
周鸿祎认为,IOT时代的来临,各类内置操作系统、传感器、芯片的智能设备都将连接互联网。智能设备将会收集到亿级以上数量的数据信息,迎来数据大爆发,迎来真正的大数据时代。此时,能否利用大数据来解决一系列安全问题成为安全行业人士关心的问题。
而Palantir就是这样一家利用大数据解决社会安全问题的公司,Palantir是彼得·蒂尔在2004年创建的大数据挖掘分析公司,公司的客户包括美国中情局(CIA)和联邦调查局(FBI)。Palantir的软件能够对海量的数据库进行梳理、分析与整合,最终为客户提供具有洞察力的结论。
彼得·蒂尔在对话中表示,911之后,美国很重视反恐工作,但是反恐不能建立在给大量非恐怖分子的普通民众带来不便和骚扰的基础之上,所以怎样尽可能的减少对隐私的侵犯又能够达到最好的反恐效果,这个是Palantir希望能够做到的。
周鸿祎也认为应该平衡好大数据利用与用户隐私之间的关系,他认为怎样更好的保护用户信息应该成为企业关注焦点。此前,周鸿祎还在多个场合提过用户信息保护三原则:
用户数据应该归用户所有。周鸿祎认为,用户使用智能设备产生的用户数据被传至互联网公司的云端服务器上,应该旗帜鲜明的定义这些数据资产是用户的资产,只不过是用户把它托管在互联网公司的服务器上。
用户有知情权和选择权,用户有权不允许网络公司使用自己的数据。周鸿祎认为互联网公司利用用户数据属于正当的商业模式,但前提是用户要有知情权和选择权。即企业必须要得到用户授权。如果有用户表示不愿意个人隐私被拿来做商业交换,那么用户有权利要求互联网公司销毁和删掉用户数据,或者把数据交给用户。
公司有更大的责任保护用户数据,安全存储安全传输。面对IOT,很多企业表示要转型成互联网公司,周鸿祎表示,当企业获得大量用户数据的同时,企业有更大的责任保护用户数据,因为用户数据一旦从服务器上被窃取,极可能导致用户在其他服务上的账号受到威胁。
彼得·蒂尔表示,有些事情是人可以做的但计算机做不到,比如在一堆东西里面挑出某一件,人一眼就能看出来,但是计算机做不到。但是在数据方面,如果每一条数据都需要人来进行处理,人是忙不过来的。但数据处理分析又需要人的辨识能力,所以怎么样把人和机器的最强的优势给发挥出来,然后把他们结合好,这是Palantir最核心的技术。
因此,彼得·蒂尔认为Palantir其实是一家“反大数据”公司,数据本身是不能够自动产生结果的,仅凭海量数据和一台机器想产生出具有洞察力的结果,这是不可能做到的。因此,彼得·蒂尔说一旦听到“大数据”、“云计算”这样的词语,就会认为那些人是因为实在讲不出什么东西才用这些“热词”进行忽悠。
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