京公网安备 11010802034615号
经营许可证编号:京B2-20210330
突破执法瓶颈 保障大数据时代个人信息安全
一段时间以来,个人信息安全备受关注。数据显示,截至2015年底,中国网民规模达到6.88亿,在网活跃智能设备数量接近9亿。伴随移动互联网应用向经济社会生活方方面面的渗透,海量的个人身份信息、生活信息、金融信息乃至生物信息,都会散布于无处不在的网络之中。
尽管舆论对于相关问题的关注度不断加大,互联网用户个人信息保护意识也有所增强,但个人防范始终跟不上技术演进,正如央视315晚会曝光的那样,用户在公共场合连接一个wifi都面临个人信息被窃取的风险。电信业权威人士透露,过量采集用户信息已经成为许多手机APP的通常做法。而由于某些互联网营销公司对法律法规缺少了解或置若罔闻,在开展业务过程中依然存在买卖用户数据的行为。
目前国内实施的《刑法》、《消费者权益保护法》、全国人大常委会《关于加强网络信息保护的决定》、工信部《电信和互联网用户个人信息保护规定》等法律法规,均有涉及互联网个人信息和隐私保护的内容。国内互联网个人信息安全保护的挑战依然严峻,其中主要有三个原因:
一是执法主体不明确。目前几个部门在该领域都有监管职权,但最终责任落在谁的头上需进一步明确。
二是市场上存在劣币淘汰良币的现象:过量采集或者违法交易用户数据的公司没有得到制裁,使得许多中小互联网企业在开展业务过程中效仿类似手段,用户权益面临较大风险。
三是企业法律意识不强,有的公司参与交易用户数据,直到被立案了才知道该行为涉嫌犯罪。
专门从事相关领域法律问题研究的刘春泉律师向人民网表示,和其他违法侵权案件不同,个人信息泄漏造成的损失往往难以界定和举证,即便用户对各种信息泄露问题不堪其扰,但通过民事诉讼维权的难度却很大。参照发达国家做法,由政府监管部门出面,加大行政执法力度,才能取得比较好的效果。
从国际来看,美国在2012年发生过影响较大的个人信息案件。因为网络浏览器的隐私问题,美国联邦贸易委员会隐私保护署(FTC)对谷歌公司开出2250万美元的罚单。而2014年,新加坡个人资料保护委员会(PDPC)对中国某手机厂商展开调查,原因在于该企业未经用户同意,向服务器传输了个人信息。
尽管近年来国内个人信息安全领域也查处了一些案件,但至今缺少具有示范意义的大案要案。大数据时代的个人信息保护形势不容乐观,安卓手机APP过量收集、上传、保存用户数据已经成为普遍现象,由互联网机票预订等领域的信息泄露引发的诈骗案件屡见不鲜,为数众多的互联网营销公司都声称掌握了海量而精准的用户信息,这些信息从何而来?有的企业不懂法、不守法,日常经营已经涉嫌违法犯罪自己还浑然不知。
相比这几年反垄断执法的频频加码,大数据分析个人信息安全领域的行政执法还有比较大的提升空间。在多头治理的环境下进一步明确执法主体、责任主体是重中之重。
与此同时,新形势下的个人信息安全执法也对执法技术提出了更高要求。查处相关领域案件时,执法者通常面临取证难、界定难、查处难等问题。这既要求执法者掌握先进技术,也要求司法体统对于个人信息安全领域的法律研究要深入,实践要准确。
在生物识别(指纹、眼球识别等)、移动金融技术加速普及的当前,优化国内互联网个人信息保护的整体环境已经变得刻不容缓。因为这些信息一旦被采集并违法使用,对用户和社会造成的损失就不再是收到几条垃圾短信那么简单。
从全球范围看,移动互联网发展势头迅猛,大数据应用不可阻挡。个人信息和隐私的保护已经成世界性、产业性的挑战。中国是世界上互联网活动最为活跃的国家之一,数亿网民的海量个人信息时刻都在看的到光纤网络和看不到的4G网络上奔流不息。营造保障个人信息安全的法治环境、执法环境,是产业繁荣和用户安全的基础。从这个角度看,突破执法瓶颈,保障大数据时代个人信息安全对个人、对社会、对国家都有着举足轻重的意义。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20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