近期支付寶、微信、銀聯(lián)等移動(dòng)支付企業(yè)紛紛搶灘城市公共服務(wù)。針對(duì)地鐵公交這一場(chǎng)景，目前已經(jīng)有超過30個(gè)城市在支付寶內(nèi)上線了電子公交卡功能，這意味著——用戶可以丟開匿名的交通卡，使用支付寶及相關(guān)應(yīng)用進(jìn)行刷碼通行。

和此前共享單車市場(chǎng)相比，軌道交通等公共出行在每個(gè)人的生活中都占據(jù)了更重要的地位。用“現(xiàn)代支付系統(tǒng)”取代“傳統(tǒng)地鐵充值卡”所能提供的便利，讓很多用戶感到迫不及待。

而在現(xiàn)代支付系統(tǒng)的接入之后，出行的數(shù)據(jù)也可能繼續(xù)用在城市交通管理之中，改善更多其他服務(wù)，如改進(jìn)城市的交通服務(wù)、整治擁堵等等。而這些便利存在的前提在于——當(dāng)今的大數(shù)據(jù)時(shí)代大背景。

高速發(fā)展、高吞吐量的大數(shù)據(jù)時(shí)代，絕大多數(shù)人都的所有行為逐漸都能在信息世界之中留下數(shù)據(jù)足跡，無論是用戶主動(dòng)留下的數(shù)字腳印，還是由他人建立的關(guān)于用戶的數(shù)據(jù)。

在此，筆者仍然希望“老生常談地”與大家探討大數(shù)據(jù)時(shí)代的個(gè)人隱私問題。

個(gè)人與服務(wù)商之間的信息不對(duì)稱

信息時(shí)代下，只要我們使用在線工具和平臺(tái)，或者接入平臺(tái)的服務(wù)，就會(huì)產(chǎn)生相應(yīng)的數(shù)據(jù)。在一些觀點(diǎn)看來，人人是數(shù)據(jù)的生產(chǎn)者，可以讓信息變得更透明。但是作為線上服務(wù)的使用者，即便有用戶隱私條款的存在，多數(shù)的用戶仍然并不了解自己被采集了什么樣的信息，被追蹤了哪些數(shù)據(jù)。

條款中冗長的文字、專業(yè)的術(shù)語，都會(huì)給普通用戶的精準(zhǔn)理解帶來一點(diǎn)困難。除此之外，用戶條款中夾雜的“可能”、“潛在”等詞匯的存在，繼續(xù)模糊了好不容易建立起來的一點(diǎn)概念。這些數(shù)據(jù)的使用狀況，數(shù)據(jù)分析和挖掘的目標(biāo)和最終的數(shù)據(jù)消費(fèi)者，更是不得而知。

即便一些用戶是較為謹(jǐn)慎的——他們?cè)谶x擇應(yīng)用服務(wù)的時(shí)候會(huì)考慮“數(shù)據(jù)泄漏”帶來的影響，但他們能夠避開的更多只是一些聲譽(yù)差的，已經(jīng)發(fā)生過數(shù)據(jù)泄漏的企業(yè)。通常情況下，規(guī)模較大的企業(yè)能夠享有更好的聲譽(yù)和用戶口碑，獲得多數(shù)人的信任和青睞。

如果這家服務(wù)商的大名家喻戶曉，人人都在使用它的APP，更多的用戶就能放心大膽的進(jìn)行注冊(cè)，然后開始使用這款服務(wù)。但顯然，這仍然只是“一廂情愿”的信任，大的企業(yè)也可能存在安全漏洞和疏忽。僅在過去的一年中，就繼續(xù)曝出了大大小小的數(shù)據(jù)泄漏事件，其中也有不少知名大企業(yè)的身影。

互聯(lián)網(wǎng)巨頭 Yahoo 數(shù)據(jù)泄漏：10億賬號(hào)的用戶姓名、生日、郵箱地址、密碼、電話、安全問題和答案全被泄露

美國三大信貸之一 Equifax 數(shù)據(jù)泄漏：超過 1.43 億的美國用戶數(shù)據(jù)泄漏，包括姓名，社保號(hào)碼，出生日期，地址，及駕駛證信息；20.9 萬用戶的信用卡號(hào)，以及部分英國和加拿大用戶信息。

移動(dòng)出行 Uber 數(shù)據(jù)泄漏：5700 萬乘客用戶信息泄漏，5萬名司機(jī)信息泄露。

深度分析和機(jī)器學(xué)習(xí)在混淆隱私邊界嗎

積累足夠全面的數(shù)據(jù)才能讓有規(guī)律的隨機(jī)事件，在大量重復(fù)出現(xiàn)的條件下，呈現(xiàn)出幾乎必然的統(tǒng)計(jì)特性。

隨著政府的政策支持和公共部門積極進(jìn)行數(shù)據(jù)整合，冗余數(shù)據(jù)中蘊(yùn)含的戰(zhàn)略和資產(chǎn)方面的價(jià)值逐漸浮出水面，企業(yè)紛紛著力于進(jìn)行大數(shù)據(jù)技術(shù)研發(fā)與產(chǎn)品化。企業(yè)在應(yīng)用數(shù)據(jù)進(jìn)行決策和謀利的同時(shí)，仍然會(huì)不言而喻地使用用戶的個(gè)人數(shù)據(jù)，使之在整合、關(guān)聯(lián)和深度分析時(shí)受到隱私侵犯。 在當(dāng)前數(shù)據(jù)科學(xué)和信息技術(shù)發(fā)展的過程中，隱私信息的界定正在變得不嚴(yán)格。

巨大的數(shù)據(jù)集之下，即便個(gè)人提供部分?jǐn)?shù)據(jù)字段，也可能被得出一些隱秘的推測(cè)，并給用戶帶來風(fēng)險(xiǎn)。

2016年，上海交通大學(xué)的一篇機(jī)器學(xué)習(xí)論文《基于面部圖像的自動(dòng)犯罪概率推斷》曾引起過爭(zhēng)議。相同遭遇的還有2017年斯坦福大學(xué)公布的論文《Deep neural networks are more accurate than humans at detecting sexual orientation from facial images》，其中的 AI 算法已經(jīng)能夠通過個(gè)人的肖像照片識(shí)別同性戀，且準(zhǔn)確率高達(dá)81%。

公開在社交網(wǎng)站及其他角落的相片信息中的肖像不存在隱私問題，但對(duì)于人臉圖像數(shù)據(jù)的分析、存儲(chǔ)和使用，隱私權(quán)問題依舊面臨挑戰(zhàn)。如果個(gè)人用戶并不在意自己在各個(gè)角落的信息披露，認(rèn)為網(wǎng)絡(luò)空間僅僅是和普通公共場(chǎng)所一樣，那么當(dāng)處在隱私邊界時(shí)，他們就容易遭到認(rèn)知偏差的影響，比如過度低估個(gè)人信息的利用程度和數(shù)據(jù)價(jià)值。只需要一些公開的信息，運(yùn)用技術(shù)就可以對(duì)個(gè)人的情況進(jìn)行推斷、分類甚至“定價(jià)”和“特殊對(duì)待”。