一年一度的打假晚会如期举行，“隐私数据”成为核心关键词。无论是免费Wi-Fi窃取位置信息，还是儿童智能手表成为窃听工具，都在揭示科技的进一步扩张正在压缩人们隐私边界的事实。当事人又举了一个例子：用户只需要浏览网页，科技公司就可以抓取MAC地址，然后与手机号码进行匹配，方便营销公司进行精准营销。在利益驱动下，科技成为灰色产业链中的淘金铲。用户浏览的产品信息、浏览时间、爱好等非生物识别信息是该技术的“原材料”，成为隐私泄露的又一重灾区。这其实是去年“人脸识别”话题的延续，只是隐私数据从人脸等生物识别信息变成了非生物识别信息，但本质上是又一次技术侵犯隐私的曝光。长期以来，围绕技术和隐私的讨论不胜枚举。人们对两者的首要性质如何尚未达成共识，但基本承认两者不是零和博弈。关键在于如何划分技术和隐私数据。和商业行为的“界限”。数据失控2021年3月15日晚会，央视披露多家企业违规采集人脸数据，宝马、科勒卫浴等品牌被点名批评。半年后，便利蜂布下摄像头收集数据，进而将数据隐私推上了舆论的制高点。这两起事件只是众多企业收集的数据的一个缩影。在人们的生产生活中，这样的例子比比皆是：上下班需要刷脸签到，进小区需要刷脸开锁，摄像头的“监控”必不可少在购物中心购物。.这些只是在离线场景下收集的数据。在网上，用户的个人信息、爱好等数据也会被抓取，以推荐更合适的产品、文章、图片、视频等内容。在大数据和互联网技术组成的数字时代，人们已经无法避免个人数据的收集，但线下收集的数据多为个人生物特征信息（人脸、指纹等），更容易吸引人们的注意力。关注，而在线收集的个人数据尚未引起足够的重视。但目标是一样的。收集数据不是目的，让数据产生价值才是企业的追求。无论线上还是线下，围绕数据产生的利益链条已经深入到众多企业的血管中。在这个利益链条中，有的被称为灰色交易，比如私人数据的直接倒卖，有的则在法律监管之外，比如收集数据优化推荐算法，通过推送个性化产品和广告来达成交易。“数据越有效，价值就越大。”某数据公司数据中心VP告诉掘金，现在很多算法都需要大量的数据进行训练和优化，从而实现更智能的推送。这就是为什么许多公司冒险收集包括人脸在内的数据：使用数据来调整营销策略、接触更有效的用户、达成交易并产生收入。举个简单的例子：商家开业初期，数据分析发现女性消费者比较多，那么其商品在后续的供货清单中也会趋向于女性。另一个有趣的现象是，之前有很多APP不提供个人信息就无法使用。在很多APP的解释中，收集个人信息数据的目的是为了更好地推荐内容，但“不给就不能用”其实暴露了其真实目的：满口诚意，但实际上这完全是为了生意。“一方面，更好的推荐内容有利于增强用户粘性；另一方面，APP需要收集用户数据，构建用户画像，便于与广告商洽谈合作。”一位广告业务负责人表示，在结算方式相同的情况下，一个合适的平台可以为三方带来双赢：“广告主可以降低有效用户的获客成本，APP主获得广告收入，用户获得更多优质好看的内容。”但这种“赢??”其实是建立在用户数据之上的。也就是说，这场数据交易的受益者只有两个：广告主获得精准曝光，获客成本进一步降低。并且可以由其他产品转化而来；APP端获得广告收入。对于用户来说，除了被卖数据，还可能通过广告消费商品。虽然用户可能不会花钱购买产品，也不会产生任何直接的经济损失，但通过他们的数据交易，其他两方都会获益，而自己的一方也会承担“交易成本”，即使这种成本不是可见的。这正如纪录片《监视资本主义:智能陷阱》所说：“如果你不花钱购买产品，那么你就是待售商品。”一位业内人士告诉掘金，由于相关方以提供服务为借口收集数据，消费者实际上处于弱势地位。即使消费者有一定的警惕和保护意识，在拒绝收集数据、无法享受基本服务的情况下，也不得不捂着鼻子签下这样的“不平等条约”。在这种不对等的关系中，生产者的强势和消费者的弱势导致了越来越多的数据交易。除了缺乏有效的监管措施外，个人隐私数据的收集也越来越猖獗，并逐渐失控。膨胀的“信息茧”对于很多人来说，生物识别信息比非生物识别信息具有更高级别的隐私保护。一般情况下，生物识别信息（人脸、指纹等）与资金账户、社会关系等密切相关，一旦发生泄露，由此造成的风险损失在一定程度上是“可预见的”，损失相对“可预见””。以人脸数据为例，发生数据泄露后，用户可以先预判账户的安全性，然后通过各种手段冻结账户。非生物识别信息（兴趣、爱好等）由于风险损失的“不可预测性”，普通用户很难有直观的认识。例如，在注册APP时，需要用户填写基本信息、个人爱好等信息。在这个过程中，用户只需要付出时间成本，没有直接的利益损失，可以获得更精准的信息推送服务。但命运赐予的礼物，早已暗暗标好了价格。这些数据虽然不会直接造成损失，但危害可能更大。在这些数据的支持下，各种推荐算法应运而生，封闭的“信息茧房”相继建成。茧房内的使用者，纷纷成为被收割的对象。大数据查杀可以说是一种比较明显的收割方式。系统抓取用户在线时间、消费记录等特征值，通过标签对用户进行分组，然后推送不同的折扣，给新用户打折，老用户则尊贵。人们常说的消费主义也与此有关。很多用户在购物平台购买商品，系统会根据用户的浏览记录、时长、输入的标签、好友等推送他们可能喜欢的商品，不可控。最后，用户可能会买到很多不实用的产品。这两种都比较常见，但商家只是想赚取更多的利润。虽黑，但至少在法制监管之内。但从另一个角度来看，如果基于数据的推荐算法得不到有效引导，就会带来一场“社会灾难”。品牌传播中有一个常用的技巧，叫做培养用户心智。最典型的例子就是“钻石恒久远，一颗恒久”的广告，把钻石等同于爱情，成为婚姻不可或缺的东西。其实，钻石本身并没有黄金那么值钱，但还是让无数男男女女为之倾倒。罗马的建设不是一蹴而就的，更不可能一夜之间培养出用户的心智，但它是潜移默化、潜移默化的。以最近热议的豆瓣为例：豆瓣在2012年推出了“豆瓣猜猜”功能，按照官方的定义，这个功能是这样的：“根据你的喜好自动获取你的个人推荐，每个人的推荐列表都不一样，你的收藏和评论越多，豆瓣给你的推荐就越准确和丰富越来越准确了。”毫无疑问，这个功能的初衷是为了给用户提供更好的内容，其中就包括很多?的APP。使用推荐算法的时候，直接的目的就是增强用户粘性，然后通过广告变现。但这种推荐实际上会形成“信息茧”，即用户沉浸在某一类内容中的时间过长，难以接收到其他跨行业的内容，造成信息拥塞。在这个“茧房”里的用户每天都在受到同质化内容的冲击，思维也会受到影响，趋于单一甚至偏激。对豆瓣的研究表明，由于豆瓣是一个群组机制，群组内的信息交流相对封闭，并且受推荐算法的影响，群组成员收到的内容更加单一（准确）。整个群就像一个房子，只接受推荐算法的喂食，拒绝跨行业交流，所以豆瓣上一些偏激的言论不难理解。如果将这种推荐算法用在舆论战中，比如在俄乌事件中，Facebook允许用户发表任何对俄乌领导人的仇恨言论，那么很多人可能会收到更多类似的言论，这将带来严重的社会后果。问题。所以，看似不那么重要的数据，会被推荐算法放大，影响会被放大无数倍。即使推荐算法一开始是善意的，如果没有有效的监督，最终也会导致恶果。技术、监管与商业行为“技术只是一种手段，没有好坏之分，全看人从中得到什么，它为人服务的目的是什么，人给什么条件。”德国存在主义哲学家雅斯贝斯如是说。互联网、大数据、人工智能等新技术确实给生产生活带来了变革，同时也重塑了商业模式，但科技与人的关系却产生了“滞后效应”。所谓滞后效应，就是法律监管和公众意识的觉醒滞后于新技术的演进。这种时间差异造成的认知差异很可能引发纠纷，而这种纠纷由于利益相关者的态度完全不同。以人脸识别为例，这项技术已经广泛应用于视频监控、消费电子等场景，但对于不同的采集主体，人们的看法不一。比如，疫情防控需要采集人脸信息，几乎没有人表示反对，但店内采集人脸信息却千方百计。“说服公权力让人相信公权力为了公众的安全和福祉而收集人脸信息。”一位法律界人士表示，这种信任在商业层面恰恰相反：当利用人脸识别技术开展业务时，人们对生物识别信息相当敏感，甚至可以说是抗拒.由于前者属于利益共享，有政府背书，人们认为前者有能力保护个人数据安全。但后者是一种纯粹的商业行为，消费者无法从中获得利益，存在较大的信任危机。这段时间，由于缺乏针对性的法律规范，隐私、技术、商业、监管之间的界限模糊，成为灰色产业链滋生的沃土。《个人信息保护法》和《数据安全法》的出台在一定程度上规范了行业，但从监管的角度来看，隐私、技术和商业行为之间的界限还不够清晰。以生物识别信息为例，哪些信息可以采集，哪些信息不能采集，什么时候可以用，什么时候不能用，在国家层面还没有正式的法律依据支持。例如，现在很多科技公司都在做“智能商务”，即收集数据为商家提供营销服务。《个人信息保护法》中明确规定了人脸信息，企业私自采集人脸用于商业用途属于违法行为。科技公司已经可以通过数据脱敏等技术手段，避开人脸信息，收集性别、年龄、衣着、用户行为等其他信息，这部分数据其实就是前面提到的灰色地带。这些数据可以收集吗？这是一个问题。另一个问题是是否限制在线用户推荐算法收集数据的范围和类型？一位数据公司的VP告诉掘金，目前的大数据其实正处于线上线下融合发展的阶段，任何一端的监管缺失都会造成严重的问题。虽然在2022年1月引入了《互联网信息服务算法推荐管理规定》来规范推荐算法，但在数据收集方面仍然缺乏约束。比如今年315之后，淘宝、抖音、微博等APP推出算法关闭按钮，允许用户关闭“个性化推荐”，但实际影响可能有限。一位业内人士表示，关闭“个性化推荐”有弹性：一是只是降低了内容的相关性；二是降低了内容的相关性。第二，仍然可以通过其他算法（如最近邻算法）来感知消费者的偏好；第三，APP隐私数据仍然可以被收集。当然，这并不意味着该功能毫无用处。在他看来，数据已经成为现代商业不可或缺的一部分，是数字经济发展的基础“资源”。数据和业务之间的联系几乎不可能分开。“如果要划分隐私数据、技术和商业行为之间的界限，需要企业、消费者、监管机构、媒体等各方的参与。”而这将是一场持久的“利益游戏”。本文转载自雷锋网。如需转载，请在雷锋网官网申请授权。
