
大数据规制有哪些难点,别忘了你的隐私
个人数据搜集是大数据发展的源泉, 也是隐私风险的源泉, 对于该环节的规制是隐私保护正本清源的关键。但是,在规制过程中存在以下难点:
(1 ) 优化服务与隐私保护的两难选择。
大数据市场中的各个主体均面临着服务优质化和个人信息记录保密的两难选择。从GVM的角度来看,过多的保护隐私,大数据的产业发展和技术革新将面临数据源泉的瓶颈;忽视隐私保护,将危及个人利益,甚至动摇社会信用体系。从企业的角度来看, 免费提供优质的服务是建立在用户提供其个人数据的基础之上的,没有个人数据,难以优化服务和获取利润;有了个人数据,需要承担泄露用户隐私的风险。从个人来看, 一方面受益于服务提供商免费提供的高效、优质服务,另一方面却不得不向其提供一些敏感的个人信息。例如, Amazon的 Silk浏览器为了优化用户体验, 会记录用户浏览的历史数据于“云”上,并对其进行分析,从而找出用户的使用习惯,提前将可能会浏览的页面存储在“云”上。通过这一技术, Silk浏览器大大加快了页面的加载速度和用户响应时间。诸如此类的为实现某种服务优化,需要对特定的人或物的相关信息进行搜集,意味着不得不去接触个人的敏感信息。社交网络在这方面体现得尤为明显。据此,美国、欧盟等国家(地区)均开始尝试对个人信息记录进行监管,但同时却存在着对GVM过多介入而导致阻碍技术革新的担心, 并遭到了部分互联网企业的反对 。
(2)个人数据搜集企业的机会主义行为。
企业在捜集个人数据时,为了规避责任,或者诱导用户l''4J, 可能存在以下投机行为:
一是没有隐私条款。按照当前的法律规定,在搜集个人数据时,应有?用户隐私权保护和个人信息利用政策?(简称隐私条款)相关的说明文件,使用户对数据的用途有知情权。目前,国内不少网站在搜集个人数据时,隐私条款设置不完备,甚至没有设置隐私条款L''S1 。
二是隐私条款中有一些免责条款。例如,某知名门户网站的隐私条款如下,该声明将隐私定义为姓名、身份证号、联系方式、家庭住址,将其他个人数据排除在外,这实际是一种免责条款。同样, x x公司将不会向除上述关联公司外的任何其他方公开或共享用户注册资料中的姓名、个人有效身份***号码、联系方式、 家庭住址等个人身份信息, 也就意味着可以向其他公司提供其他个人数据 。
専重用户个人陰私是XX 公司的-一项基本政策.一隐私”是指用户在注册 XX通行证厳号时提供给 XX公司的个人身份信息.包括用户注册资料中的姓名、个人有效身份***号码、联系方式、家庭住址等. Xx公司一贯积极地采取技术与管理等合理清施保障用户账号的安全、有效; XX公司将善意使用搜集的信息,采取各项有效且必要的措施以保护您的隐私安全,并使用商业上合理的安全技术措施来保护您的隐私不被未经授权的访问、 使用或泄橋。
因业务所需, XX公司需与 XX公司的关联公司杭州雷火网络有限公司、 XX (杭州)网络有限公司、 )CX宝有限公司、北京XX 有道计算机系统有限公司、XX有道信息技术(北京) 有限公司共享用户注册信息, XX公司及上述关联公司承诺将善意使用其个人信息, XX公司将不会向除上述关联公司外的任何其他方公开或共享用户注册资料中的姓名、 个人有效身份***号码、 联系方式、家庭住址等个.人身份信息.但下列情况除外:! {% J( n W* T; x4 O
(1)用户成用户监f·人授权 XX公司披露的;! u$ s6 H: O1 L. `4 c+ z9 { I, x
(2)有关法律要求 XX公1li]被露的;
(3) 司法机关或行政机关基f法定程序要求 XX公司提供的;
(4) XX 公司为了维护白己合法权益而向用户提起诉讼或者仲裁时;2 z2 P7 r4 j% J2 N# O2 V& C3 @: j
(5 ) 应用户监护人的合法要求而提供用户个人身份信息时。
(3)用户漠视隐私风险。
用户漠视隐私风险主要表现在以下两方面。
一是轻视了隐私风险,没有在意,最典型的做法是不看隐私条款。2012年第三方机构互联网协会(The Intemet Society)在全球范围内就互联网以及在线用户行为进行了一次调査①。 调査报告显示, 当用户清楚他们正与某网站或服务分享个人信息时, 绝大部分用户(80%)不太会去阅读隐私条款,而相当一部分调査对象(12%)承认他们从来都不阅读隐私条款。
二是侥幸心理, 为了尽快获取服务或者优惠, 明知有风险, 也懒于防范。互联网协会的调查显示, 19%的调査对象知道个人信息有时候会被用到他们意料不到的地方上去。但是,他们中的一部分人仍然不去阅读隐私条款。而且,登录在线服务的用户中只有一半会主动登出 。
(4)公共利益与个人隐私的冲突。
为维护公共利益,个人数据经常被直接或者强制搜集。搜集以后,由于各种原因,不一定起到「维护公共利益的作用,却实实在在侵犯了个人隐私。 此二者之间的冲突也影响了个人数据捜集的隐私规制 。
一是公共场所的录像资料。20l3年6月网上曝出了轰动一时的“上海高院法官涉嫌集体招嫖”事件。上海法院4名法官在受邀外出用餐时,在惠南镇衡山度假村内的夜总会包房娱乐,接受异性陪侍服务。被人获取了酒店监控资料并在网上公布,使4名当事人被撤职或被免职。 这种个人数据的曝光成「反腐的利器。 而与此同时的另一条消息却引发了争议。 河南省出台有关条例称, 擅自传播公共场所的监控视频将被处罚 。 在摄像头通布街头的今天,公共场所的录像资料既事关个人隐私保护,也事关公共利益。目前还没有权威的法律,规制其搜集、处理和使用。
二是实名制的推广。 中国实名制应用的领域堪称全球之最,通信、交通、金融、医疗、社保、旅游住宿等领域,没有身份证寸步难行。 个人在身份信息公开的情况下变得透明, 随之失去了保持独处和宁静的权利,安全感受到损害,其结果就会导致个人活动和人格的萎缩。更有甚者,实名制产生的各种数据已经成为一种商品, 被采集并存储到大型数据库中, 供他人有偿或无偿的使用。 为了某个目的搜集的信息, 经常在没有征得当事人同意的情况下, 用于实现其他日的, 这是对个人人格权以及隐私权极大的侵犯,数字化使GVM的管理变得越来越便利, 但随之而来的是大量的个人信息被公用化,个人偏好、通讯记录、疾病记录、性格倾向、信用记录、违法记录、雇佣信息等诸如此类的信息被录入GVM数据库中 。 这些数据库的使用并没有制定科学的限制规则, 这就给雇主、GVM机构或其他使用者提供了选择的依据,而这种选择可能因为这些信息的原因而带有歧视性 。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13