“愚蠢至极”的支付宝被网信办约谈 大数据时代该如何保障我们的信息安全?

【数据猿导读】 2018年1月3日,支付宝2017年度账单如期而至,并以迅雷不及掩耳之势刷屏朋友圈。“时间总是偷偷流逝,打开账单,这一年是不是过得不太一样……” 一语成谶,这一年的支付宝账单,确实不太一样……


记者 | 小北

官网 | www.datayuan.cn

微信公众号ID | datayuancn


2018年1月3日,支付宝2017年度账单如期而至,并以迅雷不及掩耳之势刷屏朋友圈。


“时间总是偷偷流逝,打开账单,这一年是不是过得不太一样……”


一语成谶,这一年的支付宝账单,确实不太一样……


在账单首页中,支付宝在不显眼处默认勾选“我同意《芝麻服务协议》”选项,协议条款内容涉及“你允许芝麻信用收集你的信息”。拙劣的手法很快被岳屾山律师发现,他称:“支付宝的这一举动不仅仅涉嫌侵犯用户的知情权、选择权,而所谓的《芝麻服务协议》的很多条款都耐人寻味,用户资料存在被泄露的风险。”


1月3日深夜,“芝麻信用”微博针对此事发布情况说明:这件事情,肯定是错了。本来是希望充分尊重用户的知情权,让用户知道,只有在自己同意的情况下,支付宝年度账单才可以展示他的信用免押内容,初衷没错但方式愚蠢至极。


2018年1月6日,国家互联网信息办公室网络安全协调局约谈了支付宝(中国)网络技术有限公司、芝麻信用管理有限公司的有关负责人。网络安全协调局负责人指出,支付宝、芝麻信用收集使用个人信息的方式,不符合刚刚发布的《个人信息安全规范》国家标准的精神,违背了其前不久签署的《个人信息保护倡议》的承诺;应严格按照网络安全法的要求,加强对支付宝平台的全面排查,进行专项整顿,切实采取有效措施,防止类似事件再次发生。


针对约谈支付宝和芝麻信用再度回应,表示将认真落实监管部门要求,从源头查找问题,深刻汲取教训,全面整改。


支付宝年度账单的风波也许就此平息,但这样的事件只是冰山一角。在很多被我们忽视的地方,数据安全的隐患依然遍布。那么大数据时代,个人的信息安全该如何保护呢?


几乎所有人在获取自己的支付宝账单时,都没有注意到“我同意《芝麻服务协议》”这一行蝇头小字,从而“被”授权了支付宝收集你的个人信息。但亡羊补牢,为时未晚,各位支付宝用户可以在其页面右下方点击“我的”,然后点“芝麻信用”——“信用管理”——“授权管理”,就可以解除授权了。另外,你可能会在这里发现更多曾经“不经意间的授权”。


其实除支付宝外,很多软件都采取这样的套路,这就需要你的一双“慧眼”去发现并根据自己的意愿选择“同意”或是“不同意”。相信此次事件后,会有更多的人注意到这一点。


但更多时候,很多软件采取比支付宝更加猖狂的“霸王条款”。不勾选“同意”依旧可以获得你的支付宝账单,但某些APP不选择“同意”你便无法注册使用。这就需要国家法律层面的规范与约束。


但就目前来看,我国大数据方面的法律法规还有待进一步完善,对于某些隐私政策条款,用户几乎没有议价能力,只能任由自己的信息被收集、被利用。因此加快推进完善数据领域立法、提升监管执法效率,优化行业自律标准,构建大数据安全依法有效的保障制度该被提上日程了。


除此之外,还需要支付平台、电商平台以及所有拥有用户数据的企业承担起相应的社会责任,以公平公正的角度切实尊重用户隐私。在此次事件中,蚂蚁金服也一再表示,公司视用户隐私保护为自己的生命线,并不会滥用数据。希望他们能说到做到。(文/小北)



金猿榜往期的获奖名单,将会在峰会现场隆重发布,期待我们的见面?



1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值