京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16