Malaking data at privacy: Ano ang mga panganib sa privacy? | VPNOverview

Sa mga nakaraang ilang dekada, ang mundo ay nagbago nang labis sa maraming mga pagbati, lalo na pagdating sa IT. Ang bilang ng mga tao na nakikipag-usap sa araw-araw na batayan ay lumago nang labis, tulad ng dami ng impormasyong nakuha namin. Gayunpaman, ang parehong ay totoo para sa dami ng impormasyon na nangolekta ng mga malalaking kumpanya tungkol sa amin. Ang mga tuntunin tulad ng malaking data ay ginagamit nang mas madalas habang nagpapatuloy ang oras. Ngunit ano ang ibig sabihin nito, eksakto? Ano ang malaking data? Delikado ba? Paano ito nakakaapekto sa ating privacy, kung sa lahat? Iyon ang ilan sa mga katanungang tatalakayin namin sa artikulong ito.


Ano ang malaking data?

Listahan sa magnifying glassAng salitang “malaking data” ay naglalarawan ng napakalaking dami ng (personal) na data na patuloy na natipon ng iba’t ibang mga aktor. Ang isang halimbawa ay ang lahat ng impormasyon na tinipon ng Google tungkol sa mga query sa paghahanap ng mga gumagamit nito. Ang kababalaghan ng malaking data ay isang kamakailan-lamang na pag-unlad na nagsimula dahil (mga malalaking) kumpanya at organisasyon, tulad ng Facebook, Google at karamihan sa mga gobyerno, nagsimulang magtipon ng mas maraming data tungkol sa mga gumagamit nito, mga customer at mamamayan kaysa dati. Ang mga bagong teknolohiya, isang digital na mundo at internet ay nakatulong sa kaunlaran na ito.

Ang mga koleksyon ng malaking data ay madalas na napakalawak na imposibleng pag-aralan ang mga ito gamit ang tradisyunal na pagsusuri ng data. Gayunpaman, kung sinusuri ng isang tao ang malaking data sa tamang paraan, ang mga kagiliw-giliw na pattern at konklusyon ay maaaring ma-impluwensyahan. Halimbawa, ang malalaking data ay madalas na ginagamit para sa malakihang pananaliksik sa pamilihan: alin sa mga produkto ang malamang na mabibili? Anong uri ng advertising ang pinaka-epektibo kapag nais mong maabot at mahikayat ang mga customer?

Upang ang isang dataset ay maituturing na malaking data, dapat itong matugunan ang sumusunod na tatlong pamantayan, na kilala rin bilang 3 v:

  • Dami: Malaking data ay walang anuman kundi isang maliit na sample. Ito ay nagsasangkot ng malawak na mga koleksyon ng data, na nagreresulta mula sa mahaba, patuloy na pagmamasid.
  • Bilis: Ito ay may kinalaman sa mga kahanga-hangang bilis kung saan nakolekta ang malaking data. Bukod dito, ang malaking data ay madalas na mai-access sa real time (dahil ito ay natipon).
  • Iba’t ibang: Ang mga malalaking database ay madalas na naglalaman ng maraming iba’t ibang mga uri ng impormasyon. Ang data sa loob ng malaking data-set ay maaaring pagsamahin upang punan ang anumang mga gaps at gawing mas kumpleto ang mga dataset.

Bukod sa mga 3 v’s na ito, ang malaking data ay may ilang iba pang mga katangian. Halimbawa, ang malaking data ay mahusay para sa pag-aaral ng makina. Nangangahulugan ito na maaari itong epektibong magamit upang magturo sa mga computer at machine ng ilang mga gawain. Dagdag pa, tulad ng naantig namin nang maikli, ang malaking data ay maaaring magamit upang makita ang mga pattern. Kadalasang nangyayari ito sa isang napaka-epektibong paraan, sa pamamagitan ng mga computer na nagtatrabaho sa data. Sa wakas, ang malaking data ay ang pagmuni-muni ng mga digital na mga daliri ng mga gumagamit. Nangangahulugan ito na ito ay isang by-produkto ng mga aktibidad sa digital at online ng mga tao at maaaring magamit upang makabuo ng mga indibidwal na personal na profile.

Iba’t ibang uri ng malaking data

Mayroong iba’t ibang mga paraan upang maiuri ang malaking data. Ang unang paraan, na ginagamit nang madalas, naiiba ang malaking data batay sa uri ng data na kinokolekta. Ang tatlong posibleng mga kategorya na ginamit para sa ganitong uri ng pag-uuri ay: nakabalangkas na malaking data, hindi nakabalangkas na malaking data at semi nakabalangkas na malaking data.

  1. Naayos: Kung ang malaking data ay nakabalangkas, maaari itong mai-save at maipakita sa isang organisado at lohikal na paraan, na mas madaling ma-access ang data at mas madaling maunawaan. Ang isang halimbawa ay isang listahan ng mga address ng customer na nilikha ng isang kumpanya. Sa listahang ito, malamang na makahanap ng isa ang mga pangalan, mga address ng customer, at maaaring iba pang mga detalye tulad ng mga numero ng telepono, lahat ay nakabalangkas nang malinaw sa, halimbawa, isang tsart o talahanayan.
  2. Hindi nakaayos: Ang hindi nakaayos na malaking data ay hindi maayos. Kulang ito ng isang lohikal na pagtatanghal na magiging kahulugan sa average na tao. Ang hindi nakaayos na malaking data ay walang istraktura ng, halimbawa, isang talahanayan na nagpapahiwatig ng isang tiyak na pagkakaisa sa pagitan ng iba’t ibang mga elemento ng set ng data. Samakatuwid ang uri ng data na ito ay mahirap mahirap mag-navigate at maunawaan. Maraming mga database ang nagsisimula bilang hindi nakabalangkas na malaking data.
  3. Semi-nakabalangkas: Ang malaking data na semi-nakabalangkas, tulad ng maaaring nahulaan mo, ay may mga katangian ng parehong nakabalangkas at hindi nakabalangkas na malaking data. Ang kalikasan at kinatawan ng ganitong uri ng data ay hindi ganap na di-makatwirang. Ngunit hindi ito nakaayos at maayos na gagamitin para magamit ng isang makabuluhang pagsusuri, alinman. Ang isang halimbawa ay isang web page na naglalaman ng mga tukoy na tag data ng meta (dagdag na impormasyon na hindi direktang nakikita sa teksto), halimbawa dahil naglalaman ito ng ilang mga keyword. Ang mga tag na ito ay epektibong nagpapakita ng mga tiyak na mga piraso ng impormasyon, tulad ng may-akda ng isang pahina o sa sandaling ito ay inilagay online. Ang teksto mismo ay mahalagang hindi naayos, subalit ang mga keyword at iba pang meta data ay naglalaman ng tulong upang gawin itong isang medyo angkop na batayan para sa pagsusuri.

Pag-uuri batay sa pinagmulan ng malaking data

Ang isa pang karaniwang paraan upang makilala sa pagitan ng iba’t ibang uri ng malaking data ay sa pamamagitan ng pagtingin sa mapagkukunan ng data. Sino o ano ang nakabuo ng impormasyon? Tulad ng nakaraang paglihis, ang pamamaraang ito ng pag-uuri ay binubuo rin ng 3 magkakaibang mga kategorya.

  1. Mga Tao: Ang kategoryang ito ay may kinalaman sa malaking data na nabuo ng mga tao. Ang mga halimbawa ay mga libro, larawan, video pati na rin impormasyon at (personal) na data sa mga website at social media, tulad ng Facebook, Twitter, Instagram, at iba pa.
  2. Pagrehistro ng proseso: Kasama sa kategoryang ito ang higit pang tradisyonal na uri ng malaking data, na natipon at nasuri ng (malaki) mga kumpanya upang mapagbuti ang ilang mga proseso sa isang negosyo.
  3. Mga makina: Ang uri ng malaking resulta ng data mula sa patuloy na lumalagong bilang ng mga sensor na inilalagay sa mga makina. Ang isang halimbawa ay ang sensor ng init na madalas na binuo sa mga computer processors. Ang data na nabuo ng mga makina ay maaaring madalas maging kumplikado, ngunit hindi bababa sa ganitong uri ng malaking data sa pangkalahatan ay maayos na nakaayos at kumpleto.

Ano ang maaaring magamit ng malaking data para sa?

Facebook logoLahat ng tinalakay hanggang ngayon ay maaaring tunog pa rin ng medyo abstract. Hayaan nating gawing mas konkreto ang mga bagay at talakayin ang ilang mga tunay na buhay na aplikasyon ng malaking data. Pagkatapos ng lahat, maraming, maraming mga paraan kung saan ang mga kumpanya at organisasyon ay gumagamit ng malaking data. Ang isa sa mga unang bagay na nasa isipan ay ang napakalaking halaga ng mga kumpanya ng data na natipon tungkol sa amin. Nangongolekta ang Facebook ng data sa lahat ng mga gumagamit nito at pinag-aaralan ito upang magpasya kung ano ang ipapakita sa iyo sa iyong timeline. Siyempre, ginagawa ito upang matugunan ang iyong mga personal na kagustuhan at interes. Inaasahan ng Facebook na makukuha ka nito sa kanilang website para sa mas mahabang panahon. Kaugnay nito, tinipon ng Amazon ang impormasyon tungkol sa mga kliyente at mga produktong binili nila. Sa ganoong paraan, maaaring inirerekumenda ng Amazon ang mga produktong inaakala nilang interesado ka at madaragdagan ang kanilang mga kita sa ganitong paraan.

Gayunpaman, ang malaking data ay ginagamit din sa mga paraan na lubos na naiiba sa mga estratehiyang komersyal na inilarawan sa itaas. Halimbawa, ang mga kumpanya ng pampublikong transportasyon ay maaaring magtipon ng data tungkol sa kung gaano ka abala ang ilang mga ruta. Pagkaraan, maaari nilang pag-aralan ang data na ito upang magpasya, halimbawa, na mga ruta ay nangangailangan ng karagdagang mga bus o tren. Ang isa pang kilalang kaso ng epektibong paggamit ng malalaking data ay nag-aalala sa international delivery giant UPS. Ang UPS ay gumagamit ng mga espesyal na software na binuo pagkatapos ng malaking pagtatasa ng data. Ang software na ito ay tumutulong sa mga driver ng UPS na maiwasan ang mga left-hand turn, na mas mura, mas aksaya at mas mapanganib kaysa sa mga pagliko sa kanang. Dapat, ang sistemang ito ay nai-save na ang UPS milyon-milyong mga galon sa gasolina, lahat salamat sa malaking data.

Ang isa pang kagiliw-giliw na halimbawa ng malaking pagtitipon ng data ay ang mga pagsubok sa DNA at mga website tulad ng MyHeritage DNA. Inaangkin ng website na ito na makakatulong ito sa iyo na “alisan ng takip ang iyong mga pinagmulang etniko at makahanap ng mga bagong kamag-anak” na may isang simpleng pagsusuri sa DNA. Hindi na kailangang sabihin, ang prosesong ito ay nagsasangkot ng maraming pagtitipon ng data at cross-referencing, ginagawa itong isa pang pangunahing manlalaro sa malaking pagkalap ng data at paggamit. “Tradisyonal”, pisikal na pagsusuri sa DNA ay nagsasangkot din ng isang malaking halaga ng malaking data, dahil ang mga kumpanya na nagsasagawa ng mga pagsusulit na ito ay makakakuha ng napakalaking set ng data tungkol sa marami, maraming tao. Siyempre, mahalagang alalahanin ang mga posibleng panganib na dala ng mga malalaking proseso ng pangangalap ng data. Ang mga panganib na ito ay mai-highlight sa susunod na bahagi ng artikulong ito.

Mapanganib ba ang malaking data?

Tulad ng ipinakita sa itaas, ang malaking data ay maaaring hindi kapani-paniwalang kapaki-pakinabang sa maraming mga kaso. Nagbibigay ito sa amin ng toneladang impormasyon na magagamit namin upang mag-streamline ng mga proseso at gawing mas mahusay at kumikita ang mga kumpanya. Gayunpaman, hindi ito nangangahulugang ang pangangalap at paggamit ng malalaking data ay ganap na walang panganib. Mayroong limang mahahalagang panganib na may malaking data. Tatalakayin namin ang lahat ng lima dito.

Mga hacker at magnanakaw

Sa lahat ng ginagawa natin sa online, mayroong isang likas na panganib na ang aming personal na data at impormasyon sa aming mga aktibidad sa internet ay maaaring nakawin. Ang bawat gumagamit ng internet ay kailangang magkaroon ng kamalayan tungkol dito. Ang bilang ng mga data na tumutulo at mga pagnanakaw ay nadagdagan ng drastically sa nakaraang ilang taon. Mayroong madalas na mga kwento sa balita tungkol sa mga kriminal na nagbebenta ng mga set ng data na naglalaman ng mga password at iba pang impormasyon sa mga lugar tulad ng madilim na web. Kadalasan, ang mga set ng data na ito ay ninakaw mula sa mga opisyal na website, kumpanya at organisasyon. Ang mas malaki ang mga hanay ng data na ito ay, mas kawili-wiling nagiging para sa mga magnanakaw upang subukang makuha ang mga ito. Kung nakakuha sila ng kanilang mga kamay sa mga set ng data na ito, maaari silang maging sanhi ng maraming mga problema. Hindi na kailangang sabihin, maaari itong lubos na ikompromiso ang iyong privacy.

Pagkapribado

Ang kasanayan sa pangangalap ng mga personal na data ay nagiging mas laganap. Gayunpaman, ang mga kasalukuyang regulasyon sa privacy ay hindi maaaring mapanatili ang mabilis na pag-unlad sa teknolohiya na ginagawang posible ang pagsasanay na ito. Nag-iiwan ito ng puwang para sa mga kulay-abo na lugar at kawalan ng katiyakan na hindi malulutas sa pamamagitan ng pagtingin sa batas. Ang mga mahahalagang alalahanin sa privacy na lumabas ay: Ano ang uri ng data na pinapayagan na makolekta? Tungkol kanino? Sino ang dapat magkaroon ng access sa data na ito?

Kapag ang pagkolekta ng malaking halaga ng data, ang mga pagkakataong sensitibo sa personal na impormasyon ay kasama sa mga datasets ay mataas. Ito ay may problema, kahit na ang mga hacker at mga kawatan ay hindi naglalaro. Pagkatapos ng lahat, ang data na sensitibo sa privacy ay maaaring maabuso ng sinumang may masamang hangarin. Kasama dito (mga nakakahamak) na kumpanya at organisasyon.

Mahina ang data-analysis

Maraming mga kumpanya at organisasyon ang nangongolekta ng malalaking data, sapagkat magagamit nila ito para sa mga kagiliw-giliw na pagsusuri. Ito ay maaaring magbigay sa kanila ng mahahalagang bagong pananaw sa anuman sila ay nagsasaliksik (tulad ng, halimbawa, ugali ng mga mamimili). Sa kabaligtaran, ang mga pananaw at konklusyon na ito ay maaaring magsalin sa mga pagbabago sa loob ng kumpanya na magreresulta sa mas mataas na mga margin at mas maraming kita. Gayunpaman, tulad ng anumang iba pang mga normal na pag-aayos, ang isang hindi tamang pagsusuri ng malaking data ay maaaring magkaroon ng malubhang kahihinatnan. Pagkatapos ng lahat, ang isang hindi tamang pagsusuri ay madaling humantong sa mga maling konklusyon. Ang mga ito ay maaaring isalin sa hindi epektibo o kahit na mga produktibong hakbang na ginagawa.

Pagtitipon ng “maling” data

Ang malaking data ay nagiging lalong popular at ang mga organisasyon ay higit at mas handa na mangolekta ng lahat ng mga uri ng data. Nangangahulugan ito ng napakalaking halaga ng data na kinokolekta nang walang malinaw na dahilan para sa pagsusuri sa kanila. Sa madaling salita, lumilikha ito ng isang malaking database ng hilaw na impormasyon na natipon kung sakali. Ang mga kumpanya ay malamang na iniisip na madaling sapat na upang tipunin ang lahat ng data na iyon, kaya maaari rin nilang gawin ito. Hindi na kailangang sabihin, hindi ito mabuti para sa privacy ng sinuman. Maaari rin itong humantong sa walang kaugnayan o “maling” data na natipon at nasuri. Kung ang mga konklusyon na iginuhit mula sa pagsusuri na ito ay ginagamit sa pamamahala, maaari itong humantong sa parehong hindi epektibo na mga hakbang na nabanggit sa nakaraang talata.

Pagkolekta at pag-save ng malaking data na may masamang hangarin

Ang koleksyon ng malaking data ay ginagamit nang mas madalas sa pamamagitan ng mga kumpanya, samahan at pamahalaan upang makagawa sila ng tumpak na mga indibidwal na profile sa mga tao. Ang mga gumagamit o mamamayan ay hindi gaanong napapaalam tungkol sa alin sa kanilang personal na data ang nakarehistro, alalahanin kung bakit at paano. Hindi na kailangang sabihin, ito ay may malubhang implikasyon para sa kanilang online privacy. Lahat ng ginagawa nila sa online, mai-save at tiningnan sa ibang pagkakataon. Bukod dito, ang mga malalaking maniningil ng data ay madaling maimpluwensyahan at manipulahin ang paggawa ng desisyon ng mga tao sa pamamagitan ng pagsusuri at paggamit ng nakalap na data.

Malaking data at privacy

Ang Smartphone na may larawan ng taingaTulad ng malamang na naiintindihan mo ngayon, ang malaking data ay may maraming mga kawalan at panganib. Gayunpaman, maraming mga kumpanya at organisasyon ang nakakolekta pa rin ng data sa isang malaking sukat, karamihan dahil sa kung paano makakatulong ito sa kanilang paglaki at pagsulong. Ang pagkolekta ng malaking data ay mas madali kaysa dati. Malaki ang bunga nito para sa aming privacy. Talakayin na namin nang maaga ang mga posibleng panganib sa pagkapribado ng mga malisyosong partido na nangongolekta ng masamang data. Dahil ang aming privacy ay mahigpit na nakagapos sa koleksyon ng masa ng personal na data, nais naming gamitin ang seksyong ito upang talakayin ang iba’t ibang mga alalahanin sa privacy na may malaking data.

Malaking pagkolekta ng data ng scale

Maraming mga kumpanya, kabilang ang Google, Facebook at Twitter, ay lubos na umaasa sa mga patalastas upang mapanatili ang kanilang sarili at kumita ng kita. Upang maisagawa ang mga ad na ito hangga’t maaari, gumawa ng mga detalyadong profile ang mga kumpanyang ito sa kanilang mga gumagamit, lalo na isinasaalang-alang ang kanilang mga kagustuhan at interes. Ito ay isang form ng malaking data. Gayundin, ang mga gobyerno at mga lihim na serbisyo ay nakasalalay din sa malaking data. Ginagamit nila ang napakaraming impormasyon na ito upang masubaybayan at imbestigahan ang mga taong itinuturing nilang kahina-hinala. Siyempre, nangangahulugan din ito na maraming malaking data para sa mga kriminal na nakikipag-ugnayan at maaaring kahit na manipulahin at pang-aabuso. Maaari itong lumikha ng lahat ng mga uri ng mga problema sa privacy at mga kaugnay na pagkakakilanlan. Ang isa sa isipan, ay pagnanakaw ng pagkakakilanlan.

Gayunpaman, ang mga posibilidad na may kasamang koleksyon sa mga database ay mas malawak kaysa dito. Sa mga araw na ito, ang teknolohiya ay naging napakahusay at “matalino” na maaari nitong pagsamahin ang mga set ng data. Ito ay maaaring gawin sa tulad ng isang matalino at tuso na paraan, na ang malalaking mga korporasyon at organisasyon ay malamang na alam ang tungkol sa iyo kaysa sa iyong ginagawa! Sino ka, kung saan ka nakatira, kung ano ang iyong libangan, kung sino ang iyong mga kaibigan: wala sa impormasyong ito ay magiging pribado. Hindi isang nakaaaliw na pag-iisip, maaari mong isipin. Sa kabutihang palad, may ilang mga paraan upang maprotektahan ang iyong sarili mula sa malaking sukat sa paglabag sa privacy ng malaking data ay maaaring maging sanhi.

Batas sa privacy

Mga cookies sa screenAng mga batas at regulasyon sa privacy ay maaaring maprotektahan kami laban sa paglabag sa privacy, ngunit hanggang sa isang tiyak na lawak. Upang gawing mas kumplikado, ang mga batas sa pagkapribado ay madalas na naiiba sa pagitan ng iba’t ibang mga bansa at rehiyon. Halimbawa, sa Europa ang isang medyo mahigpit na batas sa privacy ng consumer na tinatawag na General Data Protection Regulation (GDPR) ay pinipilit. Ang batas na ito ay nalalapat sa lahat ng estado ng miyembro ng EU, kahit na ang mga detalye ay maaaring magkakaiba sa bawat bansa. Maraming mga internasyonal na kumpanya ang nagpasya na sumunod sa lahat ng kanilang negosyo sa GDPR. Ito ang dahilan kung bakit pinapayagan ngayon ng Google ang mga gumagamit na humiling ng isang pagtanggal ng personal na impormasyon. Gayunpaman, ang mga batas sa privacy sa Estados Unidos ay naiiba sa estado sa estado at hindi protektahan ang mga mamimili pati na rin ang EU. Sa kasamaang palad, ito ay totoo rin para sa pinakamahigpit na batas sa pagkapribado sa US, ang Batas sa Pagkapribado ng California Consumer.

Sa madaling salita, walang ganoong bagay tulad ng isang malakas na “pandaigdigang” batas sa privacy na nalalapat sa lahat ng malalaking maniningil ng data at pinoprotektahan ang lahat ng mga gumagamit. Nangangahulugan ito na ang aming pagkapribado ay hindi lamang napinsala ng mga malalaking data-collectors sa ilegal, ngunit kahit na sa perpektong ligal na paraan, tulad ng pagkakatulad tulad ng maaaring tunog. Sa kabutihang palad, ang mga malakihang paglabag sa privacy na nakalantad ng mga blower ng whistle tulad nina Edward Snowden at Chelsea Manning ay lubos na nadagdagan ang kamalayan sa mga panganib ng malaking data. Siyempre, ito ay isang hakbang lamang sa pagpapabuti ng kasalukuyang mga batas sa pagkapribado.

Maraming mga gumagamit ng internet ay hindi hihintayin ang isang pagpapabuti sa mga batas sa pagkapribado – at nararapat. Sa halip, nais nilang gumawa ng aksyon sa kanilang sarili sa pamamagitan ng paggawa ng anumang makakaya upang maprotektahan ang kanilang privacy. Nais mo bang maiwasan ang maging bahagi ng hindi mabilang na mga data-set pati na rin? Mayroong maraming mga tip at trick upang matulungan ka sa iyong paglalakbay.

Paano panatilihin ang iyong data mula sa mai-save sa malaking data-set

Malubhang nakakaapekto sa mga malalaking database ang iyong privacy at seguridad. Ang mga datasets na ito ay maaaring maglaman ng lahat ng mga uri ng (personal) na impormasyon, na maaaring maabuso ng mga malalaking kumpanya o kahit na mga kriminal na cyber. Iyon ang dahilan kung bakit dapat mong tiyakin na mag-iwan ng kaunti sa isang online na bakas hangga’t maaari. Ang mga sumusunod na tip ay makakatulong sa iyo na magawa ito:

  • Subukang bawasan ang paggamit ng iyong personal na impormasyon kapag lumilikha ng mga password o sa pangkalahatan sa web. Halimbawa: iwasang gamitin ang iyong pangalan, address, numero ng telepono, petsa ng kapanganakan, at iba pa.
  • Laging tandaan ang sumusunod: lahat ng nai-publish mo sa internet, ay magiging doon magpakailanman. Maaaring hindi ito palaging magiging ganap na totoo, ngunit ang antas ng pag-iingat ay makakatulong na maprotektahan ang iyong privacy. Awtomatiko mong hawakan ang iyong pribadong data nang mas maraming pag-aalaga kapag alam mo ang katotohanang ito.
  • Tiyaking ang iyong koneksyon sa internet ay ligtas at hindi nagpapakilala, halimbawa sa pamamagitan ng paggamit ng Tor-browser o isang VPN halimbawa.
  • Gumamit ng isa o maraming mga ad-blocker sa iyong browser.
  • Gumamit sa o higit pang mga plug-in ng browser na humarang sa mga tracker at cookies.
  • Regular na limasin ang iyong cache at tanggalin ang iyong kasaysayan ng pag-browse at cookies.
  • Mag-log out sa mga website kapag hindi ka aktibong ginagamit ang mga ito.

Ang pagsasagawa ng mga hakbang na ito ay isang magandang pagsisimula pagdating sa pag-iingat sa iyong online privacy at seguridad. Isaisip, gayunpaman, na ang malaking data ay nakolekta sa maraming iba’t ibang mga paraan – hindi lamang sa online. Sa madaling sabi, nasaan ka man at kung ano ang ginagawa mo, dapat kang laging maging maingat at subukang protektahan ang iyong (personal) na data mula sa mga malalaking maniningil ng data.

Kim Martin Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map