
移动互联网的数据隐私底线
随着互联网、移动互联网的普及度越来越高,数据隐私问题就成了一个非常关键的问题,尤其是移动互联网时代,用户的手机内包含了用户大量的信息,而app们却相当的不节制,几乎所有的app总会下意识的要求获取全部权限,一直以来都引发了很多争议,却很少有什么定论。就在“世界知识产权日”这一天,微博诉脉脉一案宣判微博胜诉,法院判定脉脉产品构成不正当竞争,应道歉并赔偿200万元,堪称个人数据商业化使用的第一案。
事情的原委是这样的,微博本身是开放平台,所以提供相应的账号登陆功能,也就是说,其他app应用,微博的用户可以用微博账户直接登陆,这本来是一个方便用户的做法。行业内大部分app都会用到类似微博、微信、qq登陆的方式,从而能够减少用户注册的环节,增加自己的软件活跃度。
但是,这种接口调用是要遵守微博规则的,同时只能通过接口调用,而不能使用其他的方法比如爬虫来抓取信息的。而脉脉是一个实名的职场社交软件,用户真实信息尤其是职场信息和教育信息非常重要(找到同事或者同学),在不具备抓取权限的情况下,通过其他技术手段,就把微博用户的认证信息抓取来了,直接和手机号匹配就标注在软件中。这使得没有在脉脉平台注册的用户也被标注了实名的信息,违反了微博的规定,同时也获取了不当的利益。换句话说,也许你只是留了个手机,但是他就会从你的微博抓取到你的其他信息标注出来,最可怕的是,假如你上传了自己的通讯录,你的朋友也会被标注出来成为你的一度人脉,这样就算你们都没有注册这个平台,你们的信息也一样是一览无余的。这使得脉脉上的人脉资源相当丰富,但这些信息却并不都是用户上传开放的,而是通过微博等平台私下抓取的。
这样的行为让微博很受伤,本来这种平台开放登陆是为了方便大家,也是一个平台企业的责任感体现。但是如果对这种开放进行滥用,显然会让平台心有余悸。自己开放了用户,用户信息却被恶意盗取,如果大家都这样不守规矩的话,就没有什么平台敢开放了。长此下去只会导致劣币驱除良币。这势必会影响互联网的开放性,显然是不符合行业发展的利益的。
虽然技术上很多东西可以实现,但实际上,在数据方面,我们还是要遵守一些隐私的底线,尽管很多用户可能不在意,但其实是根本不知道发生了什么。技术公司绝不能利用用户的知识盲区,就对用户的信息肆意妄为的使用。不然用户的信息隐私就成了一纸空文,只要拿到一个电话,就可以对应的查找到这个用户在各个平台上的所有活动,只要偷偷上传了用户的通讯录,就可以抓取到更多用户,给他们发短信,让他们来注册。这样的用户拓展是极其可怕的,如果在手机中的APP不严格遵守用户意愿和用户隐私,对其中的个人数据肆意乱用,这和用假基站发假短信骗人的也没有什么太大区别了。
这一点,仅靠行业规范和商业道德来约束是不够的。海淀法院的这个判决,应该说是给大数据时代用户隐私的保护提供了一个范例。这个时代进步的太快,法律存在滞后性很正常。通过这种判例,一方面对违法者是一种警示,另一方面法院遇到类似案件也有了参考。这个案子在世界知识产权日宣判,很难说这不是一种暗示——大数据时代用户隐私的保护,在司法层面并不会纠结于技术或商业层面,而是会聚焦于用户。毕竟相对于互联网公司,普通用户才是真正的弱势群体。
移动互联网的隐私首先还是要靠自律,科技界应该达成一个不乱抓用户内容的基本共识,让一切服务在用户的许可下进行,而不是私下觉得对用户好,就代劳所有事情,这个案件的判例,从法律上也认定了这一点,对于未来整个行业的规范是一件有里程碑意义事情。
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在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10