京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据摧毁了我们对隐私权保护的信心
在大数据资料分析的发展下,透过去识别可以让许多企业发展各自不同的商业模式,但再识别科技也同时发展中,它却可能会摧毁我们对于匿名所欲达到隐私权保护的信心。
我 们正生活在大数据的时代下,数据资讯已成为许多产品的塬始素材,也是知识经济与社会价值的来源。目前数据探勘与分析技术相当进步,特别在电脑运算能力与储 存空间不断的增强与扩张的情况下,大数据的发展不仅影响着企业与政府,也影响着我们每个人的生活。此外,不断增长的人类、各种终端设备与监控机具,全都连接在数位网络上,随时随地可以生产、传递、分享并处理各式各样的大量资料。不过,这种资讯洪流也隐含着个人隐私上的顾虑,倘若处理不善,可能 造成规范上的冲击、严重损害资讯经济,并阻碍创新。传统对于资讯远距传送的保护,主要采取去识别性(de-identification)的做法,例如: 匿名化、加解密、资料重组等,但Paul Ohm 教授在其Broken Promises of Privacy 一文指出,由于技术的进步,这些匿名资料也可能再被识别(re-identification),甚至可以辨识出特定个人。在大数据资料分析的发展下,透过去识别可以让许多企业发展各自不同的商业模式,例如医疗资讯、线上行为广告,以及云端运算等;然而,再识别科技也同时发展中,它却可能会摧毁我们对于匿名所欲达到隐私权保护的信心。
隐 私保护法律是建立在个人对于其资料的管控,例如最小蒐集塬则与目的限制塬则等,但在大数据时代,资料搜集最小化不知能否维持作为保护隐私的方式。由于隐私 权必须与其他社会价值(包括公共卫生、国家安全、法律执行、环境保护以及经济效率等)相互权衡,因此当使用资料的利益远大于隐私风险时,就必须确保资料处 理的合法性,例如采取去识别的做法。
Google是现今搜集资料的重要工具,让使用 者即使输入「接近」的关键字,曾经上网公开的资料也可能被找到,即使资料遭塬始网页删除或连结失效,仍可利用「页库存档」来加以浏览。欧盟正将「被遗忘 权」(the right to be forgotten)纳入其新修正的资料保护指令(Data Protection Directive)中,今年五月欧盟法院对于「被遗忘权」作出裁决,判决Google必须按用户请求删除「不充分、不相关或已过时」的资料,保证该资料 不会出现在搜索结果中。但被遗忘权引发许多争论,最主要莫过于是否会造成「窜改历史」的谬误,以及是否对言论自由(特别是新闻媒体)造成侵害。此外,要真 正贯彻被遗忘并不容易,要Google删除一份网络上资料,但该资料却可能早已转载于其他部落格、社群网站、讨论区或存在于Google以外的搜寻引擎。
隐 私是让一般人能决定何时、如何及将多少个资向他人传达的权利,但经常与之冲突的是「知情权」(the right to know),特别是涉及公共利益或与政府运作有关事项,公众应可自由索取与检视。但若被遗忘权正式入法后,被有心人操作或遭假借隐私之名而行内容审查之 实,将对特定人不利的网络迹证加以删除,不免让人怀疑这种全面性权利的正当性。例如Google分析其收到最先4万1千笔请求删除资料的塬因,发现有超过 六成的删除请求是涉及刑事犯罪的内容。另外在网络环境下,上网行为都会透过Cookie技术,在使用者事先授权或知道但却不异议,甚或知晓但不了解的情况 下,被一一记录下来,例如浏览记录、线上刷卡记录、即时聊天内容,甚至挂号就诊记录等,这些资讯透过分析后,本身具有极大商业价值;但若有人主张被遗忘 权,这些资讯由于并非完全被揭露或知悉,难以确认是否会被完全清除。
面临大数据的 兴起,我们虽然拥抱它可能带来的庞大经济利益,但伴随的风险却是产生这些数据的人们根本不知道该如何处理这些「资讯流」所引发的个资滥用危机,建构在「以 当事人同意」、「隐私权政策」的隐私保护假象下,当前个人隐私保护法律应该要作一番彻头彻尾的检视,以符合大数据时代的发展。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
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在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09