你 的隐私,大数据怎知道******
作者:杨义先、钮心忻(均为北京邮电大学教授)
在网络上,每个人都会或多或少 ,或主动或被动地泄露某些碎片信息。这些信息被大数据挖掘 ,就存在隐私泄露的风险 ,引发信息安全问题。面对汹涌而来的5G时代 ,大众对自己 的隐私保护感到越来越迷茫 ,甚至有点不知所措 。那么,你 的隐私 ,大数据 是怎么知道的呢?大家又该如何自我保护呢 ?
1.“已知、未知”大数据都知道
大数据时代 ,每个人都有可能成为安徒生童话中那个“穿新衣” 的皇帝。在大数据面前 ,你说过什么话,它知道 ;你做过什么事,它知道 ;你有什么爱好 ,它知道 ;你生过什么病,它知道 ;你家住哪里 ,它知道 ;你 的亲朋好友都有谁 ,它也知道……总之 ,你自己知道 的 ,它几乎都知道 ,或者说它都能够知道 ,至少可以说 ,它迟早会知道!
甚至 ,连你自己都不知道的事情,大数据也可能知道 。例如,它能够发现你的许多潜意识习惯 :集体照相时你喜欢站哪里呀,跨门槛时喜欢先迈左脚还 是右脚呀 ,你喜欢与什么样 的人打交道呀,你 的性格特点都有什么呀 ,哪位朋友与你的观点不相同呀……
再进一步说,今后将要发生的事情,大数据还是有可能知道。例如,根据你“饮食多 、运动少”等信息 ,它就能够推测出 ,你可能会“三高” 。当你与许多人都在独立地购买感冒药时,大数据就知道:流感即将暴发了 !其实,大数据已经成功地预测了包括世界杯比赛结果 、股票 的波动、物价趋势、用户行为、交通情况等 。
当然 ,这里 的“你”并非仅仅指“你个人” ,包括但不限于,你的家庭,你 的单位,你的民族 ,甚至你 的国家等 。至于这些你知道的、不知道的或今后才知道 的隐私信息 ,将会把你塑造成什么 , 是英雄还是狗熊 ?这却难以预知 。
2.数据挖掘就像“垃圾处理”
什么 是大数据?形象地说 ,所谓大数据 ,就 是由许多千奇百怪 的数据 ,杂乱无章地堆积在一起。例如,你在网上说 的话、发的微信 、收发 的电子邮件等 ,都是大数据 的组成部分。在不知道的情况下被采集的众多信息 ,例如被马路摄像头获取的视频 、手机定位系统留下的路线图、驾车 的导航信号等被动信息,也都是大数据 的组成部分 。还有 ,各种传感器设备自动采集 的有关温度 、湿度 、速度等万物信息,仍然是大数据 的组成部分 。总之 ,每个人、每种通信和控制类设备,无论它是软件还是硬件 ,其实都 是大数据之源 。
大数据利用了一种名叫“大数据挖掘”的技术 ,采用诸如神经网络、遗传算法 、决策树 、粗糙集 、覆盖正例排斥反例、统计分析 、模糊集等方法挖掘信息。大数据挖掘 的过程 ,可以分为数据收集、数据集成 、数据规约 、数据清理 、数据变换 、挖掘分析 、模式评估 、知识表示等八大步骤。
不过,这些听起来高大上的大数据产业,几乎等同于垃圾处理和废品回收 。
这并不 是在开玩笑 。废品收购和垃圾收集 ,可算作“数据收集” ;将废品和垃圾送往集中处理场所,可算作“数据集成”;将废品和垃圾初步分类,可算作“数据规约” ;将废品和垃圾适当清洁和整理,可算作“数据清理”;将破沙发拆成木、铁 、布等原料 ,可算作“数据变换” ;认真分析如何将这些原料卖个好价钱,可算作“数据分析” ;不断总结经验 ,选择并固定上下游卖家和买家 ,可算作“模式评估”;最后,把这些技巧整理成口诀,可算作“知识表示”。
再看原料结构 。大数据具有异构特性,就像垃圾一样千奇百怪 。如果非要在垃圾和大数据之间找出本质差别的话 ,那就在于垃圾是有实体的,再利用的次数有限 ;而大数据 是虚拟 的,可以反复处理,反复利用 。例如 ,大数据专家能将数据(废品)中挖掘出 的旅客出行规律交给航空公司 ,将某群体的消费习惯卖给百货商店等。总之 ,大数据专家完全可以“一菜多吃” ,反复利用 ,而且时间越久 ,价值越大 。换句话说 ,大数据 是很值钱的“垃圾” 。
3.大数据挖掘永远没有尽头
大数据挖掘,虽然能从正面创造价值,但是也有其负面影响,即存在泄露隐私的风险 。隐私 是如何被泄露 的呢 ?这其实很简单 ,我们先来分解一下“人肉搜索” 是如何侵犯隐私的吧!
一大群网友,出于某种目的,利用自己的一切资源渠道 ,尽可能多地收集当事人或物 的所有信息 ;然后,将这些信息按照自己 的目 的提炼成新信息,反馈到网上与别人分享 。这就完成了第一次“人肉迭代”。
接着,大家又在第一次人肉迭代 的基础上,互相取经 ,再接再厉 ,交叉重复进行信息的收集、加工 、整理等工作,于是 ,便诞生了第二次“人肉迭代” 。如此循环往复 ,经过多次不懈迭代后 ,当事人或物 的画像就跃然纸上了 。如果构成“满意画像”的素材确实已经证实,至少主体是事实,“人肉搜索”就成功了 。
几乎可以断定,只要参与“人肉搜索” 的网友足够多,时间足够长,大家 的毅力足够强 ,那么任何人都可能无处遁形。
其实 ,所谓的大数据挖掘 ,在某种意义上说 ,就是由机器自动完成的特殊“人肉搜索”而已 。只不过,这种搜索 的目的,不再限于抹黑或颂扬某人 ,而是有更加广泛的目 的,例如 ,为商品销售者寻找最佳买家 、为某类数据寻找规律、为某些事物之间寻找关联等 。总之 ,只要目 的明确 ,那么 ,大数据挖掘就会有用武之地。
如果将“人肉搜索”与大数据挖掘相比 ,网友被电脑所替代 ;网友们收集 的信息,被数据库中 的海量异构数据所替代;网友寻找各种人物关联的技巧,被相应 的智能算法替代;网友们相互借鉴 、彼此启发 的做法 ,被各种同步运算所替代 。
各次迭代过程仍然照例进行 ,只不过机器的迭代次数更多,速度更快,每次迭代其实就 是机器 的一次“学习”过程。网友们 的最终“满意画像” ,被暂时的挖掘结果所替代 。之所以说 是暂时,那是因为对大数据挖掘来说,永远没有尽头,结果会越来越精准 ,智慧程度会越来越高,用户只需根据自己 的标准 ,随时选择满意的结果就行了 。
当然,除了相似性外 ,“人肉搜索”与“大数据挖掘”肯定也有许多重大 的区别。例如,机器不会累 ,它们收集的数据会更多 、更快,数据的渠道来源会更广泛。总之 ,网友的“人肉搜索”,最终将输给机器 的“大数据挖掘” 。
4.隐私保护与数据挖掘“危”“机”并存
必须承认,就当前 的现实情况来说 ,大数据隐私挖掘 的“杀伤力” ,已经远远超过了大数据隐私保护 的能力;换句话说,在大数据挖掘面前,当前人类有点不知所措。这确实是一种意外 。自互联网诞生以后 ,在过去几十年 ,人们都不遗余力地将碎片信息永远留在网上 。其中的每个碎片虽然都完全无害 ,可谁也不曾意识到 ,至少没有刻意去关注 ,当众多无害碎片融合起来 ,竟然后患无穷 !
不过,大家也没必要过于担心 。在人类历史上,类似 的被动局面已经出现过不止一次了 。从以往的经验来看,隐私保护与数据挖掘之间总 是像“走马灯”一样轮换的——人类通过对隐私的“挖掘”,获得空前好处 ,产生了更多需要保护 的“隐私”,于 是 ,不得不再回过头来 ,认真研究如何保护这些隐私 。当隐私积累得越来越多时 ,“挖掘”它们就会变得越来越有利可图,于是 ,新一轮的“挖掘”又开始了。历史地来看 ,人类在自身隐私保护方面 ,整体处于优势地位 ,在网络大数据挖掘之前 ,“隐私泄露”并不 是一个突出的问题。
但 是 ,现在人类需要面对一个棘手的问题——对过去遗留在网上的海量碎片信息,如何进行隐私保护呢?单靠技术,显然不行 ,甚至还会越“保护” ,就越“泄露隐私”。
因此,必须多管齐下 。例如从法律上,禁止以“人肉搜索”为目 的的大数据挖掘行为 ;从管理角度 ,发现恶意的大数据搜索行为,对其进行必要 的监督和管控 。另外 ,在必要的时候 ,还需要重塑“隐私”概念,毕竟“隐私”本身就 是一个与时间 、地点 、民族、文化等有关 的约定俗成 的概念。
对于个人的网络行为而言,在大数据时代,应该如何保护隐私呢?或者说 ,至少不要把过多包含个人隐私的碎片信息遗留在网上呢?答案只有两个字:匿名!只要做好匿名工作,就能在一定程度上,保护好隐私了。也就是说 ,在大数据技术出现之前,隐私就 是把“私”藏起来,个人身份可公开,而大数据时代,隐私保护则是把“私”公开(实际上是没法不公开) ,而把个人身份隐藏起来,即匿名。
《光明日报》( 2023年01月12日 16版)
(文图 :赵筱尘 巫邓炎)