你的隱私，大數據怎知道

在網絡上，每個人都會或多或少，或主動或被動地泄露某些碎片信息。這些信息被大數據挖掘，就存在隱私泄露的風險，引發信息安全問題。面對洶涌而來的5G時代，大眾對自己的隱私保護感到越來越迷茫，甚至有點不知所措。那么，你的隱私，大數據是怎么知道的呢？大家又該如何自我保護呢？

1.

“已知、未知”大數據都知道

大數據時代，每個人都有可能成為安徒生童話中那個“穿新衣”的皇帝。在大數據面前，你說過什么話，它知道；你做過什么事，它知道；你有什么愛好，它知道；你生過什么病，它知道；你家住哪里，它知道；你的親朋好友都有誰，它也知道……總之，你自己知道的，它幾乎都知道，或者說它都能夠知道，至少可以說，它遲早會知道！

甚至，連你自己都不知道的事情，大數據也可能知道。例如，它能夠發現你的許多潛意識習慣：集體照相時你喜歡站哪里呀，跨門檻時喜歡先邁左腳還是右腳呀，你喜歡與什么樣的人打交道呀，你的性格特點都有什么呀，哪位朋友與你的觀點不相同呀……

再進一步說，今后將要發生的事情，大數據還是有可能知道。例如，根據你“飲食多、運動少”等信息，它就能夠推測出，你可能會“三高”。當你與許多人都在獨立地購買感冒藥時，大數據就知道：流感即將暴發了！其實，大數據已經成功地預測了包括世界杯比賽結果、股票的波動、物價趨勢、用戶行為、交通情況等。

當然，這里的“你”并非僅僅指“你個人”，包括但不限于，你的家庭，你的單位，你的民族，甚至你的國家等。至于這些你知道的、不知道的或今后才知道的隱私信息，將會把你塑造成什么，是英雄還是狗熊？這卻難以預知。

2.

數據挖掘就像“垃圾處理”

什么是大數據？形象地說，所謂大數據，就是由許多千奇百怪的數據，雜亂無章地堆積在一起。例如，你在網上說的話、發的微信、收發的電子郵件等，都是大數據的組成部分。在不知道的情況下被采集的眾多信息，例如被馬路攝像頭獲取的視頻、手機定位系統留下的路線圖、駕車的導航信號等被動信息，也都是大數據的組成部分。還有，各種傳感器設備自動采集的有關溫度、濕度、速度等萬物信息，仍然是大數據的組成部分。總之，每個人、每種通信和控制類設備，無論它是軟件還是硬件，其實都是大數據之源。

大數據利用了一種名叫“大數據挖掘”的技術，采用諸如神經網絡、遺傳算法、決策樹、粗糙集、覆蓋正例排斥反例、統計分析、模糊集等方法挖掘信息。大數據挖掘的過程，可以分為數據收集、數據集成、數據規約、數據清理、數據變換、挖掘分析、模式評估、知識表示等八大步驟。

不過，這些聽起來高大上的大數據產業，幾乎等同于垃圾處理和廢品回收。

這并不是在開玩笑。廢品收購和垃圾收集，可算作“數據收集”；將廢品和垃圾送往集中處理場所，可算作“數據集成”；將廢品和垃圾初步分類，可算作“數據規約”；將廢品和垃圾適當清潔和整理，可算作“數據清理”；將破沙發拆成木、鐵、布等原料，可算作“數據變換”；認真分析如何將這些原料賣個好價錢，可算作“數據分析”；不斷總結經驗，選擇并固定上下游賣家和買家，可算作“模式評估”；最后，把這些技巧整理成口訣，可算作“知識表示”。

再看原料結構。大數據具有異構特性，就像垃圾一樣千奇百怪。如果非要在垃圾和大數據之間找出本質差別的話，那就在于垃圾是有實體的，再利用的次數有限；而大數據是虛擬的，可以反復處理，反復利用。例如，大數據專家能將數據（廢品）中挖掘出的旅客出行規律交給航空公司，將某群體的消費習慣賣給百貨商店等。總之，大數據專家完全可以“一菜多吃”，反復利用，而且時間越久，價值越大。換句話說，大數據是很值錢的“垃圾”。

3.

大數據挖掘永遠沒有盡頭

大數據挖掘，雖然能從正面創造價值，但是也有其負面影響，即存在泄露隱私的風險。隱私是如何被泄露的呢？這其實很簡單，我們先來分解一下“人肉搜索”是如何侵犯隱私的吧！

一大群網友，出于某種目的，利用自己的一切資源渠道，盡可能多地收集當事人或物的所有信息；然后，將這些信息按照自己的目的提煉成新信息，反饋到網上與別人分享。這就完成了第一次“人肉迭代”。

接著，大家又在第一次人肉迭代的基礎上，互相取經，再接再厲，交叉重復進行信息的收集、加工、整理等工作，于是，便誕生了第二次“人肉迭代”。如此循環往復，經過多次不懈迭代后，當事人或物的畫像就躍然紙上了。如果構成“滿意畫像”的素材確實已經證實，至少主體是事實，“人肉搜索”就成功了。

幾乎可以斷定，只要參與“人肉搜索”的網友足夠多，時間足夠長，大家的毅力足夠強，那么任何人都可能無處遁形。

其實，所謂的大數據挖掘，在某種意義上說，就是由機器自動完成的特殊“人肉搜索”而已。只不過，這種搜索的目的，不再限于抹黑或頌揚某人，而是有更加廣泛的目的，例如，為商品銷售者尋找最佳買家、為某類數據尋找規律、為某些事物之間尋找關聯等。總之，只要目的明確，那么，大數據挖掘就會有用武之地。

如果將“人肉搜索”與大數據挖掘相比，網友被電腦所替代；網友們收集的信息，被數據庫中的海量異構數據所替代；網友尋找各種人物關聯的技巧，被相應的智能算法替代；網友們相互借鑒、彼此啟發的做法，被各種同步運算所替代。

各次迭代過程仍然照例進行，只不過機器的迭代次數更多，速度更快，每次迭代其實就是機器的一次“學習”過程。網友們的最終“滿意畫像”，被暫時的挖掘結果所替代。之所以說是暫時，那是因為對大數據挖掘來說，永遠沒有盡頭，結果會越來越精準，智慧程度會越來越高，用戶只需根據自己的標準，隨時選擇滿意的結果就行了。

當然，除了相似性外，“人肉搜索”與“大數據挖掘”肯定也有許多重大的區別。例如，機器不會累，它們收集的數據會更多、更快，數據的渠道來源會更廣泛。總之，網友的“人肉搜索”，最終將輸給機器的“大數據挖掘”。

4.

隱私保護與數據挖掘“危”“機”并存

必須承認，就當前的現實情況來說，大數據隱私挖掘的“殺傷力”，已經遠遠超過了大數據隱私保護的能力；換句話說，在大數據挖掘面前，當前人類有點不知所措。這確實是一種意外。自互聯網誕生以后，在過去幾十年，人們都不遺余力地將碎片信息永遠留在網上。其中的每個碎片雖然都完全無害，可誰也不曾意識到，至少沒有刻意去關注，當眾多無害碎片融合起來，竟然后患無窮！

不過，大家也沒必要過于擔心。在人類歷史上，類似的被動局面已經出現過不止一次了。從以往的經驗來看，隱私保護與數據挖掘之間總是像“走馬燈”一樣輪換的——人類通過對隱私的“挖掘”，獲得空前好處，產生了更多需要保護的“隱私”，于是，不得不再回過頭來，認真研究如何保護這些隱私。當隱私積累得越來越多時，“挖掘”它們就會變得越來越有利可圖，于是，新一輪的“挖掘”又開始了。歷史地來看，人類在自身隱私保護方面，整體處于優勢地位，在網絡大數據挖掘之前，“隱私泄露”并不是一個突出的問題。

但是，現在人類需要面對一個棘手的問題——對過去遺留在網上的海量碎片信息，如何進行隱私保護呢？單靠技術，顯然不行，甚至還會越“保護”，就越“泄露隱私”。

因此，必須多管齊下。例如從法律上，禁止以“人肉搜索”為目的的大數據挖掘行為；從管理角度，發現惡意的大數據搜索行為，對其進行必要的監督和管控。另外，在必要的時候，還需要重塑“隱私”概念，畢竟“隱私”本身就是一個與時間、地點、民族、文化等有關的約定俗成的概念。

對于個人的網絡行為而言，在大數據時代，應該如何保護隱私呢？或者說，至少不要把過多包含個人隱私的碎片信息遺留在網上呢？答案只有兩個字：匿名！只要做好匿名工作，就能在一定程度上，保護好隱私了。也就是說，在大數據技術出現之前，隱私就是把“私”藏起來，個人身份可公開，而大數據時代，隱私保護則是把“私”公開（實際上是沒法不公開），而把個人身份隱藏起來，即匿名。

（作者：楊義先、鈕心忻，均為北京郵電大學教授）