
大数据时代,原来你的信息是这样泄露的
“互联网+”以及由其带来的互联网创新正在迅速地改变我们的生活,而通过大数据的挖掘,经营者也能提供更加精准、贴心的服务,获得更大的收益。但在“互联网+”的业态中,消费者个人信息也越来越多地被经营者所掌握,由此带来的信息泄露风险,不能不引起大家的警惕。
2015年10月26日晚,广州市消委会联合30家省市消协和报社开展网络调查,并发布《大数据时代个人信息保护状况调查报告》,调查显示七成六受访者认为大数据时代更容易泄露个人信息。
过半受访者称发现个人信息泄露
“大数据”是一个较新的概念,本次调查发现,对于是否了解“大数据”的概念这个问题,仅有8%的受访者表示比较了解,还有68%的受访者表示略有所知,更有24%的受访者表示“从未听说过”。
虽然对于大多数受访者而言,“大数据”这一概念依然比较陌生,但对于“个人信息在大数据时代是否更容易泄露”这个问题,有76%的受访者给予了肯定得回答,认为“不是”和“说不清”的受访者各占12%。
而对“过去一年中,有没有发现个人信息被泄露”的问题调查中,52%的受访者认为“有”,认为“没有”的受访者约40%,还有8%受访者表示说不清。
而在“大数据”时代,对个人数据的收集方式更加多样,比如智能手表、运动手环之类的个人穿戴式智能设备,就有将个人健康数据上传到服务器的功能。调查显示,只有44%的受访者表示知道智能设备有信息泄露隐患,还有40%的受访者表示“不知道”,另有16%的受访者表示“说不清”。
14%受访者认为网站泄露信息最多
在对于个人信息泄露渠道的调查中,被认为最容易泄露个人信息的是网站,包括电商平台、搜索引擎、门户网站等,占14%;其次是手机、PAD、智能手表、运动手环等个人信息终端上的APP,占13%;第三是汽车行业,如4S店和电信服务商,都达到12%;第四是类似电子邮箱、微信、QQ之类的通讯软件和房地产行业,包括房地产开发商、租房中介公司,达到11%;第五是快递公司,占9%;第六是银行保险业,有8%;第七是医疗、教育、供电供水供气等公共服务业,约5%;认为其他行业的有3%,最少的是包括机票代理、火车票代理在内的航空公司和行政机关,各约1%。
在对于“与个人信息相关的大数据应该如何保护”的调查中,得票最高的措施是“对盗窃、倒卖以及不当使用个人信息的企业、个人进行严厉打击”,达到21%;其次是“掌握个人信息的机构、企业必须加强管理”,为19%;第三是“加强宣传教育,全社会要提高个人信息保护意识”,为18%;第四是“采集、使用个人信息时必须得到当事人的同意、许可”和“畅通举报渠道”,都为15%;最后是“个人信息须去除个人身份特征内容”,约13%。
值得一提的是,对于“对大数据使用以及个人信息保护立法,你有何建议”的调查中,呼声最高的是“加大惩罚力度,进入惩罚性赔偿制度”,有20%的受访者选择了这一项;其次是“要规定个人信息使用者和收益者对个人信息来源进行合法性审查”,有19%。
维权单位:诉讼中引入举证责任倒置制度
针对调查结果,30家消费维权单位共同发出倡议,要进一步细化个人信息保护的相关法律规定,建立规范合理的个人信息采集使用制度,信息、数据的采集使用必须得到当事人的授权。希望能尽快出台个人信息保护的专门法律。
同时,对非法采集使用个人信息行为的要加大惩处力度。引入惩罚性赔偿制度,加大非法采集使用消费者个人信息的违法成本。在司法保障方面,30家消费维权单位倡议进一步简化司法程序,在有关个人信息保护的民事诉讼中引入举证责任倒置制度
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24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 ...
2025-09-23