
“灰色”大数据:用户隐私缺乏保护 活动均被外界掌控
好莱坞电影《国家公敌》描绘了一个利用科技手段侵犯个人隐私的故事,而这一幕,在大数据技术的应用下有可能成为现实。
“大数据已经悄悄地进入到了个人隐私的灰色地段。”中国信息协会大数据分会专家委员会副主任文金言向《华夏时报》记者表示,借助大数据技术,每个人都被数字化了,你的所有活动都处于外界掌控之下,甚至还可以借此预知你的未来行为。
北京大学光华管理学院市场营销系副教授苏萌表示,要限制大数据技术对个人隐私的侵犯,一方面靠行业自律,另一方面也需要出台相关的法律法规进行约束。
谁的大数据
在2013年的“3·15”晚会上,中央电视台曾经报道过网站买卖个人信息的事例,范围涵盖用户的性别、年龄、职业、身份、收入、受教育程度、电子邮件等,甚至还有为参加某个抽奖而注册的信息。
在日常生活中我们也能感受到,每当安装一个手机客户端时,软件都会要求读取联系人、通话记录、短信和彩信等,要么就是请你同意它获取手机位置、打开摄像头、使用话筒录音。如果你曾经买房,在房产中介登记过个人信息,还会没完没了地接到陌生电话,询问要不要贷款、买房、装修之类。
中国信息协会大数据分会秘书长郑宏表示,在大数据概念出现之前,数据买卖的现象就已经有了。近年来,国家提高了对信息安全的重视,专门成立中央网络安全和信息化领导小组,加大了打击力度。
而在业内人士看来,以前那种小范围的数据交易和应用只能叫做“小数据”,因为它只是各个公司在自己内部对数据的开发。亚信集团大数据高级咨询顾问王维表示,大数据要真正实现价值必须做到“互联互通”,即让政府、运营商、银行、网站等各方数据实现跨界和共享。
文金言表示,如果实现这一目标,大数据将成为一个新的“权力”。一旦它被某些别有用心的人所利用,通过其牟利,或者攻击他人,就有可能产生极大的危害。
文金言进一步强调称,人类生活中的一切活动,我们的每一次购买、每一次对话、每一次移动都会成为数据收集、处理和存储的对象。随之而来的问题就是,这些数据的所有权属于谁?
同时,数据产权的问题还影响到了商业行为。郑宏表示,以中国电信为例,它有非常庞大的客户数据,这些数据究竟是属于中国电信还是属于用户?如果中国电信贸然把数据拿出来进行交易,就有可能构成违法。所以,企业方面目前普遍比较谨慎,不敢进行大规模的数据买卖。
“只有明确数据产权的归属,确定所有者的利益,才能激活整个行业继续发展。”郑宏表示。
亟待立法
每一项新技术都是天使与魔鬼的集合体,关键在于如何扬长避短。而在限制大数据对个人隐私的侵犯方面,文金言表示,研究大数据对现有法律的冲击刻不容缓。
目前,我国关于大数据隐私保护的法律还很缺乏。在1月9日举行的首届中国政务大数据开放论坛上,北京市信息资源管理中心总工程师穆勇表示,大数据在信息保护方面有三个层面,分别为国家秘密、商业秘密和个人隐私。目前,国家秘密方面相关的法律法规很健全,而个人隐私方面的规定则比较薄弱。北京市已经制定《北京市国家机关个人信息保护规定》和《关于推进公共信息资源向社会开放工作的实施意见》两个送审稿,但迟迟没有通过审批,因为某些观点的分歧仍然较大。
文金言表示,政府是世界上最大的数据收集者和数据消费者,同时也是保护个人隐私的最后一道防线。它应该在保护公民隐私的前提下,尽可能地加速数据流动,鼓励创新,催生新兴产业,从而进一步促进国家经济的繁荣。
同时,企业层面还需要自律。郑宏说,这方面业内人士已有共识,1月10日,多家国内数据中心行业骨干企业共同签署了国内首部《中国数据中心行业自律公约》,目标就是规范我国数据中心行业从业者行为,促进和保障数据中心行业健康发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 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 ...
2025-09-23