
网络黑产的大数据阴谋(3)_数据分析师培训
“在产业链的不同环节中,不同的团伙既独立作案,又能够在一定程度上形成相互协作的关系,就好像一群强盗在分食一条大鱼,有的团伙吃鱼头、有的团伙吃鱼身、有的团伙吃鱼尾,剩下的团伙喝鱼汤。”朱劲松如是形容黑产链条的运作。
个人信息界定还需明晰腾讯发布的《网络黑色产业链年度报告》显示,随着大量网站数据库被盗取,越来越多的网络犯罪分子倾向于在掌握网民个人信息后,以冒充熟人或博取同情等精准式诈骗场景对受害人进行欺诈。
那缘何目前买卖个人信息呈泛滥之势却似乎难以规制呢?中国互联网协会信用评价中心法律顾问赵占领对法治周末记者表示,“这与目前我国法律对于个人信息的界定还不清晰有关”。
赵占领对法治周末记者表示,尽管我国刑法明确规定,窃取或者以其他方法非法获取公民个人信息,情节严重的,将被追究刑事责任,“但是对于什么是个人信息,目前规定的还比较笼统”。
2012年12月,全国人大常委会颁布了《关于加强网络信息保护的决定》,随后工信部也出台了《电信和互联网用户个人信息保护规定》,采用了列举加概括的方式指出,个人信息包括用户姓名、身份证号等能够单独或者与其他信息结合识别用户的信息。 赵占领表示,现实中黑客往往会通过拖库的方式会获得用户的一些数据,比如cookie,是用户在网络上的行为轨迹,但这些数据是不是个人信息法律上暂时还没有明确的规定,但是经过整合加工,则往往具备了识别到个人的特点。
“个人信息、个人数据、个人隐私这三者其实是不同的概念,但是法律目前未对此作出界定和厘清,这使得黑产分子在获取数据后,很难以窃取或者以其他方式获得公民个人信息罪论处的重要原因。”赵占领说。
朱劲松对此也是深有感触,他以微信号为例,很多用户都是通过手机号作为微信号的,而通过实名登记的手机号都是直接对应到个人的,那么此时微信号属不属于个人信息?
西安交通大学信息安全法律研究中心主任马民虎对法治周末记者表示,其实对于网络黑产上的每一个环节、每一种行为基本都能在现有法律框架下找到对应的法律进行规制。
比如法律明确规定,侵入国家事务、国防建设以外的计算机信息系统,获取系统存储、处理或者传输的数据,情节严重的将追究刑事责任。
不过,马民虎认为,“尽管法律规定了严格的惩罚责任,但是缺少如何防范的法律规定,如果不在如何防治上落实法制,只有责任规定就形同虚设”。
马民虎举例道,很多网络服务提供者在提供服务的时候不可避免地要收集用户信息,但是到底互联网平台要采取什么样的措施,履行什么样的义务,法律并没有明确规定,只是一些互联网公司在做着这方面的尝试,但个别企业的做法并没有形成行业规范,或者是形成标准。
以12306用户数据泄露为例,据媒体披露,在泄密发生后一段时间内,依照泄露出来的用户名和密码仍旧可以登录,用户并没有收到任何提醒。
“对于网络服务提供者注意义务尽到什么程度,这个界限在哪里目前还有很大的争议,毕竟任何技术都不是绝对安全的,并不是所有的用户信息泄露都是网络服务提供者存在过错,再比如在出现数据泄露多久后要告知用户等,目前法律并无明确规定。”赵占领对法治周末记者说。
针对这种情形,我国正在制定相应的管理标准(尚未正式颁布),拟对网络服务提供者出现信息泄露后应承担的义务作出明确规定。 一位不愿透露姓名的业内人士对记者表示,这些义务包括:立即采取补救措施,防止信息继续泄露;24小时内告知用户,根据用户初始注册信息重新激活账户,避免造成更大的损失;24小时内报告公安机关。
“这样细致的规定有助于明确企业的责任,第一时间通知用户的规定,也有助于降低信息泄露的安全隐患。”赵占领对法治周末记者说。
针对一些网络服务提供者不履行网络安全管理义务,造成严重后果的情况,我国也计划通过立法增加其刑事责任。
公安部第三研究所研究员黄道丽对法治周末记者介绍,2014年刑法修正案(九)草案就规定,“网络服务提供者不履行法律、行政法规规定的信息网络安全管理义务,经监管部门通知采取改正措施而拒绝执行,致使违法信息大量传播的,致使用户信息泄漏,造成严重后果的,或者致使刑事犯罪证据灭失,严重妨害司法机关依法追究犯罪的,追究刑事责任”。
“虽然此罪为结果犯,但从刑法角度强化了服务提供者的安全管理责任,不仅反映了我国立法中强化安全的新趋势和动向,也将适用于漏洞攻击导致用户信息泄露而服务提供者不作为的情况。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23