计结果，脱敏是处理手段，不是免除合规责任的标签。
对人工智能应用,更可行的路径往往是“开放能力，而非裸露数据”，通过受控接口、隔离计算环境与查询审计，开发者可以获取任务所需结果，而不直接下载原始明细，差分隐私可降低统计输出泄露个体信息的风险，但需要管理隐私预算；联邦学习减少数据集中汇聚，也仍需防范梯度泄露与恶意参与。
具身智能进一步放大了边界问题,机器人在楼宇、园区或仓储场景中采集图像、声音和空间信息，可能同时记录人脸、工牌与商业布局，设计时应优先考虑端侧处理、敏感区域遮蔽和短周期留存，并将导航避障所需信息与模型训练素材分开管理，避免一次采集被无限复用。
结合杭州电商、物流与软件服务等产业场景，数据供给应围绕具体问题组织，配送优化可优先使用路网与分时段拥堵统计，而非个人完整行程；机器人调度可使用区域占用状态，而非持续上传可识别人员的视频，用更少数据完成任务，本身就是工程能力。
衡量开放成效,也不宜只看目录和下载量，还要看数据质量、更新频率、应用收益及风险处置能力，让使用过程可审计、权限到期可撤回、违规行为可追责，才能把隐私保护从上线前的检查项，变成杭州人工智能与数字经济持续创新的基础设施。
