
大数据时代谁给隐私上锁
行业内部侵犯公民个人信息案件频发,让人忧心忡忡。例如,多家二手车网上交易平台均可以查找公民个人车辆信息。大数据时代,个人信息如何保护,值得深思。
车辆信息可查
近日,海外网发现,市场上多家二手车平台存在贩卖公民个人车辆隐私的状况。以“查博士”为例,该网站隶属于北京酷车易美网络科技有限公司,在其网页和手机客户端上,可通过VIN码(即车辆识别码)查询车辆的维修保养记录、档案记录等。
海外网注册了一个账号并输入某车辆VIN码,短短一分钟,“查博士”就提供了一份包括车辆信息核实、里程分析、事故分析、车况分析在内的车况历史报告,售价14元。而且,该网站明确表示:可查询的汽车品牌,已经覆盖了市面上98%的主流汽车品牌。“大众”“丰田”“本田”“宝马”等品牌悉数可查,其余各个小众品牌仍在持续不断更新中。
其实,提供公民个人车辆信息查询的网站并非此一家。一家名为“车易拍”的二手车交易平台明确表示可查4S维修保养记录。而另一家名为“车鉴定”的二手车交易平台可为客户提供完整的车鉴定报告,其中包含有非常详细的车辆维修记录、保养记录、保险修复记录、召回记录等,一份这样的报告售价达58元。关于收费,“车鉴定”给出了这样的解释:“车鉴定”车辆历史报告是经过信息收集、整理、分析以及人工审核等步骤生成的,“车鉴定”付出了很多劳动成本,因此需要支付一定的费用才能购买。
大数据泄隐私
通常而言,VIN码查询网站会为查询者提供厂家、车型、生产年份、燃油类型等基本信息,但是“查博士”等网站出售的报告中包含的数据,比如维修保养记录、公里数、最后进店时间、最后保养时间、车险投保情况等,涉嫌侵犯公民个人车辆隐私。
“查博士”自称“是一家专业的二手车历史数据查询平台,依托公司长期积累的广泛、稳定的数据渠道和强大的数据整合、分析能力,为广大二手车经销商和电商、金融平台客户提供可靠的二手车维修保养等数据查询服务”。这个所谓的“数据渠道”指的是什么呢?
海外网日前联系到了“查博士”的客服人员,对方表示,“查博士”的数据来源是各大品牌商。4S店将车辆维修保养数据上传给品牌商,品牌商再将数据整理接入网络,与“查博士”共享。同样的,“车鉴定”客服人员也表示,“车鉴定”是与厂家合作,数据共享。只要车辆在4S店维修保养过,数据上传到厂家,其相关保养记录均可查到。截至2017年11月3日14时,“查博士”主页显示,已有23077224辆车的查询记录。
“查博士”还设置了“查博士数据开放接口”,并称:“‘查博士数据开放接口’,是通过我们提供的查询服务接口与技术支持,实现合作伙伴与我们的数据互通,从而达到合作双方提升服务质量以及共同发展的目的。目前我们已经开放了保养记录查询接口,得到了众多合作伙伴的支持和认可。”在其网站主页上,海外网注意到,目前“查博士”已有至少25家合作伙伴,涵盖了58同城、瓜子二手车直卖网、人人车等多家二手车交易平台,也就是说,这25家平台均可通过车辆VIN码获取相关车辆的维修保养记录。
信息必须“上锁”
业内人士表示,拥有用职务和履职便利的协警人员、银行职员、电信人员、快递公司等是信息泄露主要源头。行业内部侵犯公民个人信息案件应引起高度重视,一方面要加大对拥有公民大数据的相关单位和企业的安全管理、监督力度,加强对存在问题的网络服务商的检查整治,强化员工职业道德教育和法制教育,从源头上堵住公民个人信息泄露的阀门;另一方面也要加大对侵犯公民个人信息案件打击力度。
2017年3月通过的《民法总则》规定:“自然人的个人信息受法律保护。任何组织和个人需要获取他人个人信息的,应当依法取得并确保信息安全,不得非法收集、使用、加工、传输他人个人信息,不得非法买卖、提供或者公开他人个人信息。”6月出台的《网络安全法》规定:“任何个人和组织不得窃取或者以其他非法方式获取个人信息,不得非法出售或者非法向他人提供个人信息。”
民警提示,民众要养成保护个人信息的习惯,日常生活中不随意丢弃包含个人信息的单据;避免在社交软件上透漏真实身份信息;不贸然参加网络“调查问卷”等互动活动;公共场合使用无保护或来源不明无线网络时,切勿进行涉及银行密码、验证码等操作;收到短信、即时聊天软件发来的不明链接勿轻易点击;接到相关诈骗电话后提高警惕,以预防个人信息泄露及次生犯罪等。
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在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09