
大数据时代下的“网络裸奔”你还习惯吗
最近,关于全球最大外遇网站Ashley Madison被黑的事件,被传得沸沸扬扬,被泄露的信息包括会员的姓名、住址、邮箱地址、信用卡号码、支付记录等等。根据目前已公开的数据,经过大数据分析得出的受影响范围之广以及影响程度之深是我们始料未及的。大数据时代,我们的隐私到底安不安全?值得我们深思。
匿名就可以隐身了?
我们在网站注册时,一般都会给自己起个昵称,天真的认为不用真实姓名就安全了,然而,谷歌的一位工程师说:“我们根本就不需要名字,名字对我们来说完全多余。谷歌记录网民搜索查询、位置和网上行为的大型数据库中就有大量信息,这足以让谷歌间接地了解一个人。” 这意味着人们隐私权的最后一道防线同样脆弱得不堪一击。
隐私泄露 推销和骗子乐开了花
相信大家都有这样的经历,比如刚刚订了一套婚纱照,给店铺留了联系方式,没过几天,就有婚庆公司打来电话推荐套餐。我们平时也会收到无数的垃圾邮件,垃圾短信等等,除了反感,各种个人信息的泄露让我们在网上如同“裸奔”,完全没有安全感。
在这次AM网站信息泄露后,引发了一系列敲诈勒索行为,搞得人心惶惶。在我国这种网络欺诈行为也不少,根据中国互联网协会公布的《中国网民权益保护调查报告(2015)》显示,近一年来,因个人信息泄露、垃圾信息、诈骗信息等原因,导致网民总体损失约805亿元。360互联网安全中心则公布,平均每天拦截木马病毒接近1亿次,拦截的钓鱼攻击超过1200万次、虚假证券300万次、彩票欺诈400万次、假药网站500万次。
加强隐私自我保护意识
目前,关于个人隐私保护方面的法律还不健全,所以我们的自我保护意识更要加强。我们每天在网上的一切行动,都随时随地因获取服务的需要上传到云端,但你并不知道,在哪个角落会有一双眼睛注视着在云端的你。其实,每天我们所收到的一切垃圾信息只不过是反映个人信息泄露的一个窗口,而泄露程度可见一斑。
在我们平时用手机时安装APP时对第三方授权要谨慎,慎用自动同步功能,密码尽量复杂,切记所有网站和支付账户都用一组账号密码,虽然自己方便,但也给不法分子提供了可乘之机。
在使用网页时,可以选择DNT协议,就是“Do not track”,这是在大多数网络浏览器中添加的一个不追踪按钮,用户能够以此告知服务器选择性不追踪,这样我们就可以控制自己的隐私信息被追踪的情况。
然而我们都知道,绝对的隐私是不存在的,互联网结构下,所有应用对于服务提供商,其实都是透明的。人们既想要借助互联网的平台与别人交流,又想要自己的空间不被窥探,这是完全不可能的。
企业应担负起保护用户隐私的职责
作为企业,在大数据时代,享受大数据带来的利益的同时,也应该担负起保护用户隐私的职责,360CEO周鸿祎认为:储存在不同的服务器上数据应该是用户的资产,这是必须明确的,就像财产所有权一样,以后个人隐私数据也会有所有权。此外,利用万物互联技术给用户提供信息服务的公司,需要把收集到的用户数据进行安全存储和传输,这是企业的责任和义务。如果要使用用户的信息,一定要让用户有知情权和选择权。
大数据和隐私本来就是相互矛盾的,大数据需要海量数据进行分析,就需要用户的私人信息,没有这些数据大数据就无法进行分析。如果互联网为用户提供的便捷,大过用户能接受的隐私问题时,作为用户是可以接受的。所以企业需要寻找到让用户从个人隐私和产品易用性之间可以承受的平衡点。
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