京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代我们的隐私真不重要吗?
想象一下有人在你背后谈论你。现在设想一下,这样的谈话就悄悄发生在你家客厅里,而你却无法听到。
这就是印度创业企业SilverPush的做法,该公司在电视广告里嵌入听不到的声音。广告播放时,会发出一种高频信号,安装有内置SilverPush软件的应用的手机或其他设备可接收到这种信号。这种“配对”——目前是针对印度消费者的——也会识别出用户附近的其他设备,让该公司得以监控他们在这些设备上做些什么。这一切都在消费者无知无觉的情况下发生。
这种“跨设备跟踪技术”——包括Adobe在内的其他公司也在探索此技术——标志着一个新时代的来临。这个新时代是所有人——政府、公司、慈善机构和消费者——将不得不应对的。
不久前,英国皇家统计学会(Royal Statistical Society)在温莎(Windsor)城堡召开了一次大会,思考大数据带来的挑战。大数据是一个被滥用、内涵解释欠清楚的术语,既指我们的设备产生的海量信息流,也指把这些信息整理为分门别类的一股股具有揭示性和预见性的信息流的潜力。
这次大会召开得正是时候:围绕日益增加的数据使用的伦理和治理可谓一团糟。目前迫切需要就这些海量数据应当如何收集、存储、相互参照和利用展开公众讨论。有人对大数据可能催生医疗革命感到兴奋:比如说,在疾病爆发时,可以为了更高的利益挖掘搜索数据。然而,如今,当出现糟糕情况时,公众讨论很大程度上变成公众的强烈声讨。
英国媒体监管机构英国通信办公室(Ofcom)的一份报告显示,英国成年人平均每周在线时间超过20小时。科技对我们生活的巨大影响,意味着我们的行为、习惯、欲望和抱负都可以通过触摸屏和键盘操作显露出来。
这使得对在线行为的分析成为一座新的金矿。个人数据就像金砂,每次我们随意对一家网站的条款与条件点击“确定”时,就把我们的个人数据交了出去。
这是我们面临的第一个问题:我们中大多数人都是不假思索地点击的(不过,条款与条件通常是难懂的法律措辞)。那么,我们对自己的个人数据随后被使用的各种情形是否行使了知情同意权,就成了疑问。为了证明这一点,一家安全公司在伦敦金融城(City of London)设立了一个公共WiFi热点,并嵌入一个“希律条款”(Herod Clause),要求用户承诺永远放弃他们的第一个孩子。在很短时间内,就有不少人为了免费上会儿网稀里糊涂地放弃了自己的孩子。
除了法律挑战,关于网络公司及其消费者之间公平与恰当的关系应该是怎样的,我们也很少进行过独立的审视。Facebook在这一点上便曾引起众怒,因为它为了做一个心理实验,对近70万用户的动态消息动了手脚。用户们声称,他们被那项研究给耍了,研究结果显示,那些接收到更少积极消息的人更可能写出消极的内容。Facebook反驳称,他们已获得了用户的同意。不久前,欧盟通过了数据保护规则,新规允许对侵犯隐私的行为处以高额罚款,这或许能阻止类似情况再次发生;用户不再像以往那样无论代价如何都只能被动同意了。
第二个挑战源自各种设备绕过人类、直接彼此对话的所谓物联网。所以,我的智能冰箱在储存消耗光了的时候可以自动给超市发电邮,要求补货。但这也可以意味着,我的那些“八卦”的设备构成了一张电子间谍网,它可以绘制出一幅有关我的饮食与其他癖性的极其详尽的图画,令人担心隐私暴露。实际上,在不久前的一个机器人学大会上,技术专家们把机器人收集数据(尤其是在私人住所里)的能力认定为大数据领域最大的单个伦理问题。
除了欧盟新的数据保护规则外,我们也需要更软性的方式:一个由专家和非专业人员构成的机构,为这一快速发展的领域带来知识、智慧和判断力。眼下,美国已有了一个由律师、哲学家和人类学家组成的大数据、伦理与社会委员会(Council for Big Data, Ethics and Society)。
欧洲应当仿效美国的做法,因为正如温莎大会上的一连串趣闻所显示的那样,公司和学术界人士在这个数据丰富的新世界航行时,似乎没有带上伦理指南针。2012年,一家俄罗斯公司推出了一款名为“Girls Around Me”的应用(App),可以汇集公开可见的信息,在不经使用者附近女性同意的情况下显示她们的实时位置和照片。这款跟踪骚扰者梦寐以求的应用被撤下了。“平方英里”(Square Mile,即伦敦金融城,因面积正好1平方英里得名——译者注)的高科技电子垃圾箱捕捉来自智能手机的信息,以跟踪不知情的机主的行踪,从而针对他们发布广告,这些垃圾桶因令人毛骨悚然而被取缔。
同时,一名科学家做了一款软件,能够通过彻底搜查推特(Twitter)人脉图,推断一名推特用户的种族、甚至宗教,这引发了使用公开发言推断私人信息是否合法的疑问。我们是否如一名律师所认为的那样,需要出台防止个人在线角色被滥用的法律?
我们有了可穿戴设备,这些设备像圣诞老人一样,在你睡着时注视着你,也知道你何时是醒着的。一家公司有可能找到推断你近来生活是否积极向上的办法——通过分析社交媒体发言表现出的情绪、访问慈善网站以及核查你的银行存款余额和健康追踪。
这证明:并非仅仅因为大数据使某事在技术上具备可行性,就意味着我们应该那么做。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09