
欧盟隐私法案还有续集 大数据、云计算将被泼冷水
欧盟“世界最严”隐私法案还有续集!风头正劲的大数据、云计算将被泼冷水?
没有“最严”,只有“更严”。
据美国《纽约时报》报道,在被称为“世界最严”隐私法案的《通用数据保护条例》(GDPR)生效后,欧盟还将出台一项更为严格的隐私法案——《电子隐私条例》(ePrivacy Regulation,以下简称ePR)。两项法案将联手对互联网科技巨头公司划下红线,保护互联网用户的个人隐私数据。
那么,与GDPR 相比,ePR在隐私保护方面有什么独特的内容呢?
根据当前草案,ePR意在保护欧洲公民电子通讯信息的隐私。GDPR监管范围已经覆盖了语音电话等传统通讯渠道,而与之相比,ePR的监管范围将会覆盖到文本信息和视频聊天应用。ePR要求Skype、WhatsApp、iMessage以及附带聊天系统的线上游戏等必须获得用户明确许可,才能在其设备上安放追踪代码,或收集与其通讯内容有关的数据。
事实上,ePR早在2017年10月便获得欧盟议会批准,原计划与GDPR一同在5月生效,但由于欧盟理事会内部分歧,导致ePR进程推后。目前,ePR正在继续接受欧盟理事会的评估。
对于ePR,欧盟美国商会颇有微词,称其规定过于严格。欧洲信息和通讯行业组织Digital Europe认为,ePR将会严重扼杀数据驱动的在线服务发展,甚至阻碍创新技术的发展,从而严重破坏欧洲数字经济的发展。
由脸书、谷歌、英特尔和数十家应用开发商组成的“开发者联盟”也表示,ePR会导致欧洲企业每年损失5500亿欧元的营收。
科技行业的担忧也并非毫无来由,毕竟此前生效的GDPR已经给互联网科技公司带来了不小的冲击。
根据GDPR,全球的政府和企业只要涉及使用或处理欧盟公民的个人数据信息,就会受到GDPR的管辖,一旦违规,将遭到罚款。
5月25日,即GDPR生效当天,互联网科技巨头谷歌和脸书就首当其冲,被开出天价罚单。
脸书被罚款39亿欧元,谷歌被罚款37亿欧元。
规模较小的互联网科技公司,特别是社交、电商等涉及客户数据的平台,均在劫难逃。根据普华永道调查报告显示,有300家左右的互联网科技企业在GDPR生效前接受了调查。其中绝大多数被调查企业表示,要符合新条例的要求,企业需付出逾100万美元的成本来做出合规整改。有专家称,对于中小规模企业来说,这算是一笔巨额开支。
业内人士指出,欧盟推出严格的GDPR和ePR,原本旨在打击谷歌、脸书、亚马逊等美国科技巨头公司。但事实上,这些公司资金雄厚,可以毫无压力地通过求助法律和技术团队,来实现合规整改。反而是一些规模较小的欧洲本土互联网科技公司,可能会因无力支付合规整改所需费用,而逐步被市场淘汰。
不仅仅是个别企业,整个互联网科技行业都将受到影响。
英国媒体指出,GDPR和ePR的实施,将使大数据和云计算技术的发展受到威胁。因为这两个领域非常容易出现违规现象。目前,欧盟与美国、日本等国家在这两个领域的发展竞争激烈,新规很可能让欧盟在竞争中处于劣势。
5月30日,“互联网女王”玛丽·米克尔(Mary Meeker)在美国加利福尼亚州帕洛斯韦尔德举办的Code大会上发布了2018年的互联网趋势报告,其中指出,科技公司在美国企业中占比增加,截至2018年4月,已占据MSCI市值的25%;此外,互联网广告业务的增长也引人注目,2017年的增速已达到21%。
玛丽表示,由于精准投放互联网广告数据离不开对用户数据的收集,科技公司正面临着“隐私冲突”,在提供消费者更好的广告服务体验和侵犯消费者隐私之间进退两难。
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