连接世界
赋能民众
共筑繁荣之路
创新者
2026 年 1 月 27 日
穆拉利-马尼一生的大部分时间都在从事工程师工作，从研究运动几何学的博士到为早期高清电视集成芯片组的工作。但在他职业生涯的大约十年里，他从物理力学转向了隐私工程的隐形结构，在那里，问题更加棘手，风险往往更高。
作为一家从事临床试验的全球医疗保健公司的高级隐私官，以及后来一家医疗设备部门和一家基因检测初创公司的合规负责人，他围绕最敏感的健康数据建立了保护措施--但这些保护措施仍允许医生和研究人员在不危及患者隐私的情况下为新疗法提供见解。
对于马尼来说，隐私工程的目标始终是建立信任和保护人们，同时促进创新。如今，他是Mastercard公司负责隐私、人工智能和数据责任的副总裁，负责保护公司的交易数据和其他敏感信息，因为人工智能使原始数据变得更强大，也更容易泄露。
随着世界走向数字化，数据不再只是生活的副产品。它就是生活：我们的购物、我们的习惯、我们的行动、我们的身份。因此，隐私工程师的工作变得更加重要，难度也成倍增加。由于人工智能系统可以检测到人类无法察觉的模式，因此数据的移动速度更快，更容易跨越国界，其组合方式所揭示的信息也远远超出人们的预期。
世界各国政府也在加强对如何使用这些信息以及在何处处理这些信息的监管，从而引发了有关隐私、安全和主权的全球辩论。但是，保护人们的信息不仅仅是合规性的问题，还需要预测数据可能被使用、误用或误解的情况。
马尼与整个业务团队--产品和软件开发人员、数据科学家、人工智能专家和律师--一起工作，他以工程师的身份处理数据隐私问题，寻找将隐私嵌入Mastercard机制的新方法。
他说："我们的工作就是帮助实际管理数据的团队，与他们交流并实施控制。"想象一下，产品团队正在制造一辆汽车，配备最新的发动机和技术功能，而作为隐私保护人员，我要给他们提供标准的安全功能，如安全带和侧视镜。但有时是安全气囊和防抱死制动--这样每个人都能得到更好的保护"。
离开基因检测初创公司后，马尼一直在寻找新的挑战。他对 Mastercard 在隐私技术方面的投资很感兴趣，尤其是通过 Trūata 进行的数据匿名化工作。 Trūata 是一家位于都柏林的 "数据信托机构"，最初是与 IBM 成立的合资企业，现在已成为 Mastercard 企业级数据资源的一个组成部分。(从他威彻斯特郡的家到Mastercard纽约州帕切斯总部只需 20 分钟的通勤时间，这对他也没有什么坏处）。
马尼很快了解到，支付数据异常强大，但其构成也很独特。2024 年，Mastercard 处理了 1590 亿笔交易，这些信息在利用数据洞察力时都经过了匿名处理和汇总。不过，Mastercard也使用了标记化等技术--用一个唯一的占位符取代信用卡账号--这样，一旦黑客入侵，就无法追溯到个人的信用卡数据。
这些都是隐私控制的例子，可分为两大类。技术控制是内置于系统本身的，比如在使用数据之前对其进行去身份化处理。行政控制依赖于人员和流程，例如培训员工识别出什么时候出现了问题。在某些情况下，两者都需要。
马尼的工作是创建和嵌入这些控制措施，以便能够快速访问和安全处理去标识化数据，并遵守一系列国家和国际法规。
例如，目的限制--只为收集数据的目的而使用数据--的实施就很棘手。有时是通过培训来执行。不过，越来越多的公司开始采用技术控制手段，防止数据被用于未经授权的目的。马尼说："你可以将数据作为一种产品来创建，""平台会阻止你将其用于其他目的"。
Mastercard的工程师们正在开发用于数据分析的软件工具，对海量数据集进行扫描，以确定它们的来源、敏感性和特征，就像血液检测揭示人体内部情况一样。该公司还维护着独立的身份识别数据库和去身份识别数据库，确保分析人员永远无法同时访问这两个数据库，这是防止再次身份识别的一项保障措施。
马尼解释说，如今，全球隐私保护面临的最大挑战之一是数据本地化--法律要求本地生成的数据必须保留在特定国家的边界内。数据工程师正在开发工具，用数十种属性标记数据，以便 Mastercard 自动执行这些规则。今后，可对数据进行标记，以反映合同要求和客户偏好；例如，允许开放式银行账户持有人授予、撤销或更新与第三方共享账户或交易数据的有时限的同意。
他说："大规模实施控制，""使我们能够大规模使用分析技术"。
Mastercard一直在探索其他隐私保护技术，例如合成数据--人工生成的数据集，这些数据集模仿真实数据，但与基本客户信息没有任何联系。合成数据对于演示、测试和评估第三方工具非常有用，但 Mani 提醒说，人工智能建模人员更喜欢真实世界的训练数据。
所谓的 "无尘室 "允许 Mastercard 及其合作伙伴临时合并数据、运行分析，然后删除数据。多方计算技术可让公司从这些组合数据集中获得洞察力，而无需与其他合作伙伴共享基础信息。
如果说隐私问题本来就很复杂，那么人工智能正在把它变成三维国际象棋。传统的分析方法可能会根据持卡人的用卡频率对其进行分类。人工智能可以检测到错综复杂的行为模式，这些信号是人类想都不敢想的。这种能力提高了重新识别的风险，也就是马尼所说的 "令人毛骨悚然的因素"。
他举例说，一家大型零售商的数据分析软件能够根据无味乳液等看似无害的购买行为，推断出女性已经怀孕，并估算出她们的预产期。"人工智能可以发现各种我们根本不知道的复杂信号，"他说。
Mastercard 的 AI 团队会审查每一个使用案例，并对批准的案例实施严格的控制。高风险应用程序在投入生产前就会被阻止。每种算法都具有透明度（显示人工智能系统如何工作以及它使用了哪些数据）、可观察性（监控其行为以发现并解决问题）以及检测偏差的工具，因此人们可以相信它的输出结果。
尽管在全球范围内建立隐私控制非常复杂，但马尼最喜欢的还是他周围的人。"他说："主要是我和这些杰出的人一起工作，每天都能学到新东西。"我能够在这样的环境中做出贡献，创造新的想法，同时也有助于保护隐私"。
在 1 月 28 日 "数据隐私日"前夕，马尼给那些担心自己的数字踪迹的人的建议比他设计的系统简单得多：他说："保持低调"，包括在社交媒体和搜索引擎上保持低调，这样就能尽量减少你在网上留下的痕迹。关闭你不需要的 cookies；不要广播你的行踪；减少世界了解你的表面积。
Mastercard 处理数据的理念也是如此：Mastercard 通过将安全性、完整性和责任感融入其网络机制来建立信任--信任是设计出来的，也是赢得的。
