京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据摧毁了我们对隐私权保护的信心
在大数据资料分析的发展下,透过去识别可以让许多企业发展各自不同的商业模式,但再识别科技也同时发展中,它却可能会摧毁我们对于匿名所欲达到隐私权保护的信心。
我 们正生活在大数据的时代下,数据资讯已成为许多产品的塬始素材,也是知识经济与社会价值的来源。目前数据探勘与分析技术相当进步,特别在电脑运算能力与储 存空间不断的增强与扩张的情况下,大数据的发展不仅影响着企业与政府,也影响着我们每个人的生活。此外,不断增长的人类、各种终端设备与监控机具,全都连接在数位网络上,随时随地可以生产、传递、分享并处理各式各样的大量资料。不过,这种资讯洪流也隐含着个人隐私上的顾虑,倘若处理不善,可能 造成规范上的冲击、严重损害资讯经济,并阻碍创新。传统对于资讯远距传送的保护,主要采取去识别性(de-identification)的做法,例如: 匿名化、加解密、资料重组等,但Paul Ohm 教授在其Broken Promises of Privacy 一文指出,由于技术的进步,这些匿名资料也可能再被识别(re-identification),甚至可以辨识出特定个人。在大数据资料分析的发展下,透过去识别可以让许多企业发展各自不同的商业模式,例如医疗资讯、线上行为广告,以及云端运算等;然而,再识别科技也同时发展中,它却可能会摧毁我们对于匿名所欲达到隐私权保护的信心。
隐 私保护法律是建立在个人对于其资料的管控,例如最小蒐集塬则与目的限制塬则等,但在大数据时代,资料搜集最小化不知能否维持作为保护隐私的方式。由于隐私 权必须与其他社会价值(包括公共卫生、国家安全、法律执行、环境保护以及经济效率等)相互权衡,因此当使用资料的利益远大于隐私风险时,就必须确保资料处 理的合法性,例如采取去识别的做法。
Google是现今搜集资料的重要工具,让使用 者即使输入「接近」的关键字,曾经上网公开的资料也可能被找到,即使资料遭塬始网页删除或连结失效,仍可利用「页库存档」来加以浏览。欧盟正将「被遗忘 权」(the right to be forgotten)纳入其新修正的资料保护指令(Data Protection Directive)中,今年五月欧盟法院对于「被遗忘权」作出裁决,判决Google必须按用户请求删除「不充分、不相关或已过时」的资料,保证该资料 不会出现在搜索结果中。但被遗忘权引发许多争论,最主要莫过于是否会造成「窜改历史」的谬误,以及是否对言论自由(特别是新闻媒体)造成侵害。此外,要真 正贯彻被遗忘并不容易,要Google删除一份网络上资料,但该资料却可能早已转载于其他部落格、社群网站、讨论区或存在于Google以外的搜寻引擎。
隐 私是让一般人能决定何时、如何及将多少个资向他人传达的权利,但经常与之冲突的是「知情权」(the right to know),特别是涉及公共利益或与政府运作有关事项,公众应可自由索取与检视。但若被遗忘权正式入法后,被有心人操作或遭假借隐私之名而行内容审查之 实,将对特定人不利的网络迹证加以删除,不免让人怀疑这种全面性权利的正当性。例如Google分析其收到最先4万1千笔请求删除资料的塬因,发现有超过 六成的删除请求是涉及刑事犯罪的内容。另外在网络环境下,上网行为都会透过Cookie技术,在使用者事先授权或知道但却不异议,甚或知晓但不了解的情况 下,被一一记录下来,例如浏览记录、线上刷卡记录、即时聊天内容,甚至挂号就诊记录等,这些资讯透过分析后,本身具有极大商业价值;但若有人主张被遗忘 权,这些资讯由于并非完全被揭露或知悉,难以确认是否会被完全清除。
面临大数据的 兴起,我们虽然拥抱它可能带来的庞大经济利益,但伴随的风险却是产生这些数据的人们根本不知道该如何处理这些「资讯流」所引发的个资滥用危机,建构在「以 当事人同意」、「隐私权政策」的隐私保护假象下,当前个人隐私保护法律应该要作一番彻头彻尾的检视,以符合大数据时代的发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22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