2020年12月8日，致力于实现隐私保护和负责任的数据信息的Oasis Labs宣布与世界最豪华、最知名且效益最好的BMW宝马集团达成合作关系。
本次合作中，Oasis Labs将帮助宝马创建创新的隐私解决方案，该解决方案将利用隐私差异化等技术，保护用户隐私，为汽车行业实现负责任的数据信息建立新的示范与标杆！Oasis Labs
Oasis Labs致力于实现隐私保护和负责任的数据信息，高性能+安全性+隐私保护，Oasis将重定义去中心化金融，改变开放金融的玩法。BMW宝马
作为全世界最成功和效益最好的豪华汽车品牌，BMW始创于1916，在无数人心中，一辆宝马等同于拥有一张社会精英身份与地位的名片。
1 合 作 详 情
数据是现代公司的命脉。它能够为产品提供优化动力、做出最优决定并达成业务协议。
但是随着大数据的不断发展，数据意外泄漏和侵犯隐私的风险也随之不断增加。
即使有GDPR和CCPA等最新法规已采取措施保护个人隐私，但它们也给数据使用增加了新的障碍。
只有新技术才能解决数据安全和使用问题。
Oasis Labs主网提供隐私和机密计算技术，可实现负责任的数据信息使用：
个人作为数据生产者，对自己的隐私数据拥有自主权和控制权，个人可自主选择是否共享数据获得收益，公司可使用具有保护个人隐私和机密性的技术获取个人数据。
该解决方案利用一种强大的新技术品牌（称为差异隐私）为访问特定数据集提供程序化隐私保证。
在早期阶段，Oasis Labs与宝马集团的合作将围绕“测试其内部系统中差异隐私的应用程序”展开。
该解决方案使内部团队和外部合作伙伴都能访问数据，同时保持合规性并保护用户隐私。
所有访问都可以持久保存在分类账中，以进行基于同意的审计，并且在运行查询和返回结果之前，Oasis Labs平台可以高度完整性地检查所有访问策略。
集成建立在该模型已经强大的隐私和安全基础架构上，将最新的隐私技术引入其堆栈。
2 差 异 化 隐 私 案 例
假设您有一个员工薪水数据库。
假设您对数据库允许的查询是数据库中员工的平均工资。
如果Bob知道公司的员工人数并在Chloe加入该组织之前和之后运行此查询，则Bob可以计算出Chloe的工资，如下所示：
1.鲍勃知道他公司的雇员人数k
2.鲍勃运行平均工资查询并获得N
3.克洛伊加入他的公司
4.鲍勃运行平均工资查询并得到M
5.Chloe的薪水= M（k +1）-Nk
差异隐私是一种确保统计查询的结果不能用于收集有关特定个人的任何信息或更广泛地访问数据库中特定行的技术。信息只能整体访问。
Oasis Labs的差异隐私解决方案适用于SQL数据库，并且基于查询重写。图1和2显示了提供的保证和使用的机制。
图1：差异隐私确保查询结果保持隐私
图2：差异隐私机制
使用查询重写方法的优点之一是，任何支持SQL方言的数据库都包括数学函数abs、random、ln和sign可以用作后端数据库。
该机制使查询本质上是私有的。重写后，查询可以提交到数据库，并且结果是私有的。
3 走向负责任的数据信息未来
BMW集团与Oasis Labs的合作，旨在共同努力探索最新的隐私技术。
这不是我们第一次服务于BMW集团这样的行业龙头企业，凭借在隐私保护方面的优异表现以及高性能优势，Oasis Labs曾经多次服务于多家世界500强企业。
对于Oasis Labs而言，能够帮助BMW宝马这样的公司，不仅是能够让更多人了解到我们，更是我们携手行业领导者将新的数据隐私实践和技术带入现代世界的又一个案例。
当然，这也不会是我们最后一次与世界知名公司展开合作，相信随着主网上线之后生态发展的日益强大，Oasis Labs将继续大步迈向隐私保护目标，比以往的任何时候都更接近负责任的数据信息时代！
关于未来，拭目以待！