隐私——2.0和云计算中被忽视的大问题

昨天,我的twitter时间线上突然同时出现了几条关于隐私的信息。

 

怎么回事儿呢?看了看,原来是Google CEO Eric Schmidt近日出言鲁莽,犯了众怒。这条新闻已经成为Hacker News网站Reddit技术频道的头条。Schmidt同学在NBC采访中说,Google会收集用户信息并保存一段时间,而且这些信息有可能依法被政府当局审查。更刺激的是,女主持人问:”大家都觉得Google是自己可信赖的朋友,这样做适合吗?“他居然这样回答:

“If you have something that you don't want anyone to know, maybe you shouldn't be doing it in the first place.”

如果你有什么事情不想让任何人知道,可能一开始就不应该去做。

 

这说法听上去太霸道了。事实上,Schmidt本人就曾经被侵犯过隐私,2005年CNet记者通过Google搜到了他的薪水、邻居、嗜好和政治捐款情况,并公之于众。这事件导致Google对CNet的记者采取了封杀一年的报复措施。而近年尤其是今年,Schmidt同学更是连续传出很多绯闻,被人发现拥有很多女朋友……难道这些事情他愿意让任何人知道?否则,又为什么要做呢?

 

网友们在互联网上四处寻找思想资源,结果挖出不少完全不同的意见。

 

著名的商业畅销书作家Seth Godin刚刚写下了(心有灵犀?)博客文章“如何在数字时代保护自己的创意”(请自备梯子),提出了这样的观点:保护创意看似需要利用传统的知识产权手段:商标法、版权法和专利,但是在数字时代,这些已经不再那么有效,因为这些办法都妨碍了新思想、新观念的传播。那么,怎么保护呢?Seth的回答是:不保护,相反,尽力传播出去。“把精力放在成为剪刀最锋利的最牛裁缝,而不要哪个裁缝在用剪刀就告他的官司专业户。”

 

而世界级安全技术专家、《应用密码学》作者Bruce Schneier在2006年写的“隐私的价值”一文,本身是回应美国政府对人民的审查,但也直接针对“如果你没做坏事,为什么要隐藏呢?”这一说法。他指出,隐私是一种固有人权,是维持人类尊严的必要条件,如果丧失了隐私,最终也会丧失自由。

 

乔治城大学的法律教授Solove对此有更多的专业研究

 

的确,隐私是我们之前可能重视不多、讨论很少的大问题。我们面临着一个新的时代。你越来越难以隐藏自己的信息,一方面是因为技术上找信息越来越容易,一方面也是因为你为了共享和协作方便(云计算),或者为了更好地推广自己,推广宣传自己的产品、想法等等,需要向外提供更多的信息。

 

某种意义上,这是一件好事,它将使人们做好事更容易,而做坏事更难。一张高价烟、豪华车的照片,加上人肉搜索,可以很快地使一个贪官倒台。这样的例子我们已经见过太多。从这一点来说,Schmidt的说法也不无道理。

 

但是,在国内法制不健全,环境还远远不能令人满意的大背景中,这种技术变革带来的隐私丧失,我们究竟该怎么面对?

 

 

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 2
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