PETs 为何在当下备受关注

三股压力将PETs从一个小众密码学议题推向了主流采购日程。第一股来自监管层面：GDPR、ePrivacy Regulation、CPRA和EU AI Act都在将数据最小化与目的限制从倡导性原则升级为可执行的强制义务。第二股来自平台层面：Google Privacy Sandbox、Apple App Tracking Transparency以及第三方Cookie的全面弃用，迫使广告技术栈寻找不依赖跨站标识符的全新测量与受众构建基础。第三股来自竞争层面：大型广告主和数据洁净室运营商已围绕PETs构建了产品，出版商要么接入，要么被排除在外。

对出版商而言，实际影响是：PETs正开始出现在商业对话中——出现在SSP对RFP的回复里、归因厂商的销售方案里、零售媒体网络的洁净室演示里。了解每项技术的实际功能，已不再是可选项。

出版商需要关注的四种 PETs

PETs领域范围广泛，但有四种技术在出版商场景中出现得最为频繁。每种技术解决不同的问题，与同意层的交互方式也各不相同。

差分隐私

差分隐私是一种数学框架，通过向聚合输出添加受控噪声，使任何人都无法从报告中反推出单条记录。在广告技术中，它主要出现在两个地方：Google Privacy Sandbox API（尤其是Attribution Reporting API）——在转化报告离开浏览器之前添加噪声；以及洁净室查询——SQL聚合结果在返回买方或卖方之前经过扰动处理。差分隐私的优势在于其保证可量化——epsilon值设定了每次查询的最大信息泄漏量。弱点在于：对于规模较小的受众群体，噪声可能完全淹没信号。出版商应预期在2026年底前看到供应商文档中公开epsilon值；如果供应商无法告知其epsilon，则并非真正提供差分隐私。

联邦学习

联邦学习在多台设备或服务器之间训练机器学习模型，无需集中存储原始数据。在广告场景中，最典型的部署是Apple基于SKAdNetwork归因的设备端建模；Google也在Topics API及后续Sandbox提案中表示将采用类似方式。对出版商而言，联邦学习最适用的场景是：第一方数据产品希望在不将用户级数据导出给第三方的情况下，驱动相似受众建模或上下文评分。该技术已在Apple和Google规模下投入生产，成熟度足够；对出版商而言实施成本不低，因为需要一个运营联邦基础设施的合作伙伴，或者在移动业务范围内部署设备端SDK。

安全多方计算

安全多方计算（MPC）允许两方或多方在不向任何一方透露对方输入数据的前提下，对合并数据联合计算某一函数。在广告技术中，典型用例是数据洁净室：零售商与广告主希望在不交换客户名单的情况下了解各自受众的重叠情况。借助MPC，连接操作以密码学方式完成，仅聚合结果被披露。AWS Clean Rooms、Snowflake Data Clean Rooms和Habu（现已并入LiveRamp Clean Rooms）均支持MPC式连接，主要零售媒体网络正越来越多地将MPC作为默认集成模式。对向广告主提供受众延伸服务的出版商而言，MPC正在成为在不共享底层标识符的情况下交付匹配受众群组的基础机制。

同态加密

同态加密允许直接对加密数据进行计算，因此服务提供商无需解密记录即可执行查询。理论上，这是工具箱中功能最强大的PET；但在实践中，全同态加密对于广告技术的通用工作负载而言，计算成本仍然过高。部分方案（尤其是加法同态加密）正开始出现在归因报告管道中——当所需运算仅限于求和时即可适用。出版商在2026年应将同态加密视为观望技术——它是真实的、发展迅猛，但对大多数广告技术用例而言尚不具备实际采购价值。

PETs 如何与同意管理交互

供应商宣传中常见的一个误区是，PETs消除了对同意的需求。事实并非如此。几乎所有PET部署仍需要在GDPR下具备合法依据，才能对被处理数据进行原始收集——即便处理过程本身具有隐私保护性。为转化报告添加差分隐私，并不能使转化观测行为本身在法律上成为合规的——它只是让下游聚合更加安全。

因此，与CMP的关系是叠加性的，而非替代性的。现代同意管理平台应配置为：

• 针对特定目的捕获同意，覆盖为PET保护工作流提供数据的各类用例。细粒度的目的标志能清晰映射到用户数据被允许进入哪些PET管道。
• 通过IAB GPP字符串或供应商专用API将同意信号传播至洁净室，确保MPC连接仅包含具有有效同意的记录。
• 在PET层兑现撤回操作，而不只是在页面层。如果用户撤回同意，其数据应从后续联邦训练轮次中移除，并从新的洁净室查询中排除。
• 记录数据保管链，以便审计人员能够追踪一条个人数据从同意决策经过PET管道直至最终报告结果的完整路径。

将CMP与PET层视为一个互联系统的出版商，最终将获得更强的合规态势，并与注重隐私的广告主缩短采购周期。

实用投资路线图

大多数出版商不能——也不应该——同时在全部四种PETs上押注。正确的优先顺序取决于流量结构和收益构成。

如果大部分收益来自程序化展示广告

优先熟悉差分隐私。Google Sandbox API是阻力最小的切入点，了解Aggregation Service报告的运作方式，正成为头部广告主越来越普遍的采购要求。选择一个能发布有效Consent Mode v2信号和Sandbox兼容标志的CMP；密码学层面的繁重工作在浏览器内部完成。

如果相当大的收益来自零售媒体合作

优先做好MPC和洁净室准备。2026年的洁净室格局以MPC式连接为主导，没有可行匹配管道的出版商，将眼见零售媒体预算绕道而行。这里的投入属于运营层面而非研究层面：选择洁净室平台、将同意状态映射到匹配接口，以及搭建数据接入管道。

如果你运营第一方数据产品或 DMP

优先建立联邦学习认知。第一方数据产品的竞争前沿正在从"我们拥有大量数据"转向"我们能够在不导出数据的情况下训练有价值的模型"。与联邦基础设施供应商建立合作是典型路径。

监管走向

EDPB、FTC、ICO和CNIL已通过意见书、指导文件和执法令发出信号——PET的采用将越来越多地被视为符合GDPR数据最小化要求的证据。这并不意味着PET部署自动合法，但确实意味着：两家技术条件相近、同意率相似的出版商，如果其中一家部署了PETs而另一家没有，可能会得到截然不同的监管对待。对于2026年和2027年的战略规划而言，保守假设是：在未来18至24个月内，PETs将在欧洲广告技术采购中从差异化能力升级为基本预期。现在就构建同意与PET一体化管道的出版商，为自身赢得了应对这一转变的时间缓冲。