
大数据时代如何治理骚扰电话_数据分析师培训
您一天会接多少个骚扰电话?普通人一般一天能接到一到两个骚扰电话,比如半夜响一声就挂了的吸费电话。大早上被叫醒的卖保险、卖基金、卖房的各种推销电话。还有淘宝买东西,给了差评,卖家利用报复心理打电话,1个小时可以拨打几十个骚扰电话,有人一天之内接过1千多个骚扰电话,各种骚扰电话不分时间地点场合,就像灾年虫害一样,从普通人到国家领导人无一幸免。
来看一组数据,据某权威机构《2014年骚扰电话年度报告》显示,2014年全国骚扰电话总数达270亿通。就骚扰电话类型来看,“响一声”电话以50%的比例位居骚扰电话数量的首位,其次为广告推销、诈骗电话、房产中介和保险理财。这些骚扰电话的源头,是愈演愈烈的个人信息泄露。
被电话骚扰 大数据罪责难逃
大数据是个炒得很热的概念,物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器,无一不是数据来源或者承载的方式。大数据这座“金矿”在改善人们的生活上立下了汗马功劳,但大数据需要采集大量的个人信息,其中就会涉及许多个人隐私。
除了办理信用卡,网上租赁房屋,网上购物,游戏注册认证之外,随着大数据的广泛应用,像手机打车软件、订餐软件、微信、各种热门app等,让我们享受便利的同时,不可避免得需要读取我们的地理位置和通讯录信息等。数据的价值在于将正确的信息在正确的时间交付到正确的人手中,否则,那就是棱镜的另一面。
关于个人信息及敏感隐私数据泄露事件是层出不穷,“棱镜计划”、“支付宝安全门事件”、“12306用户数据泄露”等一系列事件为人们敲响了大数据时代个人信息安全的警钟。引发的不仅是铺天盖地的广告推销,还给不法分子可乘之机,利用个人信息进行各种私人调查、实施非法商业竞争、实施刑事犯罪、进行身份盗窃等。拿最典型的骚扰电话来说,许多骚扰行为是无孔不入,甚至出现了伪基站,他们模仿中国移动的信号,达到盈利的目的。
大数据如何泄露个人隐私?
毋庸置疑,大数据分析是商业智能的演进,相比于传统的数据,具有数据量大、查询分析复杂、高效等特点。比如,沃尔玛每隔一小时处理超过100万客户的交易,录入量数据库估计超过2.5 PB相当于美国国会图书馆的书籍的167倍 。FACEBOOK从它的用户群获得并处理400亿张照片。解码最原始的人类基因组花费10年时间处理,如今可以在一个星期内实现。
因为个人信息数据的多种多样,大数据还会覆盖如智能终端、智能手环、物联网、位置导航等个人端产生的海量信息,这些开放、分散的、海量的数据实时接入网络,管理员很难像传统互联网管理一样逐一对其编辑和管理,进行实时跟踪保护。
同样,大数据收集缺乏针对性,容易导致广泛、不合理、过度收集个人信息数据,常常通过覆盖面很广的个人信息收集和分析后才能找出其中有价值的信息,在此过程中很难避免不触碰到一些个人隐私数据。没有价值的信息又会丢弃,这些被丢弃的信息里又难免有个人隐私数据等。
怎样治理电话骚扰?
当然,建立健全相关法律法规是第一位的。目前,世界上已有50多个国家和地区制定了保护个人信息的相关法律,我国在大数据个人信息安全方面缺乏权威化的法律规制,缺少统一监管和行业自律,我国应制定统一的个人信息保护法,对公民个人信息的采集、使用和保密等问题作出详细规定。实际上,这个工作很早就已经开始,但个人信息保护法至今还没有出台,原因在于查处难、取证难、维权难。
随着大数据的日益蓬勃发展,在可以预见的将来,个人隐私保护将仍是要解决的重要课题。如果能够将保护个人隐私信息作为大数据技术突飞猛进的另一个考量,那么相关筛选和屏蔽个人隐私信息的技术也不是难事。归根结底,没有整治的军队必然是一团散沙,只有下定决心改变,才能看到曙光。同时需要提升用户的安全保护意识,群策群力,在大数据上做到双赢。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29