隐私悖论下的数据与计算.pdf

2425上海信息化上海信息化信息技术飞速发展，使人们生活被数据包围。数据公开为人们带来诸多优质便捷服务，但人们也付出了隐私泄露的代价。个人隐私保护是一项基本权利，而数据的有效利用对于推动社会发展和创新至关重要，如何寻求二者之间的平衡引发业内关注。2006年，隐私悖论：社交网络在美国一文的作者Barnes（巴恩斯）提出了“隐私悖论”概念，即个体隐私保护与隐私风险认知之间的矛盾。具体内容为在社交媒体上，即便用户声称担忧网络隐私披露的危险性，依然会在社交媒体上披露过多信息。在经济学领域，隐私经济学关注核心是私域与公域（Private and Public Sphere）的平衡。多位学者指出，感知收益（Perceived Benefits）可以“抵消”隐私风险，当消费者认为披露信息获得的感知收益至少与感知风险（Perceived Risk）相当时，才会倾向于披露个人信息来完成交易。当前，与隐私悖论有关的研究普遍围绕“风险收益”权衡行为，特别是在商业网站、社交媒体领域，强调以精准推荐为核心的个性化推荐系统面临“隐私悖论”的严峻挑战。但这种判断缺乏两方面的考虑。其一，忽略了中间方。作为媒介的社交媒体或有关应用，应当是中立性的角色，但在实际运用中，媒介方往往会形成更为主观的观念影响力。其二，忽略了隐私悖论下的数据与计算文 胡启元超大规模算法模型正在引领新一轮人工智能的技术大突破、产业大爆发，并推动人工智能技术从感知走向认知、从识别走向生成、从专用走向通用。未来算法应用的开发，既要考虑应用数据，又要保护数据安全，实现在保护个人信息和商业秘密的前提下，促进数据合规高效流通使用、赋能实体经济。由此，隐私计算成为行业关注的重点。益，还提升了客户满意度，推动了汽车行业的发展和竞争力提升。电机行业中，以卡奥斯为卧龙电机打造的虚拟制造车间为例，通过DOS数字孪生解决方案的仿真优化模块，对生产线全部工序进行负荷分析并优化调整，使虚拟环境中各工序达到能力平衡。再通过虚实更换，将虚拟调试后的设备替换成真实的设备进行最终验证，完成虚拟映射与物理的调试，从而以透明可视的虚拟操作指导现实制造，真正做到虚实协同、以虚优实，实现了无人化制造车间多智能体协同制造。家电行业中，为卡萨帝洗涤工厂提供了从规划建设到生产运营再到未来持续迭代优化的全生命周期赋能，构建起“线下实体工厂+线上多维空间”的工业元宇宙共生场景和融合生态。利用DOS首创数字孪生智能设备运维，工厂400余台设备、12条产线的生产数据得到实时呈现，实现设备自运转、自预警、自优化；同时，通过“排产+仿真虚拟化制造”的新模式，平台助力工厂实现毫秒级排产、全流程仿真、精准化调试，生产效率最高可达15秒/台，并实现减碳30%。型材行业中，大多数型材企业的一条生产线需要承担数十种品类的产品生产，甚至有时一笔订单里会包括400500种品规的产品。通过应用DOS决策优化引擎，建立流程型行业智能排场，帮助行业实现多品类小订单的并单生产，可以先完成统一揉单，再针对不同规格产品进行分类加工，有效减少半成品损耗，制造综合效率提高约8%；同时，可视化的数字管理系统也为企业经营决策和工艺改进提供了即时可靠的依据，助力企业库存资金占用下降约11%。随着工业智能化的推进，基于强化学习的超启发算法成为实现智能制造的重要工具。它可以与机器人、自动化设备和物联网等技术相结合，提供全面的车间调度解决方案，优化生产效率和资源利用。强化学习的超启发算法并非仅仅局限于解决车间调度问题，在其他领域也具有广泛的应用潜力。例如，物流调度、供应链管理、交通调度等领域的应用，都可实现提高资源利用和效率的目的。其在技术和应用方向上都有着广阔的发展空间。基于卡奥斯工业大脑的DOS决策优化引擎，以及基于强化学习的超启发算法在车间调度问题上的应用能够带来显著的经济效益和社会效益，提高生产效率、资源利用率，创造就业机会。未来，随着该系统的推广应用，将会不断促进可持续发展，提供更好的产品质量和环境保护方案。WA I C 2 0 2 32627上海信息化上海信息化视 点VIEWPOINT信息接收方。用户是信息的最终环，来源身份、目标动机以及无意的分享和操作不同，使用户并非仅感知信息，而是会将整个信息传播过程变得更加复杂。为此，可以采用“流动”的隐私概念，“流动”的隐私强调个人隐私在数据和计算中的动态性和变化性，涵盖了个人隐私的多个维度，包括个人数据收集、存储、分析和共享过程中的隐私保护和技术保障，实现数据“可用、不可见”，通过科学技术上的隐私计算、伦理制度上的隐私保护两方面解决隐私悖论难题。隐私计算技术为数字经济创建开放互操作性机制是一个复杂的任务。2019年，中国开始将数据列为生产要素，随后数字经济逐渐成为带动中国经济增长的核心动力之一。2023年以来，国内数据要素市场活跃，1月，上海数据交易所正式运营，广州数据交易所上线行业数据指数发布平台。随着国家数据要素市场的加速发展，隐私计算技术得到更广泛的运用。隐私计算技术的起源，可以追溯到1949年由香农开启的现代密码学时代，之后其内涵、特征及代表技术不断演进，融合了密码学、人工智能、计算机科学以及安全硬件等众多领域技 术。2 0 0 1 年，国 外 正 式 提 出“隐私增强技术”（Privacy Enhancing Technologies，简称PET）的概念。国内也于2016年发布的隐私计算研究范畴及发展趋势中正式提出“隐私计算”一词。中国信息通信研究院在隐私计算白皮书中指出，隐私计算（Privacy-Preserving Computation）是指在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一系列信息技术。在技术上，隐私计算呈现出多个特点。多方联动，打破“数据孤岛”。当前，隐私计算在金融、政务、医疗等行业中的应用越来越广泛。目前主要技术包含安全多方计算（Secure Multi-party Computation，简称MPC）、可信执行环境（Trusted Execution Environment，简称TEE）、联邦学习（FederatedLearning，简称FL）三大方向。由于法律规定和商业竞争的要求，保险公司、互联网公司等企业无法共享数据，因而形成“数据孤岛”。而联邦学习可以让互相不信任的各方把样本和数据特征汇聚到一起，经过大量训练样本形成人工智能应用，获得更优预测模型。例如传染病防控涉及大量个人数据，而且涉及不同类型的专业工作人员，必须通过隐私计算的联邦学习，构建多点触发机制的监测网，联动卫生、公安、住建系统等政务部门数据，解决数据流通难题。主动开源，丰富应用技术。研究机构Gartner预测，“到2025年，60%的大型企业机构会在分析、商业智能或云计算领域采用一种或多种隐私计算技术”。目前，全球范围内对隐私计算的应用需求已经逐步拓宽到从数据采集到销毁的整个计算操作过程。国内的隐私计算不再只注重技术和方案的安全性，而是更加关注数据脱敏、数据限制发布，区块链、可验证计算等辅助融合技术，以及随机扰动的数据失真技术。开源对于隐私计算行业发展具有借鉴意义，一方面为行业发展带来活力，缩短开发周期，促进技术和平台迭代；另一方面，开源提升了隐私计算平台的安全可信性，平台代码对所有人开放，用户可以检验和监督平台安全性。成熟的开源社区也正吸引越来越多的开发者参与，为隐私计算行业的发展增添动力。英国为应对COVID-19（新型冠状病毒肺炎）疫情而开发的Open SAFELY（安全分析平台），可供研究人员分析数百万患者的电子健康记录。作为开源的安全分析平台，可以在超过5500万英国患者信息完全匿名化的初级护理记录上运行。其通过在安全数据中心和云环境中的远程计算来实现数据调用，使用虚拟数据集开发的代码应用英国国家医疗服务体系（NHS）的系统，并链接不同领域的患者数据。为保护患者信息的机密性，通过标记技术对标识符（如患者的NHS编号）进行伪匿名化。此外，为了增加安全性，不同NHS领域之间的标记化也不尽相同。隐私保护制度由于隐私悖论的存在，用户对于让渡自己的隐私表示默许，只有日后隐私泄露之后才了解到该行为带来的负面影响。过去几年里，Facebook（脸书网）等国内外个人信息泄露的事件层出不穷。社交媒体中的隐私问题不仅表现在主动的隐私让渡，也表现在“截屏社交”等隐私侵犯问题。这就涉及在技术发展的同时，还要进行伦理制度上的隐私保护。制度规范，国际合作的共建机制。2016年起，中华人民共和国网络安全法中华人民共和国数据安全法中华人民共和国个人信息保护法等法律制度陆续出台，共同推动了隐私计算行业的快速发展，2022年年底，中共中央、国务院印发关于构建数据基础制度更好发挥数据要素作用的意见，布局数据基础制度体系基本框架。文件指出，要深入参与国际高标准数字规则制定，保障国家数据安全，构筑国家竞争新优势。2022年，联合国大数据和数据科学专家委员会设立联合国隐私增强技术实验室（UN PET Lab），以调查在官方统计机构社区中采用PET的可能性。该实验室旨在证明PET可以实现组织间完全合规的数据共享。2023年3月，由30个市场经济国家组成的政府间国际经济合作组织经济合作与发展组织（OECD）发布新兴的隐私增强技术：当前的监管和政策方法（Emerging Privacy 2627上海信息化上海信息化视 点VIEWPOINT信息接收方。用户是信息的最终环，来源身份、目标动机以及无意的分享和操作不同，使用户并非仅感知信息，而是会将整个信息传播过程变得更加复杂。为此，可以采用“流动”的隐私概念，“流动”的隐私强调个人隐私在数据和计算中的动态性和变化性，涵盖了个人隐私的多个维度，包括个人数据收集、存储、分析和共享过程中的隐私保护和技术保障，实现数据“可用、不可见”，通过科学技术上的隐私计算、伦理制度上的隐私保护两方面解决隐私悖论难题。隐私计算技术为数字经济创建开放互操作性机制是一个复杂的任务。2019年，中国开始将数据列为生产要素，随后数字经济逐渐成为带动中国经济增长的核心动力之一。2023年以来，国内数据要素市场活跃，1月，上海数据交易所正式运营，广州数据交易所上线行业数据指数发布平台。随着国家数据要素市场的加速发展，隐私计算技术得到更广泛的运用。隐私计算技术的起源，可以追溯到1949年由香农开启的现代密码学时代，之后其内涵、特征及代表技术不断演进，融合了密码学、人工智能、计算机科学以及安全硬件等众多领域技 术。2 0 0 1 年，国 外 正 式 提 出“隐私增强技术”（Privacy Enhancing Technologies，简称PET）的概念。国内也于2016年发布的隐私计算研究范畴及发展趋势中正式提出“隐私计算”一词。中国信息通信研究院在隐私计算白皮书中指出，隐私计算（Privacy-Preserving Computation）是指在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一系列信息技术。在技术上，隐私计算呈现出多个特点。多方联动，打破“数据孤岛”。当前，隐私计算在金融、政务、医疗等行业中的应用越来越广泛。目前主要技术包含安全多方计算（Secure Multi-party Computation，简称MPC）、可信执行环境（Trusted Execution Environment，简称TEE）、联邦学习（FederatedLearning，简称FL）三大方向。由于法律规定和商业竞争的要求，保险公司、互联网公司等企业无法共享数据，因而形成“数据孤岛”。而联邦学习可以让互相不信任的各方把样本和数据特征汇聚到一起，经过大量训练样本形成人工智能应用，获得更优预测模型。例如传染病防控涉及大量个人数据，而且涉及不同类型的专业工作人员，必须通过隐私计算的联邦学习，构建多点触发机制的监测网，联动卫生、公安、住建系统等政务部门数据，解决数据流通难题。主动开源，丰富应用技术。研究机构Gartner预测，“到2025年，60%的大型企业机构会在分析、商业智能或云计算领域采用一种或多种隐私计算技术”。目前，全球范围内对隐私计算的应用需求已经逐步拓宽到从数据采集到销毁的整个计算操作过程。国内的隐私计算不再只注重技术和方案的安全性，而是更加关注数据脱敏、数据限制发布，区块链、可验证计算等辅助融合技术，以及随机扰动的数据失真技术。开源对于隐私计算行业发展具有借鉴意义，一方面为行业发展带来活力，缩短开发周期，促进技术和平台迭代；另一方面，开源提升了隐私计算平台的安全可信性，平台代码对所有人开放，用户可以检验和监督平台安全性。成熟的开源社区也正吸引越来越多的开发者参与，为隐私计算行业的发展增添动力。英国为应对COVID-19（新型冠状病毒肺炎）疫情而开发的Open SAFELY（安全分析平台），可供研究人员分析数百万患者的电子健康记录。作为开源的安全分析平台，可以在超过5500万英国患者信息完全匿名化的初级护理记录上运行。其通过在安全数据中心和云环境中的远程计算来实现数据调用，使用虚拟数据集开发的代码应用英国国家医疗服务体系（NHS）的系统，并链接不同领域的患者数据。为保护患者信息的机密性，通过标记技术对标识符（如患者的NHS编号）进行伪匿名化。此外，为了增加安全性，不同NHS领域之间的标记化也不尽相同。隐私保护制度由于隐私悖论的存在，用户对于让渡自己的隐私表示默许，只有日后隐私泄露之后才了解到该行为带来的负面影响。过去几年里，Facebook（脸书网）等国内外个人信息泄露的事件层出不穷。社交媒体中的隐私问题不仅表现在主动的隐私让渡，也表现在“截屏社交”等隐私侵犯问题。这就涉及在技术发展的同时，还要进行伦理制度上的隐私保护。制度规范，国际合作的共建机制。2016年起，中华人民共和国网络安全法中华人民共和国数据安全法中华人民共和国个人信息保护法等法律制度陆续出台，共同推动了隐私计算行业的快速发展，2022年年底，中共中央、国务院印发关于构建数据基础制度更好发挥数据要素作用的意见，布局数据基础制度体系基本框架。文件指出，要深入参与国际高标准数字规则制定，保障国家数据安全，构筑国家竞争新优势。2022年，联合国大数据和数据科学专家委员会设立联合国隐私增强技术实验室（UN PET Lab），以调查在官方统计机构社区中采用PET的可能性。该实验室旨在证明PET可以实现组织间完全合规的数据共享。2023年3月，由30个市场经济国家组成的政府间国际经济合作组织经济合作与发展组织（OECD）发布新兴的隐私增强技术：当前的监管和政策方法（Emerging Privacy 2829上海信息化上海信息化视 点VIEWPOINTEnhancing Technologies:Current Regulatory And Policy Approaches）报告介绍了典型案例和策略。行业协作，互联互通的社会共识。互联互通的规范制度将打开市场。根据传播学学者郭庆光的研究，1934年美国通信法（Communication Act of 1934）的框架将美国电子传播事业划分成通信和广播两大领域，两者之间有着严格的界限，甚至电话事业也分成了长途、地区和市区三个市场。到1996年，美国颁布的电信法包括相互竞争的运营商之间的互操作性要求，为后来多种媒体融合信息服务领域的扩大做好铺垫。对于隐私计算来说，需要“数据需求方、数据供应方、数据流通基础设施建设方、数据交易服务方、政策规则制定方和市场监管方”通力合作，打破原先各自为政格局，不仅让企业可以得与规训一书中提出过“全景监狱”的比喻，他将这种“全景监狱”视为控制权力重新分配的隐喻，且认为这种权力是可见但又无法预知的。用户并不清楚账号或信息删除后的处理方式，有些时候“流动”的隐私实际上是被隐藏了，而不是被彻底地遗忘。时刻发生的无效“同意”。当用户无法衡量成本或无法理解企业广告行为或利用数据方式的范围时，用户点击“同意”的信息共享条款，并不适用于全部企业的运用场景，因此用户始终在点击无效“同意”的按钮。为从根本上解决信息不充分带来的低效甚至无效“同意”困境，仅凭发送用户通知远远不够，还应当探索更加严谨的信息共享方式。隐私与数据的未来2023年3月，中共中央国务院印发党和国家机构改革方案，提出组建国家数据局，负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用。国家数据局的成立有望加速数据要素市场化。规范指引仍在酝酿。隐私计算在某种意义上成为平衡个人信息的商业流通与个人权益两种价值可行的技术解决方案之一。但我国法律尚未对隐私计算等技术的合法性和合规性做出明确规定，致使隐私计算企业在技术产品设计、业务流程设计方面仍然欠缺规范指引。此外，中国数据产权制度尚处空白，产权界定不清将导致数据流通、使用、交易等制度缺乏基础。技术场景仍需细分。随着技术的不断发展，各类应用还将产生新的安全威胁，因此隐私计算愈发重要。未来，应当针对数据进行分级处理，结合各实际业务场景的安全需求，实现场景化的隐私技术产品安全等级评定。当前囿于利益，数据共享、流通涉及收益分配推进困难，为此，如何把握数据分享的等级也同样需要细分。安全性和匿名化问题仍需解决。数据在共享过程中，建立数据流通应用的安全机制至关重要，但当前数据使用者的隐私义务和个人控制权的界定依然处在模糊状态。中华人民共和国网络安全法中规定“未经被收集者同意，网络运营者不得向他人提供个人信息”，同时设置了“经过处理无法识别特定个人且不能复原”的例外条款，隐私计算仅仅避免了原始数据的转移，但经多方数据计算后的数据信息，仍然涉及个人信息，未来如何共享和使用值得探讨。公众教育和意识仍待提升。公众对于个人隐私的保护和数据利用的重要性应有更深入的认识。需通过提高公众的隐私保护意识，使其更加理解数据利用的价值。个人亦应更关注和维护自己的隐私权益，明白让隐私“流动”的合理性，而不是个人主动泄露隐私和陷入网络诈骗的困境。数据流通是释放数据价值的关键环节，隐私计算技术为数据流通提供了解决方案。目前隐私计算仍未大规模使用，未来，要将保护个人隐私的意识融入产品的开发和设计中去，无论是制度突破还是技术创新，数据隐私保护的道路依然任重而道远。到想要利用的数据，也为政策制定者和监管机构提供将技术应用于隐私保护和数据治理领域的机会，形成共赢格局。隐私风险分析当前，可以创作幻灯片、博客、网页演示格式的Gamma网站大受欢迎，用户只需要调整文字并添加一些需要使用的照片，即可自动生成包括图形、图表和文本在内的幻灯片。对于个体来说，通过AIGC（Artificial Intelligence Generated Content，生成式人工智能）提高自身工作和学习的效率具有吸引力，但这也面临着数据隐私泄露的问题。新的数字监管和数字交易场所正在建立过程中，期间仍需要注意多个问题。警惕超级人工智能风险。牛津大学人类未来研究所所长、哲学家尼克博斯特罗姆（Nick Bostrom）提出单一的综合“超级智能”（Artificial Super Intelligence，简称ASI）概念。他指出，将与人类大脑认知结构大致相当的聚合体的能力组合起来，便可以获得最优效率。当前，众多个体或公司带着商业动机来从事相关领域的研究，未来将会产生深度人工智能的数十万甚至百万台先进计算机，超级人工智能风险不断增加，亟需有监管措施以确保计算机协同、有序工作。“被遗忘的权力”需要真的“被遗忘”。欧盟提出“被遗忘的权利”，要求在线服务机构在某些特定情况下删除个人信息。但是，网络时代的社交属性，使得每个个人或组织都能对上传至网络的内容进行监督，因此每个个体时刻处于一种他者的凝视之中。马歇尔福柯曾在权力2829上海信息化上海信息化视 点VIEWPOINTEnhancing Technologies:Current Regulatory And Policy Approaches）报告介绍了典型案例和策略。行业协作，互联互通的社会共识。互联互通的规范制度将打开市场。根据传播学学者郭庆光的研究，1934年美国通信法（Communication Act of 1934）的框架将美国电子传播事业划分成通信和广播两大领域，两者之间有着严格的界限，甚至电话事业也分成了长途、地区和市区三个市场。到1996年，美国颁布的电信法包括相互竞争的运营商之间的互操作性要求，为后来多种媒体融合信息服务领域的扩大做好铺垫。对于隐私计算来说，需要“数据需求方、数据供应方、数据流通基础设施建设方、数据交易服务方、政策规则制定方和市场监管方”通力合作，打破原先各自为政格局，不仅让企业可以得与规训一书中提出过“全景监狱”的比喻，他将这种“全景监狱”视为控制权力重新分配的隐喻，且认为这种权力是可见但又无法预知的。用户并不清楚账号或信息删除后的处理方式，有些时候“流动”的隐私实际上是被隐藏了，而不是被彻底地遗忘。时刻发生的无效“同意”。当用户无法衡量成本或无法理解企业广告行为或利用数据方式的范围时，用户点击“同意”的信息共享条款，并不适用于全部企业的运用场景，因此用户始终在点击无效“同意”的按钮。为从根本上解决信息不充分带来的低效甚至无效“同意”困境，仅凭发送用户通知远远不够，还应当探索更加严谨的信息共享方式。隐私与数据的未来2023年3月，中共中央国务院印发党和国家机构改革方案，提出组建国家数据局，负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用。国家数据局的成立有望加速数据要素市场化。规范指引仍在酝酿。隐私计算在某种意义上成为平衡个人信息的商业流通与个人权益两种价值可行的技术解决方案之一。但我国法律尚未对隐私计算等技术的合法性和合规性做出明确规定，致使隐私计算企业在技术产品设计、业务流程设计方面仍然欠缺规范指引。此外，中国数据产权制度尚处空白，产权界定不清将导致数据流通、使用、交易等制度缺乏基础。技术场景仍需细分。随着技术的不断发展，各类应用还将产生新的安全威胁，因此隐私计算愈发重要。未来，应当针对数据进行分级处理，结合各实际业务场景的安全需求，实现场景化的隐私技术产品安全等级评定。当前囿于利益，数据共享、流通涉及收益分配推进困难，为此，如何把握数据分享的等级也同样需要细分。安全性和匿名化问题仍需解决。数据在共享过程中，建立数据流通应用的安全机制至关重要，但当前数据使用者的隐私义务和个人控制权的界定依然处在模糊状态。中华人民共和国网络安全法中规定“未经被收集者同意，网络运营者不得向他人提供个人信息”，同时设置了“经过处理无法识别特定个人且不能复原”的例外条款，隐私计算仅仅避免了原始数据的转移，但经多方数据计算后的数据信息，仍然涉及个人信息，未来如何共享和使用值得探讨。公众教育和意识仍待提升。公众对于个人隐私的保护和数据利用的重要性应有更深入的认识。需通过提高公众的隐私保护意识，使其更加理解数据利用的价值。个人亦应更关注和维护自己的隐私权益，明白让隐私“流动”的合理性，而不是个人主动泄露隐私和陷入网络诈骗的困境。数据流通是释放数据价值的关键环节，隐私计算技术为数据流通提供了解决方案。目前隐私计算仍未大规模使用，未来，要将保护个人隐私的意识融入产品的开发和设计中去，无论是制度突破还是技术创新，数据隐私保护的道路依然任重而道远。到想要利用的数据，也为政策制定者和监管机构提供将技术应用于隐私保护和数据治理领域的机会，形成共赢格局。隐私风险分析当前，可以创作幻灯片、博客、网页演示格式的Gamma网站大受欢迎，用户只需要调整文字并添加一些需要使用的照片，即可自动生成包括图形、图表和文本在内的幻灯片。对于个体来说，通过AIGC（Artificial Intelligence Generated Content，生成式人工智能）提高自身工作和学习的效率具有吸引力，但这也面临着数据隐私泄露的问题。新的数字监管和数字交易场所正在建立过程中，期间仍需要注意多个问题。警惕超级人工智能风险。牛津大学人类未来研究所所长、哲学家尼克博斯特罗姆（Nick Bostrom）提出单一的综合“超级智能”（Artificial Super Intelligence，简称ASI）概念。他指出，将与人类大脑认知结构大致相当的聚合体的能力组合起来，便可以获得最优效率。当前，众多个体或公司带着商业动机来从事相关领域的研究，未来将会产生深度人工智能的数十万甚至百万台先进计算机，超级人工智能风险不断增加，亟需有监管措施以确保计算机协同、有序工作。“被遗忘的权力”需要真的“被遗忘”。欧盟提出“被遗忘的权利”，要求在线服务机构在某些特定情况下删除个人信息。但是，网络时代的社交属性，使得每个个人或组织都能对上传至网络的内容进行监督，因此每个个体时刻处于一种他者的凝视之中。马歇尔福柯曾在权力