京公网安备 11010802034615号
经营许可证编号:京B2-20210330
周鸿祎认为,IOT时代的来临,各类内置操作系统、传感器、芯片的智能设备都将连接互联网。智能设备将会收集到亿级以上数量的数据信息,迎来数据大爆发,迎来真正的大数据时代。此时,能否利用大数据来解决一系列安全问题成为安全行业人士关心的问题。
而Palantir就是这样一家利用大数据解决社会安全问题的公司,Palantir是彼得·蒂尔在2004年创建的大数据挖掘分析公司,公司的客户包括美国中情局(CIA)和联邦调查局(FBI)。Palantir的软件能够对海量的数据库进行梳理、分析与整合,最终为客户提供具有洞察力的结论。
彼得·蒂尔在对话中表示,911之后,美国很重视反恐工作,但是反恐不能建立在给大量非恐怖分子的普通民众带来不便和骚扰的基础之上,所以怎样尽可能的减少对隐私的侵犯又能够达到最好的反恐效果,这个是Palantir希望能够做到的。
周鸿祎也认为应该平衡好大数据利用与用户隐私之间的关系,他认为怎样更好的保护用户信息应该成为企业关注焦点。此前,周鸿祎还在多个场合提过用户信息保护三原则:
用户数据应该归用户所有。周鸿祎认为,用户使用智能设备产生的用户数据被传至互联网公司的云端服务器上,应该旗帜鲜明的定义这些数据资产是用户的资产,只不过是用户把它托管在互联网公司的服务器上。
用户有知情权和选择权,用户有权不允许网络公司使用自己的数据。周鸿祎认为互联网公司利用用户数据属于正当的商业模式,但前提是用户要有知情权和选择权。即企业必须要得到用户授权。如果有用户表示不愿意个人隐私被拿来做商业交换,那么用户有权利要求互联网公司销毁和删掉用户数据,或者把数据交给用户。
公司有更大的责任保护用户数据,安全存储安全传输。面对IOT,很多企业表示要转型成互联网公司,周鸿祎表示,当企业获得大量用户数据的同时,企业有更大的责任保护用户数据,因为用户数据一旦从服务器上被窃取,极可能导致用户在其他服务上的账号受到威胁。
彼得·蒂尔表示,有些事情是人可以做的但计算机做不到,比如在一堆东西里面挑出某一件,人一眼就能看出来,但是计算机做不到。但是在数据方面,如果每一条数据都需要人来进行处理,人是忙不过来的。但数据处理分析又需要人的辨识能力,所以怎么样把人和机器的最强的优势给发挥出来,然后把他们结合好,这是Palantir最核心的技术。
因此,彼得·蒂尔认为Palantir其实是一家“反大数据”公司,数据本身是不能够自动产生结果的,仅凭海量数据和一台机器想产生出具有洞察力的结果,这是不可能做到的。因此,彼得·蒂尔说一旦听到“大数据”、“云计算”这样的词语,就会认为那些人是因为实在讲不出什么东西才用这些“热词”进行忽悠。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27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