京公网安备 11010802034615号
经营许可证编号:京B2-20210330
可穿戴设备将引发科技伦理之大数据
在人类历史上,每一次真正意义上的技术革新都会引发新的伦理讨论,出现新的道德准则。显然目前基于大数据所引发的隐私伦理也处于讨论的风口,随之而来的可穿戴设备伦理问题随着设备的普及也正在发酵,其核心就在于可穿戴设备将人的生命体态特征进行了数据化。
比如我们所熟知的谷歌眼镜,尽管谷歌眼镜现在只在少数的一部分人里流行,但是整个社会已经在讨论有关智能眼镜所引发的伦理问题。其中不仅仅是谷歌眼镜在使用场景方面所引发的一些隐私与理论问题探讨,更关键的是谷歌眼镜在真正使用过程中所“隐藏”的一些“潜在”问题,比如眼动追踪技术对用户眼球的追踪可以扑捉与记录下男性在看女性体型时候的先后顺序,这些隐私的背后就是一场伦理的讨论。因此,在可穿戴设备普及到如同手机般无处不在的时候,我们所面对的或许已不是隐私权这么简单,更深层次的伦理问题将会摆在我们面前。
正如《大数据时代》一书的作者维克托?迈尔?舍恩伯格所担忧的,大数据在欧美国家已经被应用到了警察这一行业,通过大数据对一个人过往的行为数据进行分析,预测他两年之后可能成为一个杀人犯,那么是放任其自由还是现在就要给他贴上“杀人犯”的标签、开始对他进行监控或者直接投入监狱?至今没有人能够给出答案。
不可忽视的是,基于可穿戴设备的大数据时代将面临更大的伦理问题。未来,尤其是随着植入式可穿戴设备的发展,当我们都被植入内置芯片,当我们的意识可以改写,当我们的记忆影像可被随时翻查,我们的一举一动都将被记录。此时,尽管我们都是大数据创造者,同时我们面临的更为严峻的现实是被大数据控制。而随着人工智能与大数据的融合,或许未来控制我们的不再是我们自己的意识,而是人工智能。
可穿戴设备伦理之个人信息数据化的隐私与开放
在2012年伦敦奥运会期间,英国一家科技公司在伦敦街头安放了200个智能垃圾箱。这种建造成本高达3万英镑的智能垃圾箱采用防弹材料制作,降低了路人乱丢弃垃圾的频率,还具有网络连接功能,安装了Wi-Fi设备和两块液晶显示屏,分别用于搜集手机用户信息与播放商业广告,广告显示内容可以实时更新。令人吃惊的是,智能垃圾箱所采用的无线局域网定位技术可确定路人所携带智能手机的具体型号与特定MAC地址。经过一周时间试验后,这家公司得到了400多万个智能手机用户的数据,并确认了其中53万部手机的惟一用户信息。
智能垃圾箱并非用来展示高科技的神奇,开发者利用处在激烈竞争中的公司企业急于抓住商机的心理,希望相关企业能利用其所搜集的手机用户数据抓住小众市场,以便直接向收入较高的专业白领人员投放相关广告(下图)。例如,某家咖啡店通过跟踪马路过客携带的苹果iPhone,即可判断出这些人为了早餐通常在上午八点驻足,购买咖啡和面包。如用户改变了消费习惯,转向其他竞争对手购买咖啡早餐,受影响的商家就会购买智能垃圾箱播放的广告时段。当特定手机用户路过垃圾箱周边时,系统会从储存的数据中匹配对号,自动向特定用户推送忠实顾客奖励计划或打折优惠方案。
如此以来,大数据对个人隐私保护提出了严峻的挑战。俨然,传统线下企业的数据保护方式已经失效了,只要用户使用智能手机,他就必须将自己的个人数据所有权转移给服务商。更复杂的是,经过多重交易和多个第三方渠道的介入,个人数据的权利边界消失了。无论是通过微博、微信等社交平台“晒”心情,或是关注、评论他人,都存在泄露个人信息的可能性,还会因此受到推销信息和垃圾短信的骚扰,甚至被伪装成好友的犯罪分子诈骗。
随着互联网、智能手机、传感器、个人穿戴式设备等新技术的不断普及,个人数据的网络化和透明化已经或即将成为不可阻挡的大趋势。在模拟和小数据时代,能够大量掌控公民个人数据的机构只能是持有公权力的政府机构,但现在许多企业和某些个人也能拥有海量数据,甚至在某些方面超过政府机构。面对这样一种趋势,当可穿戴与人体进行深度绑定并大量普及之后,其必然会产生大量的数据。这些数据大部分都是所谓的隐私数据,面对这些数据,其商业化的边界到底应该划在哪里,这已经不是简单的关于隐私权的问题,而是牵涉到用户私生活的一些伦理层面问题。
隐私与伦理之战该如何破解
尽管可穿戴设备时代的到来可以会让用户的一切都暴露在阳光之下,在其趋势不可阻挡,并不会因为我们的愿意与不愿意而影响这个时代的到来。当网络生活方式成为社会普遍的生活方式后,尤其是伴随着可穿戴设备的应用,当我们进入物联网时期之后,个人数据的流动性与暴露风险大大增加了,同时大数据则可能将可穿戴设备的数据潜在风险加大到极致。为应对前所未有的新风险,最重要的不是排斥,而是以开放的心态来迎接,并探索新的监管办法。在我看来主要有以下三方面:
首先是关于数据采集、传输、存储等环节的软硬件安全技术要不断进行提升,从源头上尽可能地堵住漏洞;
其次是行业的自律,尤其对于将商业模式设置在大数据商业化基础上的商家而言,需要更多的道德自律;
最后则需要借助于法律法规的手段,完善个人数据保护的法律体系,以及数据商业化的法律法规,包括明确的数据挖掘边界。
全国人大常委会《关于加强网络信息保护的决定》规定:“国家保护能够识别公民个人身份和涉及公民个人隐私的电子信息,任何组织和个人不得窃取或者以其他非法方式获取公民个人电子信息,不得出售或者非法向他人提供公民个人电子信息。”尤其,在用户提交个人数据并接受约定服务后,服务商和运营商即负有保护个人数据的法定责任。在用户与服务商关系方面,用户一般处于信息不对称的弱势一方,因此,保护用户个人数据安全,既是服务商不可推卸的法律责任,也是企业的重要社会责任。在权利受侵害后,有效实施权利救济是现代法治社会的标志之一。
产业的发展速度快于相关法律法规的推行速度,也在一定程度上对用户的隐私保护起不到真正的作用,给用户在不同程度上带来了困扰。但可以预见,随着大数据与可穿戴设备的蓬勃发展,相关的法律法规的不断出现与完善,必然将引导行业的商业化朝着健康的方向发展,同时对于个人的数据隐私也将会在一定程度上得到保护。或许在不久的将来,当用户在使用可穿戴设备时,可以根据个人对于隐私的保护意愿设定相应的等级,并以此来向相关的需求方来出售相应的个人数据信息。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27