为什么隐私如此困难？在大量负面新闻和数据泄露后，我们为何仍被持续追踪？本文基于UCSD哈立克奥卢数据科学研究院的演讲，通过11个关键点解释隐私的复杂性。首先，隐私是一个宽泛、未明确定义的术语，没有普遍定义——它包括‘被 alone 的权利’、对数据的控制、匿名性、语境完整性等。每种视角都导向不同的解决方案：‘被 alone 的权利’启发了‘不打扰名单’，而‘被遗忘的权利’则启用了搜索引擎删除。其次，隐私风险涉及与朋友、家人、雇主、政府和黑客的关系——每种关系都带来独特的威胁，如过度保护的父母、工作场所监控、公民自由关切或个人安全风险。程序性方法（如GDPR Cookie Notice）侧重于规则合规，但往往无法改善现实世界的结果。结果导向的方法，如k-匿名性和微分隐私，提供可测量的保证，但仅在大数据集上有效，在小组交互中会失败，因为在那些环境中身份已被知晓。文章论证了随着物联网的出现，这些局限性将恶化， pervasive sensing（普遍感知）和数据聚合将放大现有的隐私失败，除非出现根本新的方法。