- 用户刪除數據後，數據並未真正消失，僅標記為可用。
- 僵屍帳户仍然存在，個人數據面臨風險。
- 人工智能使數據回收變得困難，法律規範尚不明確。
- 可解釋的刪除方案可改善用户信任，減少刪除焦慮。
用户點擊刪除，文件便消失，隨之而來的是一種錯誤的假設：其實它已經徹底消失。根據一項新分析，當用户刪除數據時，實際上發生了什麼。布里斯托大學 Rephrain 隱私中心的研究員 Lungu 指出，大多數刪除機制並未給予用户他們所認為的控制權。這一誤解根深蒂固：一旦某樣東西被刪除且不再可見，它便完全被抹去。研究一致發現，科技公司對其刪除過程的解釋往往不夠清晰，幾乎不會確認數據已被移除，並且幾乎從不提供用户驗證的方式。
數據刪除的誤解
標記而非抹去當用户將文件移至回收站並清空之後，數據並未被抹去。操作系統僅僅將存儲空間標記為可用，並在其元數據中解除文件鏈接。底層內容通常仍可用適當的工具進行恢復。當數據在多個設備上被重複存儲時，這種情況尤其明顯。真正的刪除需要物理摧毀存儲媒介，或用新數據覆蓋那些區塊，或加密內容後再銷毀密鑰。這些方法成本高昂，且可能導致設備無法使用。雲存儲更增加了復雜性。社交媒體的情況亦然：一條刪除的帖子可能在回覆、評論和互聯網檔案中存留。
Lungu 指出，一條刪除的推文往往可以完全從其提及和回覆中重建。
僵屍帳户與被遺忘的數據從手機上刪除應用程式並不會影響其所連結的帳户。該帳户依然運行，數據仍然存在。這些便是所謂的僵屍帳户：在購物平台、串流服務、約會應用、金融工具以及用户未刪除的存儲服務上活躍的資料檔案。它們持有的個人數據仍然暴露於違規和網絡攻擊風險之中。反之，許多用户因擔心意外丟失而保存了過多的數據。這種焦慮非正式稱為「diagraphephobia」，儘管並非被認可的醫療狀況，但在數碼囤積研究中經常出現。
這兩種行為導致大量個人數據長時間被忽視。
人工智能的挑戰
人工智能使情況更糟一旦公司使用您的數據來訓練機器學習模型，取回數據在技術上是非常困難的。模型會記住其訓練數據。逆轉這一過程，即所謂的機器去學習，仍然是一項未解的工程挑戰。根據歐盟 GDPR，歐洲用户有法律權利要求完全刪除其個人數據。AI 開發者在該法規下屬於數據控制者，並受到約束。但目前尚無明確的指導方針來規範如何在訓練的 AI 模型中執行刪除。公司可以辯稱完全合規在技術上不可行，監管機構迄今為止尚未有效挑戰該主張。
Lungu 提倡的解決方案稱為可解釋的刪除，這一概念由 Marvin Ramokapane 在 Rephrain 開發。該方案涵蓋六個類別：什麼、如何、何時、誰、哪裡及為何。每一項都為用户提供有關刪除過程每個階段的簡要資訊。至今尚無主要平台採用此方案，但 Lungu 認為這將改善用户信任，提供恢復選項以減少刪除焦慮，並為公司提供更明確的途徑以證明其符合 GDPR 的要求。
可解釋的刪除方案的潛力
隨著數據隱私問題的日益關注，用户對數據刪除的理解變得尤為重要。許多人誤以為刪除數據後便不再存在，但實際上，數據依然可能被恢復。這種誤解加上僵屍帳户的存在，使得個人數據的安全性受到威脅。尤其在人工智能技術的使用中，數據的回收變得更加複雜，法律規範也未能跟上技術的發展。可解釋的刪除方案有助於提高透明度，讓用户更清楚刪除過程，從而增強信任感，這對於未來的數據管理至關重要。