大数据隐私保护迫在眉睫
时间： 2017-08-04 来源：四川县域经济网
北京邮电大学教授、博士导师、公共大数据国家重点实验室主任杨义先
大数据既造福人类，又暴露隐私。
大数据时代，你就是《皇帝的新衣》里的主角，赤裸裸的百十来斤肉，说过什么话，它知道；做过什么事，它知道；有什么爱好，它知道；生过什么病，它知道；家住哪里，它知道；你的亲朋好友都有谁，它也知道……反正，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。比如，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，跨门槛时喜欢先迈左脚还是右脚，你喜欢与什么样的人打交道，你的性格特点都有什么，哪位朋友与你的观点不相同等等。
今后将要发生的事情，大数据还是有可能知道。比如，根据你“吃得多、动得少”的信息，它就能推测出你可能会“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爆发。其实，大数据已经成功地预测了包括世界杯比赛结果、多次股票的波动、物价趋势、用户行为、交通情况等等事件。而这里的“你”并非仅仅指个人，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，如将会瞬间把你塑造成英雄还是狗熊，那么，谁都不知道，只有天知道。
第一个例子，是第一位世界级大妈，一部狗血韩剧的主人翁，名叫朴槿惠。她本来好好地当着总统，正引导大韩民族实现“韩国梦”，民众支持率也高达33%。可是，当她那能够拦截中国导弹的萨德导弹还未部署妥当时，自己已被来自网络的导弹击中，身败名裂。
剧情第一幕是这样的：在那遥远的小山村，一个三本大学——梨花女子大学走后门破格录取了一位富二代学生：姓郑，名维罗。于是，蝴蝶的翅膀就轻轻一扇。几位抗议者不经意间通过网络对这位富二代进行了“人肉”，于是，不得了啰！原来，郑同学的老爸竟然曾是朴总统担任议员时的秘书长；秘书长的前妻乃朴大总统的闺蜜；闺蜜的老爸曾被认为是总统的“导师”兼“精神世界的夫妻”。一时间，大家目瞪口呆了。
虽然，开后门的校长已经辞职，但第二幕还是如期上演了。打了鸡血的网友们这下可来劲儿了，又是挖又是刨，既用筛又用镐，经过一番地毯式的上下求索，又有重大发现！连处级干部都不是的闺蜜，竟然曾提前收到并修改过至少44份总统演讲稿，这无疑于严重破坏国家纲纪。
后来，韩剧终于达到了高潮：总统向全体国民致歉，大检察厅宣布设立特别检察组，总统府秘书长、民政首席秘书、宣传首席秘书等8名核心幕僚辞职，总统府被紧急改组，闺蜜被检方以“亲信干政”火速逮捕，十余万人冒严寒上街游行了，“朴槿惠下台”的怒吼声响彻云霄。终于，朴大妈撑不住了，宣布辞职。
你看，大数据隐私的威力不小，它引起的狂风暴雨，确实不亚于太平洋对岸那轻轻一扇的蝴蝶翅膀。
知道了大数据隐私的上述无穷杀伤力后，你也许就会追问，到底什么是大数据？
大数据，就是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
根据麦肯锡所说，大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
还有更多的权威专家们，总结了大数据的若干其它特性，比如，容量的超大性，种类的多样性，获取的快速性，管理的可变性，质量的真实性，渠道来源的复杂性，价值提取的重复性等等。
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的东西。比如，你主动在网上说的话、发的微博微信、存的照片、收发的电子邮件、留下的诸如上网纪录等行动痕迹等，都是大数据的组成部分。在不知道的情况下，你被采集了众多信息，比如，被马路摄像头获取的视频、手机定位系统留下的路线图、在各种情况下被录下的语音、驾车时的GPS信号、电子病历档案、公交刷卡记录等，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，仍然还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。甚至，像本拉登那样完全与世隔绝，不对外流露任何蛛丝马迹的人，也在为大数据提供信息。因为，一个大活人不对外提供信息，这本身就是一条重要的信息，说明此人必定有超级秘密。
无论你是否喜欢，大数据它就在那里；无论主动还是被动，你都在为大数据做贡献。大数据是人类的必然！
大数据它利用了一种“大数据挖掘”的技术，采用了诸如神经网络、遗传算法、决策树方法、粗糙集方法、覆盖正例排斥反例方法、统计分析方法、模糊集方法等高大上的方法。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。如果你已能把所有这些方法和步骤搞清楚了的话，那么，恭喜你，你已成为大数据博士了！可惜，一般人根本不关心这些“阳春白雪”，所以，还是让我们请出“下里巴人”来吧。
大数据产业，可能将是世界上最挣钱的产业。无论从工作原理、原料结构，还是从利润率等方面来看，能够与大数据产业相比拟的，也许只有另一个，从来就不被重视的产业——垃圾处理和废品回收。
废品回收和大数据处理几乎如出一辙：废品收购和垃圾收集，可算做是数据收集；将废品和垃圾送往集中处理工场，算是数据集成；将废品和垃圾初步分类，算是数据规约；将废品和垃圾适当清洁和整理，算是数据清理；将破沙发拆成木、铁、皮等原料，算是数据变换；认真分析如何将这些原料卖个好价值，算是数据挖掘；不断总结经验，选择并固定上下游卖家和买家，算是模式评估。
在垃圾处理和废品回收专家们眼里，根本就不屑一顾，因为他们有适应性更强、效果更好的方法。若不信，请用遗传算法去处理一下垃圾看看，保准一筹莫展。若你非要追问垃圾专家的挖掘方法是什么，对不起，祖传秘方只传后代，并且传男不传女。
再说原料结构。与大数据的异构特性一样，生活垃圾、工作垃圾、建筑垃圾、可回收垃圾和不可回收垃圾等，无论从外形、质地，还是从内涵等方面来看，也都是完全不同的。与大数据一样，垃圾的数量也很多，产生的速度也很快，处理起来也很困难。
如果非要在垃圾和大数据之间找出本质差别的话，那么，只能说垃圾是由原子组成的，处理一次后，就没得处理了；而大数据是由电子组成的，可以反复处理，反复利用。
最后看利润率。确实有人曾在纽约路边的垃圾袋里，一分钱不花就捡到了价值百万美元的，墨西哥著名画家鲁菲诺·塔马约的代表作《三人行》。而从废品中掏出宝贝，更是家常便饭。即使不考虑这些天上掉下来的馅饼，就算将收购的易拉罐转手卖掉，也胜过铝矿利润率；将旧家具拆成木材和皮料，其利润率也远远高于木材商和皮货商。
总之，只要垃圾专家们愿意认真分捡，那么，他们的利润率可以超过任何相关行业。与垃圾专家一样，大数据专家也能将数据（废品）中挖掘出的旅客出行规律卖给航空公司，将某群体的消费习惯卖给百货商店，将网络舆情卖给相关的需求方等等，总之，大数据专家完全可以“一菜多吃”，反复卖钱，不断冶金，而且一次更比一次赚钱，时间越久，价值越大。
大数据挖掘，从正面来说，是创造价值；从负面来说，就是泄露隐私了！
大数据隐私是如何被泄露的呢？大数据隐私的发现和保护，其实很简单，如果还不明白，我来分解一下经典的“人肉搜索”。
一大群网友，出于某种约定的目的，比如，搞臭某人或美化某人，充分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，包括但不限于网络搜索得到的信息（这是主流）、道听途说的信息、线下知道的信息、各种猜测的信息等等；然后，将这些信息按照自己的目的精练成新信息，反馈到网上与其同志们分享。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，便诞生了第二批“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已经坐实，至少主体是事实，那么，“人肉搜索”就成功了。
朴大妈就是“人肉”的牺牲品！可以断定，只要参与“人肉搜索”的网友足够多，时间足够长，毅力足够强，那么，任何人，那怕你是圣贤也经不起考验，都能够被最终描述成恶魔或败类。
此时，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，速度更快而已，每次迭代其实就是机器的一次学习过程；网友们的最终得满意“画像”，被暂时的挖掘结果所替代，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”与大数据挖掘肯定也有许多重大的区别，比如，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”，最终将输给机器的大数据挖掘。
自互联网诞生以后，人们都不遗余力地将若干碎片信息永远留在网上；其中，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，因为，在人类历史上，类似的被动局面已经出现过不止一次了，而且每次最终都会有惊无险地顺利过关；比如，天花病毒突然爆发引发恐慌后，人类便很快将其彻底消灭。其实，只要已经意识到出了问题，人类都一定能够想办法，直到圆满解决。
历史上，隐私保护与隐私挖掘之间是这样的：
人类通过对隐私的挖掘，在获得空前好处的同时，又产生了更多需要保护的隐私。于是，又不得不再回过头来，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“魔高一尺道高一丈”又开始了。如果以时间长度为标准来判断的话，那么，人类在自身隐私保护方面整体处于优势地位，因为，在网络大数据挖掘之前，隐私泄露好像并不是一个突出的问题。
如何进行隐私保护呢？杨教授说，如果单靠技术，显然无能为力，甚至会越保护就越泄露，因此，必须多管齐下。比如，从法律上，禁止以“人肉”为目的的大数据挖掘行为；增加网民的被遗忘权等法律条款——网民有权要求相关网络删除与自己直接相关的信息碎片。从管理角度，也可以采取措施，对一些恶意的大数据行为进行发现、监督和管控。
另外，在必要的时候，还需要重塑隐私概念，因为，毕竟隐私本身就是一个与时间、地点、民族、宗教、文化等有关的东西，在某种意义上也是一种约定俗成的东西，从来就没有过永恒不变的隐私，特别是当某种东西已经不可保密时，无论如何它也不该再被看成是隐私了；就像非洲某些部落妇女的乳房，至今仍然不是隐私一样。
