
大数据信息隐私杀伤力有多大
随着大数据被挖掘,我们在使用着大数据,享受着它带给我们的美好体验和便利生活。在此过程中,大数据技术越来越发达,人们可以用更加先进的方法使用大数据。同时,大数据相关分析工具的发展也稳步进行。国内大数据厂商也层出不穷。大数据魔镜就是一款强大而免费的大数据分析工具。有了这样的基础,人们对大数据的利用再慢慢加深。不过随之而来的,是数据信息对我们隐私的“探掘“。
我们在不断的隐私被侵犯中,慢慢学着“习惯”。在这过程中,有政府情报机构基于政治目的,对我们进行的监督和控制;有互联网企业基于商业目的,对我们进入的数据搜集与处理……包括苹果公司所说的,我们通过数据向用户投放定向广告,这是个优点,因为可以提供给用户与其收入情况相匹配的广告。对此,我们只能说“谢谢了”。
因为,你可以通过数据信息知道我的收入状况,也就意味着你可以知道更多状况;你可以把收入状况“分享”给广告客户,也就意味着你可以“分享”更多的内容给有需要的客户,最后只是你们之间商讨价码的问题。但是,就是这些你们认为可以赚钱而并没有那么严重的东西,或许就有可能给别人带来灾难性的伤害。
这让人想到了曾经的莫妮卡•莱温斯基,也许这个案例并不是最恰当的,但就是这么个普普通通的前白宫实习生,当她与美国总统克林顿的爱情丑闻被互联网公之于众时,瞬间变成了全世界公开羞辱的对象,被贴上了“淫妇”、,“荡妇”,“婊子”,“贱人”等标签。
庆幸,莱温斯基活下来了,但并不是每个人都那么幸运。在今年年初的TED大会上,莱温斯基在与大家分享《耻辱的代价》时,讲到了这样一个案例: 2010年9月,泰勒•克莱门蒂,美国罗格斯大学的大一新生。可爱、敏感、富有创意的克莱门蒂被室友偷拍到和另一个男人有亲密关系。当这个同性恋的视频在网络世界曝光后,嘲笑和网络欺凌的火种被迅速点燃。几天后,泰勒从乔治华盛顿大桥上纵身跳下。一个年仅18岁的生命就这样逝去。一个悲剧而无谓的死亡。或许有人会觉得克莱门蒂心理素质不过关,敢做还怕别人说嘛?这就好比说,比尔盖茨有亿万家产,他就不能介意自己的银行卡号和密码被泄密?理由只是“有钱还怕别人惦记”嘛?其实别说有钱,就是没钱也不乐意别人“惦记”我的卡号密码。因为那里面可能就是生命的全部财富支撑。如果信息被泄露了,如果卡上的数字瞬间“清零”了, 后果可想而知。
随着数字信息技术的不断发展,“网络匿名”有可能会变成“数学上不可能”的事。
1995年,欧盟出台的隐私法例将“个人资料”定义为可以直接或间接识别一个人的信息。很显然,当时立法者考虑的是那些带有身份标识号的文件资料之类的东西,这些标识号就好像人的姓名,而立法者们希望它们可以得到保护。
如今,“个人资料”这一定义所包含的内容已经远远超出当年那些立法官员的想象,甚至可以轻易地超过18年前他们通过这项法例时整个世界的数据量。
来看看到底发生了什么。首先,这个世界每年所创造的数据量在以指数形式增长,去年,这一数字则达到了2.8ZB(1ZB =10244GB),听起来就很可怕的数字,而且据知名信息行业咨询服务商IDC称,这一数字将在2015年翻一番。此外,这些数据中的3/4是由个体人在创造或移动数字文件时贡献的。举例来说,一个标准的美国上班族每年可以贡献180万MB的数据量,平均每天则有约5000MB,这其中包括下载的电影、文档、电邮以及这些数据通过移动或非移动互联网传播时所产生的附加数据量。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 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 ...
2025-09-23CDA 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 “ ...
2025-09-16