京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的隐私:边界正变得暧昧不清
人们重视隐私的保护,但同时也相信未来是一个由数据推动的时代。不过,大数据使用的普及必然会涉及到侵犯隐私的问题,这听起来的确是相互矛盾的事情。
不可否认,大数据是座金矿,通过数据挖掘,人类所表现出的数据整合与控制力量远超以往。但大数据又是把双刃剑,国家和企业因大数据获益的同时,个人隐私保护的话题却变得暧昧不清,也使业内外对隐私保护的争论延绵不绝。
大数据打破宁静
说到个人隐私,有这样一个段子:一个客户打电话订购比萨,客服人员马上报出了他的电话和家庭住址,推荐了他喜欢的口味,报出他最近去图书馆借过什么书,信用卡已经被刷爆,了解他房贷还款金额,知道他丈母娘刚动过心脏搭桥手术,甚至还准确定位出他正在离比萨店20分钟路程的地方骑着一辆摩托车……
分散在各个系统中的海量数据乍一看价值不大,但如果把它们深入整合、挖掘,就能知道一名消费者的性格、爱好以及消费习惯等信息,这些信息对商家非常有价值。但对消费者来说,你的宁静生活却从此被打破。
数据如果是在相同业务范围内使用,没有必要去界定隐私;但业内人士也承认,在大数据交易过程中,用户的隐私存在泄露风险。一旦形成大数据模式,各个系统之间产生的数据就会互联互通,数据被用于他途,用户隐私泄露的可能性就会加大。
直接过滤掉个人信息,是否就能防止信息泄露?有业内人士认为,大数据在涉及交换、分析、挖掘时,个人信息是无法直接过滤的。
此外,不同商家的所谓信息共享也会让你的隐私信息有被整合、挖掘的“危险”。这些个人隐私数据散落在中介、银行、保险、航空公司等机构间,危险性可能不大,但如果被共享之后,又被系统整合、相互印证的话,消费者的个人基本信息,甚至性格、爱好以及生活轨迹等信息将被他人一览无余,很多普通人在他们面前将变成“透明人”。
隐私保护应跟上步伐
大数据系统与传统数据系统不同,区别在于,前者包含了很多外源性数据,这些数据本身存在价值。比如你在淘宝购物创造了一个数据,这个数据对于淘宝而言就是外源性的。当无数外源性的数据整合并被分析之后,便构成了大数据系统。一旦形成大数据模式,各个系统之间产生的数据就会互联互通,从而产生极大价值。因此,传统数据时代的“隐私”与大数据语境下的“隐私”,无论是内涵还是外延,均有极大不同。
一般而言,人们对于隐私的定义是:一种与公共利益、群体利益无关,当事人不愿他人知道或他人不便知道的个人信息。其本身并不涉及公共、群体利益。业界有一种声音认为,随着大数据时代的深入,这个社会对隐私的定义一定会逐渐改变,考虑到技术的发展,眼下认为是隐私的信息,或许几年后就不再敏感。
在监管层面,由于现阶段《民法通则》没有完整的关于“隐私”的概念,国家也无明文规定来规范大数据交易市场,诸如云计算和大数据应用都或多或少在灰色地带游走。
上海杜跃平律师事务所律师杜跃平向《每日经济新闻》记者表示,可以从源头上抓起,即默认禁止状态,未列举的内容默认为不被允许。
美国目前仍在使用的是1970年就通过的《公平信用报告法》(TheFairCreditReportingAct),旨在对大型主机侵犯人们的隐私进行防护。该法案允许信用咨询公司收集个人财务信息,但收集所得信息只能用在三个方面:信用、保险以及就业。
很显然,美国的法律在大数据时代滞后了。我国关于个人隐私的保护,也未跟上大数据技术的发展步伐。
杜跃平指出,许多网站和电子商务平台对用户进行行为习惯分析,然后推送相关商品信息,这本身已涉嫌侵犯用户隐私。解决办法是,网站必须尽告知义务,“网站在采集信息前应告知和征询消费者,消费有权授权或不授权。”即使在授权之后,电商平台也不能将消费者行为信息用于商业用途。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27