
大数据时代,何处安放个人隐私
如果没有徐玉玉和宋振宁之死,时下这起全民关注的电话诈骗案不过是每天都会在全国各个角落上演的一个再普通不过的案例,不会引来此等规模的关注,更不会让许多从事数据研究工作的人给网民科普或者为政府建言,盖因每一个拥有手机的中国人都变得对此习以为常,见怪不怪,事情往往就是这样,我们先是愤怒,继而变得无奈,最后变得彻底麻木。
在网络上以“电话诈骗”为关键词进行检索,可以发现,每天都会有很多人接收到大量的诈骗电话,这些电话让他们辛辛苦苦攒下的钱财一夜散尽,而骗子则大多都会逃之夭夭。骗子的目标大多是那些对新事物认知能力较差的孤寡老人,或者那些涉世未深的孩子,相信每一个在外工作的人,多多少少都会接到父母打来电话莫名其妙问平安的事情——这往往是在他们收到那种“火速打款救人”之类的诈骗短信后。
徐玉玉一案背后,新闻媒体深入调查个人信息被贩卖的情形,发现在临沂大大小小的贴吧网站上,有多个数据倒卖信息站点,这些个人信息分门别类,适用于理财、保险、教育、工商等方方面面的需求,某种程度上,这是中国个人隐私泄露情况的一个典型展示,我们的信息正在被我们使用的各种各样的网络信息平台贩卖给骗子机构。
大数据管理在方便了我们的日常生活的同时,也像任何一项技术一样,带有其鲜明的危害性,大数据可以方便我们洞察某一个领域的趋势,让决策者关注用户的喜好变化,以便做出符合预期的决策,同时,它是双面刃,一旦落入企图危害公众利益的人(机构)之手,又成了潜伏在我们身边的暗箭,我们不知道何时就会被这些数据所射伤。
很多时候,法律的制定是落后于技术的,毕竟技术发展过程中,出现的种种问题,往往是当初的法律制定者所不能预期的,如果法律不能第一时间解决新问题,我们又该怎么办?
新近吴军博士出版新书《智能时代》,里面专辟一章讲述这种情况,吴军总结了两种新技术来保护个人隐私,第一种是从收集信息一开始,就对一些数据进行预处理,使得操纵数据的人也“看不懂”这些数据的内容是什么,不过这种方法有其局限性:这种技术阻碍不了那些大型网络公司想探秘用户隐私的脚步。而第二种,称之为“双向监视”,吴军在书中这样定义:“当使用者看计算机时,计算机也在盯着使用者看。”这样,那些偷窥数据的人不再是零成本作案了,从而其行为也就不会那么肆无忌惮,这是一种操纵大数据时的“实名制”。
在此次事件调查中发现,170和171号段是目前诈骗电话集中的温床,44%的诈骗电话都来自这两个号段,这些号段在网店上可以不用实名就可购买到,这在手机用户统一实名制的大背景之下,无异于是打在运营商脸上的一记响亮耳光。
运营商被指无所作为,放任电话诈骗,已有多时,全国人大代表陈伟才曾在两会上举过一个诈骗电话成功之后带来的收益分析:“以公众被骗1000万元为例,运营商只赚100万元,而公安机关侦查破案还需跨境进行,国家为此要开支200万元。”尽管三大运营商集体喊冤,说明自家在监管诈骗电话时都出力不小,但定性其为被动的“帮凶”则不为过。
以前说,随着微信、QQ的崛起,没人发短信了,现在移动互联网时代,各大社交APP上都有了即时通讯的功能,再加上这是一个wifi遍地的时代,电话功能距离彻底搁置那一天恐也为时不远,今年通信行业发布的收入构成也印证了这一点:移动数据收入首次超越移动话音收入,成为电信业中占比最大的业务。如果运营商对此如此放任无视,那只会让越来越多的人提前放弃,毕竟可替代品不再像从前那般稀缺。
监管的阙如,对个人隐私的不重视,已经使得中国成为骗子寄生的肥沃土壤,让手机用户、网民浪费了大量的时间成本,时间成本比金钱更可贵,因为它一去不返,你丧失了一段时间,便永远不可能再被找回。还记得早就有统计报告指出,中国垃圾邮件全球第一,事隔多年,这个名词也不见任何改观,想想真是倍加讽刺。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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