账号全生命周期管理、独特的安全中心、第三方领用

近日，工信部通报了22款APP、SDK存在侵害用户权益行为。通报超半数的原因违反了《个保法》最小化收集的原则，包括超范围收集个人信息，APP强制、频繁、过度索取权限。

数字水印是一种在数字媒体中嵌入隐藏信息的技术，它可以用来保护版权、验证数据的完整性、追踪来源以及进行数字内容认证等，数字水印可以被应用于各种数字媒体，如图像、音频、视频和文档等。从可见性维度区分数字水印可分为明水印和暗水印， 从保护能力和鲁棒性维度进行区分，可以分为强水印和脆弱水印技术。 本文将讲述强水印、脆弱水印的技术特点和应用场景。

本文对EDPB发布的关于通过视频设备处理个人数据的指南《Guidelines 03/2019 on processing of personal data through video devices（Version 2.0）》（下称“03/2019号指南”）的要求进行提炼总结，为数据控制者和处理者提供指导，以确保他们在视频监控处理中遵守适用的数据保护法律和规定，并保护数据主体的权利和隐私。

SAF LOGITICS是一家空运公司，其母公司位于中国。2023年9月18号，CNIL（法国国家信息和自由委员会）对SAF LOGISTICS公司处以20万欧元的罚款，原因是该公司过度收集员工的隐私数据。

数据脱敏（Data Masking），又称数据混淆、数据漂白、数据去隐私化。用虚假的数据掩饰真实数据，以达到防止数据泄漏的目的。

数据是智能网联汽车飞速发展的核心要素，所需的数据类型不仅依赖于车外环境数据的采集分析，也涉及车辆行驶数据与驾驶舱数据的收集。根据《中华人民共和国个人信息保护法》的相关要求，无论个人信息处理的目的和法律基础是什么，都需要提前告知个人主体，履行告知义务。

在《数据分类分级-结构化数据识别与分类的算法实践》这篇文章中讲到了结构化数据识别与分类的算法实践，那么这些算法能力如何以标准产品的方式落地，并帮助客户解决在数据分类分级过程中遇到的各种问题呢？本文将站在工程的视角，结合我们的思考和经验，从整体的大框架上介绍用九智汇数据分类分级产品敏感数据识别技术方案和能力，希望对大家有所帮助，想了解细节的，欢迎通过公众号联系进行线下沟通。

随着科技的飞速发展，伴随着汽车行业的数字化转型，智能网联已经成为了当前汽车发展的重要趋势。新时代的智能网联车辆不仅具备了传统汽车的功能，还配备了各种传感器、通信设备和计算能力，使它们能够实现自动驾驶、实时交通信息获取、远程诊断等功能。然而，随着智能网联汽车的普及以及智能化程度的提高，用户的隐私问题也逐渐凸显，引起广泛关注。那么，就让我们一起讨论一下智能网联汽车隐私保护的问题：

本文分享了用九智汇数据分类分级产品开发过程中，对数据识别和数据分类中涉及的算法进行抽象、融合，以形成标准化产品所做的努力和积累的经验。当然，算法只是分类分级产品的一小部分，整个产品设计，工程实现，也是支撑标准化产品的关键，但是限于作者水平有限，本文只讨论算法相关的话题，欢迎大家关注公众号以了解更多信息。

本文对EDPB发布的个人数据泄漏通知指南《Guidelines 9/2022 On Personal Data Breach Notification Under GDPR (Version 2.0) 》（下称“《9/2022号指南》”）的要求进行提炼，旨在为需要满足GDPR的出海企业提供参考。

随着移动互联网的高速发展及监管部门针对移动互联网应用程序（以下简称“App”）隐私合规监管趋严，特别是在个人信息保护法的实施下。本文将深入探讨App隐私合规评估的要点和难点，提供详细的信息，并提供一套轻量级和自动化的App隐私合规治理方案，降低App业务被通报和下架等合规风险，以保障企业App业务正常运营。

数据分类分级是开展数据全生命周期管理的基础，企业做好数据分类分级才能更好地去落实合规义务以及进行数据安全管控。今天，我们从数据分类分级落地实践的角度，来阐述企业在开展数据分类分级过程中的难点以及如何“破局”。

随着新能源汽车市场占比的不断提升，全球汽车产业的转型升级已成为时代趋势，“数字化、智能化、网联化”成为汽车产业主要方向。随着人工智能技术的快速发展，新能源汽车、无人驾驶技术、车联网技术的不断升级与应用，汽车已从传统的运输工具，变成了新的数据处理节点。除了汽车自身信息、车主信息、座舱内数据外，汽车所搭载的各类设备还会采集海量的车外个人信息与测绘信息等重要数据，这些重要数据可以与其他智能终端进行数据交互，使汽车从传统的信息孤岛转变成为数据网络的重要节点。

仅仅进行数据分类分级以满足监管相对应的要求是远远不够的，数据分类分级工作是合规的起点而不是终点，今天我们就继续探讨数据分类分级如何在隐私管理与保护中发挥作用，以实现数据合规建设工作中更多的应用与价值。

本文将介绍我们在证件、票据类敏感图片识别中的一些洞察，以及对上述问题的原创性的解决方案，以帮助企业合法合规、低成本的解决敏感图片识别的难题。在本文第二部分，我们将回顾一些相关的机器视觉(CV)技术。第三部分我们将介绍我们的做法以及达到的效果。

接上，自从《个人信息保护法》颁布以来，对于金融/汽车/新零售等处理大量个人敏感信息的企业来讲，个人数据使用在企业内部变成一个“谈虎色变”的问题，有合规意识的业务开始拉上合规、法务、安全团队开启评估审批，但在很多没有PbD（Privacy by Design）机制的企业来讲，遇到这类问题的合规/法务同学往往会很头疼，“合法性事由”的适用性在不断压缩，告知同意/PIA/第三方管理/DSAR犹如一道道天堑，如果整改那么业务要延迟甚至推倒重来，如果不整改业务要带隐私合规风险上线，变成了鱼和熊掌不可兼得的问题。今天这篇文章我们来谈谈个人数据使用环节的合规问题。

2016年6月，通用数据保护条（GDPR）正式发布，其长臂管辖权对全球企业在隐私合规领域产生了深远的影响，在GDPR 5周年之际，截止2023年3月1日，GDPR累计罚款27.7亿欧元（Numbers and Figures | GDPR Enforcement Tracker Report 2022/2023 (cms.law)）。

2023年8月3日，国家互联网信息办公室（国家网信办）发布了《个人信息保护合规审计管理办法》（征求意见稿）下称（“《管理办法》”），并同时发布了《个人信息保护合规审计参考要点》（下称“《参考要点》”），拟对《个保法》五十四条、六十四条的进一步落地提供更为详细的指导措施。

本文对EDPB发布的数据主体权利-访问权指南《Guidelines 01/2022 on data subject rights - Right of access（Version 2.0）》（下称“01/22号指南”）的要求进行提炼，旨在为需要满足GDPR的出海企业提供参考。

在上篇中（隐私工程实践路径系列：PIA篇（上）），我们重点讨论了PIA的定义及发展历程，以及企业在面对PIA工作中的重点及难点，本篇接下来的内容中，我们将以隐私保护专家在企业内最常面临的实际情况为例，介绍如何使用技术化手段一一化解。

本文内容为《隐私工程实践路径》系列开篇，旨在通过笔者在数据合规与隐私保护领域的一系列实战中，总结出的理论框架+实践经验，以及隐私工程在企业落地过程中发现的重难点和针对性的解决方案。

如何设置3D模型法线贴图？

3D模型如何设置凹凸贴图？

模型粗糙度属性可以用于各种需要模拟不同材质表面光滑度和纹理的场景。

完成缩放后，查看模型在场景中的效果，确保大小和比例符合您的需求。如果需要进一步调整，可以重复上述步骤进行微调。

在3D模型中，材质颜色是物体表面外观的重要组成部分。通过手动设置或从纹理图像中提取颜色值，可以为模型赋予丰富多彩的外观。

当你需要将多个3D模型组合为一个整体，简化管理、提高渲染性能或实现特定的效果时，合并模型是一个有用的工具和技术。

优化模型渲染性能对于提升用户体验、节约资源消耗、支持复杂场景、扩展到低端硬件、节约能源以及提高开发效率来说都是非常重要的。通过优化性能，可以实现更高质量、更高效的图形渲染。

将原点设置为几何中心可以提高建模效率、简化操作流程，并提高模型精度和稳定性。

FBX是一种通用的3D模型交换格式，适用于各种3D应用领域，具备丰富的功能和兼容性。GLB是GLTF的二进制版本，提供了更高效的加载和传输体验。选择使用哪种格式取决于具体的应用需求和平台支持。

数字孪生技术广泛应用于工业、制造、能源等领域，例如智慧工厂、智能制造、智慧城市、智能交通、智慧农业等。在这些领域中，数字孪生技术可以实现对物理系统的实时监测、预测和优化，提高系统的效率、质量和安全性。

数字孪生智慧城市的目标是通过虚拟模型和大数据分析，实现城市的智能化管理和优化，提升城市的可持续发展和居民的生活品质。

GLB文件中的纹理数据采用了嵌入式存储的方式，具有较小的文件体积和高效的数据传输，能够提高3D模型的加载速度和渲染质量。