京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代 带着个人信息的旧手机该去哪儿
这个时代,我们不得不承认,手机可能换得比衣服还快。那么问题来了:旧手机如何处理?送给亲戚朋友吧,担心是“二手货”不大好意思拿出手,拿到地摊上卖了吧,虽然最经济实惠但又不安全。
据媒体报道,一个小小的软件就足以将旧手机上的通讯录、短信、照片等信息恢复。这些手机上若曾有淘宝、支付宝、微信、银行等关键信息,一旦被人加以利用,岂不是造成了关键信息的泄露?
手机不光是“手机”
随着智能终端的兴起,手机的功能出现前所未有的丰富与拓展,越来越多的工作、生活、社交功能和应用陆续增添到手机之中。手机已经不仅仅是一个能打电话、发信息的通信工具,而是一个可以随时随地参与移动互联网生活的平台和入口。当然,在手机的功能不断增强的同时,它的社会化功能也不断延伸,比如手机承载着感情、代表着品位等。
在手机上,通讯录代表着圈子,微信等账号意味着社交生活,银行卡、身份证等关键信息则意味着财产的安全与否,当然聊天记录和视频照片等更是事关个人隐私。最关键的是,手机将自己打造成了一个综合信息平台,在这个平台上,所有的信息都得到了汇总、融合。
信息爆炸的时代里,最不缺的就是信息,当然最有价值的就是开发信息,而最让人揪心的莫过于怎么努力都保护不好自己的关键信息。也正因此,大数据营销聚焦于通过收集并整合信息然后发掘消费者个性特征,如何有效保护个人隐私和信息安全则更显重要与紧迫。
“旧手机”也并不旧
在以诺基亚为代表的功能机时代,手机更侧重于经摔耐用的特质。而如今,耐用早已不是衡量手机的关键条件,品牌、个性、时尚元素、摄像头、内存等才是衡量智能手机的重要因素。一个现实的状况是,围绕手机的话题和新闻越来越多,人们谈论手机的次数也不断增加,人们花在手机上的时间越来越长,单个人手上的手机数量越来越多,手机的保有量早已超过十多亿,围绕手机形成的产业链越来越长、越来越大,唯独“逆向”变化的是,人们更换手机的时间间隔变得越来越短。
从最初的几年更换一部手机,逐渐到20多个月,再不断压缩到18个月、15个月就更换一次,甚至有很多人几个月就更换一次。而所有被更换的手机,不管用了几个月或者一两年,都算是旧手机了。但是从产品的新旧程度上来看,这些所谓的旧手机其实并不旧。
更为重要的一点是,这些旧手机上都承载着截至目前的个人重要信息,这些信息包括身份证、银行、各种账号、通讯录等关键信息。一般而言,这些信息之于一个人是有着相对稳定性的,并不会因为手机的变化而出现彻底的更新。恰恰相反,这些重要的信息都藏在了手机之中。
得让旧手机“失忆”
从目前的科技发展节奏来看,手机上装载的应用功能会越来越庞大,手机上携带的信息量会越来越多,自然保护个人信息安全也会变得越来越重要,但是难度却越来越大,而更换手机的时间间隔会越来越短,旧手机会越来越多。
当然,处理旧手机的方式有多种,送给别人继续使用,通过以旧换新的方式折算,卖给旧手机回收商,扔进垃圾桶,丢在家里。这些常见的方法中,除了留在家里之外,其余的处理方法都有着泄露关键信息和个人隐私的风险,而堆在家里却潜藏着污染等风险。
旧手机终归是要处理的,但是前提是有效保护自己的信息安全,特别是关键信息和隐私。处理旧手机的难处并不在于回收价格及回收流程,而在于信息安全的保护上。那么,如何有效保护消费者的信息安全,让消费者能够安安心心地处理掉旧手机就值得深思。
首先在于消费者自身需不断强化一种意识,在处理旧手机时销毁掉原有的信息,让自己的手机彻底“失忆”。目前苹果可通过手机终端自身的功能删除相关内容,而安卓手机则需要采用步骤较多的方法来解决。其次,企业抓住契机有所作为。既然能够开发出恢复原有信息的软件,那么同样也能开发出清除原有信息的软件和程序。另外,360等“安保户”企业还可以进一步拓宽手机卫士的功能,手机厂家同样也可以增加手机的“失忆”能力,甚至可以将其作为卖点。
此外,公共权力机关还要不断强化监管,通过监管措施,让开发的恢复软件应用能够用到真正需要的地方,而不是盗取公民的个人信息,让开发的“失忆”程序也能真正用到保护个人信息安全而不是恶意破坏上,打击围绕手机信息安全而产生的不法分子和利益链条,如此等等。当然,还要从政策支持等方面着力,鼓励手机商场建立回收和再利用体系,这既保护了消费者个人信息安全,为企业找到了利润空间,也能解决旧手机等造成的环境污染等问题。
总之,旧手机将越来越多,但是旧手机上承载的信息量却愈来愈大,保护个人信息安全变得越来越迫切,面对一部旧手机首当其冲的是给其“失忆”,然后让硬件走进循环可持续利用的通道,这才是旧手机比较理想的归处。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13