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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24