
大数据时代的隐私:边界正变得暧昧不清
人们重视隐私的保护,但同时也相信未来是一个由数据推动的时代。不过,大数据使用的普及必然会涉及到侵犯隐私的问题,这听起来的确是相互矛盾的事情。
不可否认,大数据是座金矿,通过数据挖掘,人类所表现出的数据整合与控制力量远超以往。但大数据又是把双刃剑,国家和企业因大数据获益的同时,个人隐私保护的话题却变得暧昧不清,也使业内外对隐私保护的争论延绵不绝。
大数据打破宁静
说到个人隐私,有这样一个段子:一个客户打电话订购比萨,客服人员马上报出了他的电话和家庭住址,推荐了他喜欢的口味,报出他最近去图书馆借过什么书,信用卡已经被刷爆,了解他房贷还款金额,知道他丈母娘刚动过心脏搭桥手术,甚至还准确定位出他正在离比萨店20分钟路程的地方骑着一辆摩托车……
分散在各个系统中的海量数据乍一看价值不大,但如果把它们深入整合、挖掘,就能知道一名消费者的性格、爱好以及消费习惯等信息,这些信息对商家非常有价值。但对消费者来说,你的宁静生活却从此被打破。
数据如果是在相同业务范围内使用,没有必要去界定隐私;但业内人士也承认,在大数据交易过程中,用户的隐私存在泄露风险。一旦形成大数据模式,各个系统之间产生的数据就会互联互通,数据被用于他途,用户隐私泄露的可能性就会加大。
直接过滤掉个人信息,是否就能防止信息泄露?有业内人士认为,大数据在涉及交换、分析、挖掘时,个人信息是无法直接过滤的。
此外,不同商家的所谓信息共享也会让你的隐私信息有被整合、挖掘的“危险”。这些个人隐私数据散落在中介、银行、保险、航空公司等机构间,危险性可能不大,但如果被共享之后,又被系统整合、相互印证的话,消费者的个人基本信息,甚至性格、爱好以及生活轨迹等信息将被他人一览无余,很多普通人在他们面前将变成“透明人”。
隐私保护应跟上步伐
大数据系统与传统数据系统不同,区别在于,前者包含了很多外源性数据,这些数据本身存在价值。比如你在淘宝购物创造了一个数据,这个数据对于淘宝而言就是外源性的。当无数外源性的数据整合并被分析之后,便构成了大数据系统。一旦形成大数据模式,各个系统之间产生的数据就会互联互通,从而产生极大价值。因此,传统数据时代的“隐私”与大数据语境下的“隐私”,无论是内涵还是外延,均有极大不同。
一般而言,人们对于隐私的定义是:一种与公共利益、群体利益无关,当事人不愿他人知道或他人不便知道的个人信息。其本身并不涉及公共、群体利益。业界有一种声音认为,随着大数据时代的深入,这个社会对隐私的定义一定会逐渐改变,考虑到技术的发展,眼下认为是隐私的信息,或许几年后就不再敏感。
在监管层面,由于现阶段《民法通则》没有完整的关于“隐私”的概念,国家也无明文规定来规范大数据交易市场,诸如云计算和大数据应用都或多或少在灰色地带游走。
上海杜跃平律师事务所律师杜跃平向《每日经济新闻》记者表示,可以从源头上抓起,即默认禁止状态,未列举的内容默认为不被允许。
美国目前仍在使用的是1970年就通过的《公平信用报告法》(TheFairCreditReportingAct),旨在对大型主机侵犯人们的隐私进行防护。该法案允许信用咨询公司收集个人财务信息,但收集所得信息只能用在三个方面:信用、保险以及就业。
很显然,美国的法律在大数据时代滞后了。我国关于个人隐私的保护,也未跟上大数据技术的发展步伐。
杜跃平指出,许多网站和电子商务平台对用户进行行为习惯分析,然后推送相关商品信息,这本身已涉嫌侵犯用户隐私。解决办法是,网站必须尽告知义务,“网站在采集信息前应告知和征询消费者,消费有权授权或不授权。”即使在授权之后,电商平台也不能将消费者行为信息用于商业用途。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15