
被遗忘权是大数据时代用户核心权利_数据分析师
欧盟法院以判例的方式确立了“被遗忘权”,要求搜索引擎、网络服务提供者应按照公民意愿,对一些历史网页中使人尴尬的图片和内容履行删除义务。欧盟法院并未对被遗忘权的性质,以及内涵和外延做出进一步解释,仅对构成做出一般性规定,即内容符合“不相关、已过时和不必要”的基本要件。
被遗忘权确立的法律基础
从欧盟法院的判例可以分析出,被遗忘权的性质应属于人格权性质,是一种发展中的人格权。被遗忘权的确立基础有两个,一是大陆法国家人格自由的一般人格权基础和自我决定权基础;二是具体人格权中的隐私权基础。
被遗忘权具有明显的私权性质,本质在于避免权利人因历史遗留的污点造成不必要的传播影响。不过,被遗忘权似乎不能成为隐私权的下位概念,因为,在侵权法领域中,隐私侵权的抗辩事由是公共利益或公众知情权。一旦公民个人的信息因公众关注或公共利益成为已被公开的事实,那么,隐私权就会在公众知情权面前显得无力对抗。正是这个原因,美国人对欧盟法院被遗忘权的判决多半嗤之以鼻,他们认为被遗忘权的确立必将导致侵害公众的知情权,这不符合言论自由和舆论监督。
除此以外,网络法律适用的特殊性在于更多考虑技术中立性。技术发展是中立的,只有在确保技术中立原则基础上,才有可能在网络技术时代保障更长远和更多人的利益。被遗忘权的确立必然导致本无过错的网络服务提供者承担更多的责任,这不仅违反了技术中立原则,而且还可能侵害到更多人的表达自由和公众知情权。因此,欧盟法院对被遗忘权的判决确实值得商榷。
倾向性保护网络用户权益
虽然如此,在网络时代和大数据背景下,被遗忘权应该成为网络用户的一项基本权利。
被遗忘权是保护用户数据的武器。在数据为王的时代,网络公司的竞争已经从直接获利模式转变成为数据获利模式。用户是数据的主要来源,其范围非常广泛,不仅包括基本的注册资料、身份信息,而且还包括网络行为信息,例如,用户上网浏览过的页面、看过的视频、使用软件的种类和频率、网络交易记录、搜索关键词、网络购物品种、所在位置信息,甚至包括输入法习惯和字符频率等都成为大数据分析的对象。
正是因为用户在网络上的数据具有强烈的商业价值,网络公司千方百计地吸引更多的用户,保存更详细的数据记录。数据作为一种资源,本身属于无体物,用户很难知晓网络公司占据了自己多少除身份信息以外的数据。同时,网络公司对采集数据的处理大都通过“云技术”、后台加密技术等方式进行,网络用户因技术的原因和信息不对称也无法知道自己的网络行为到底有哪些正被“搜集”。
技术优势本身使得网络服务提供者应具备的技术中立性被自己破坏。如果法律不倾向性保护相对弱势的用户权益,那必将使得大数据时代成为数据掠夺时代。
防止数据掠夺的有效武器
被遗忘权可以成为约束网络公司进行数据掠夺的有效武器,主要包括四个方面。第一,软件和服务装卸方面。由于利益驱使,很多不法商家对软件和服务程序留有“后门”或“恶意程序”,在用户删除、卸载或不再使用该软件和服务之后,仍然以其他方式恶意“残留”在用户的PC或移动终端上,肆意“隐蔽”搜集用户数据。被遗忘权的确立体现在软件和服务卸载方面,就是要求网络服务提供者应做到去除恶意程序,遵照用户本人意愿对以任何方式明示不再使用软件和服务后,网络服务提供者不得以任何方式,包括cookies在内,继续搜集和使用用户数据。
第二,技术公开方面。APP等应用程序的技术方面属于知识产权保护范围,不过,实践中大量APP都含有额外程序,例如,一款手电筒功能的APP,实质功能仅占不到一半大小,另外大部分“隐藏”程序都涉及对用户网络行为的搜集方面。被遗忘权就是对用户知情权的保护,用户有权知道实质用途有多少,有权拒绝非实质用途的装载。软件等技术公开检测责任应由政府相关部门来承担,对APP等应用程序非法程序的筛选和立法势在必行。
第三,个人信息方面。网络平台、网络软件和服务多如牛毛,网络用户对一些软件或服务的使用具有临时性,并非每个软件或服务对用户都具有长时间的“黏连性”。被遗忘权就是要求网络商在用户不再使用软件或服务时,应主动将用户之前注册信息、身份信息和其他相关数据予以删除。
第四,开放平台方面。网络开放平台是一种网络经济合作模式,这往往导致大量用户信息在用户未知的情况下被挪用,这也是为何用户第一次使用某种软件或服务,却会发现新应用拥有用户的全部资料原因所在。被遗忘权就是赋予这些被开放平台“挪用”资料的用户请求网络服务提供者删除“遗忘”自己数据的权利,开放平台使用者和提供者都有义务遵照用户意愿及时履行删除义务。
以上四个方面是被遗忘权在网络时代的适用价值,被遗忘权对于用户来说是一种基于人格权的权利,对于网络服务提供者而言则是一种法定义务。按照中国目前网络法律体系,被遗忘权的来源在于隐私权和个人信息权,其行使可以按照《侵权责任法》第36条第2款规定的“通知删除规则”适用,具体操作程序按照最高人民法院出台的侵权法网络侵权司法解释的规定。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04