
大数据时代,保护用户数据不能因噎废食
进入“大数据时代”之后,用户数据愈发暴露在“阳光下”,我们可以清楚地看到用户在互联网上的一些行为几乎都会被服务提供方知晓。就像淘宝、亚马逊监视着我们的购物习惯、Google监视着我们浏览网页的习惯,微博了解我们的信中所好,滴滴打车知道我们每天出行的时间的地点,微信似乎什么都知道,包括我们的社交关系和消费能力。而多维度数据结合起来,几乎可以构建出关于一个互联网原住民的一切信息。
但我们是否就要据此放弃给生活带来无限便捷的互联网产品?答案显然是否定的。保护个人隐私不能因噎废食。大数据的年代,个人隐私问题肯定会更集中,但不能因为有风险就拒绝大数据,就像不能因为菜刀可以砍人,就不允许用了是一个道理。
对互联网企业来讲,从用户那里收集到的信息主要包括消费习惯、行为特征、个人数据等,企业可以通过收集这些信息去开展大数据分析,进一步挖掘用户的潜在消费能力,更多元化的价值,从而为用户提供更有针对性的服务。在这个前提下,消费者或用户也许可以让渡一定的个人隐私。
同时,风口浪尖上的Windows10发言人也表述,任何与微软分享的数据,都将有消费者自己决定。换言之,微软不会在任何未经许可的情况下收集用户数据。
用户能做些什么
虽然微软称是否与微软分享数据由用户自身决定,但Windows10很多数据收集机制都是默认开启的。因此我们要明确在什么地方可以关闭,并且是否会影响系统功能?
最活跃的数据收集应用是虚拟助理Cortana。她可以跟踪记录你的网页搜索记录,查看邮件知道你的偏好与日程安排。大部分这类信息都存储在一个可编辑的“记事本”中,这个选项在打开Cortana后便可发现。微软的必应搜索引擎也会存储信息,用户可以点击“设置”——“Managewhat Cortana knows about me in thecloud”进行清除,或者直接前往bing.com/account/personalization调整。
微软表示,公司会用“多种安全技术与流程”保护Cortana收集到的数据。这些数据在传输到微软时是加密的。但执法机构和政府部门也可能会强制微软交出部分数据。
如果不想微软涉入个人生活,你可以选择不要把Windows10与微软帐号连接起来(在安装过程中,当被要求用微软帐号登陆时,选择“创建新账户”以及“不用微软帐号登录”)这种情况下,Windows10的搜索框仍然有效,但Cortana在没有微软帐号的情况下无法使用。内置的反病毒软件仍然可用。
即便不用微软帐号登录,Windows10也可能会以其他很多方式收集数据。尤其是Edge浏览器将必应作为默认搜索引擎,这可以跟踪一些活动(如果不登录就是匿名的),并会让用户看到有针对性的广告。进入choice.microsoft.com调整,用户可以选择停用广告追踪。Edge还会预判你要看的网页,从而提前加载你可能点击的网页。可以在Edge的设置中关掉这一功能。
在Windows的设置菜单中,还有很多其他关于隐私的开关。这其中包括微软接受并分享有关用户电脑UID、地理位置、麦克风、摄像头的种种信息,甚至还包括输入习惯。如果使用Windows10的快速安装,那么所有这些设置都是默认开启的。在“设置”菜单中,用户也可以限定具体应用对这些功能的使用。
关于WiFi密码分享工具
Windows 10中一个名叫“WiFiSense”的功能也有些令人担心。该功能本意是与朋友分享密码,让连接WiFi变得更加轻松。这个功能本身没有什么问题,不过你应该知道它的机制。
在Windows10下登录WiFi网络时,系统会让你选择与Outlook.com、Facebook以及Skype上的哪些联系人共享登录。如果选择了,WiFi登录密码便会存储到微软的加密服务器中,朋友在需要时便可收到这些密码——他们看不到密码本身的内容,只是能登录WiFi网络。在Windows的WiFi设置中用户可以决定要分享哪些网络。
如果不想有人存储并使用你自己家里网络的密码,登入到朋友的电脑上关闭分享复选框。你也可以在WiFi网络的名称上加入“_optout”的字样,避免使用这项功能。
用户数据需要保护,但不能因噎废食,为了保护所谓的“隐私”而放弃对技术可能性的探索。未来5-10年,依然会是大数据的时代,它会对我们的生活方式带来前所未有的影响,对于用户隐私的讨论也不会停止。但影响最强烈的绝不在技术层面,而是对我们世界观、价值观、人生观的改造,以及对看待事物角度的转变。也许到那时,我们就会意识到“个人隐私”也有暴露在阳光下的必要。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15