Big data & privacy: Hvad er privatlivets risiko? | VPNOverview

I de sidste par årtier har verden ændret sig enormt i mange henseender, især når det kommer til it. Antallet af mennesker, vi er i stand til at kommunikere med på daglig basis, er vokset enormt, ligesom mængden af ​​information, vi har adgang til. Det samme gælder dog for den mængde information store virksomheder indsamler om os. Udtryk som big data bruges så hyppigere som tiden går. Men hvad betyder det nøjagtigt? Hvad er big data? Er det farligt? Hvordan påvirker det vores privatliv, hvis det overhovedet er? Det er nogle af de spørgsmål, vi vil dække i denne artikel.


Hvad er big data?

Liste med forstørrelsesglasUdtrykket “big data” beskriver de enorme mængder (personlige) data, som kontinuerligt indsamles af forskellige aktører. Et eksempel er alle de oplysninger, Google samler om brugernes søgeforespørgsler. Fænomenet big data er en relativt nylig udvikling, der startede, fordi (store) virksomheder og organisationer, såsom Facebook, Google og de fleste regeringer, begyndte at indsamle stadig flere data om sine brugere, kunder og borgere end før. Nye teknologier, en digitaliseret verden og internettet har hjulpet denne udvikling enormt.

Indsamling af big data er ofte så omfattende, at det er umuligt at analysere dem ved hjælp af traditionel dataanalyse. Men hvis man analyserer big data på den rigtige måde, kan interessante mønstre og konklusioner fremkaldes. For eksempel bruges big data ofte til storstilet markedsundersøgelse: hvilke produkter er der mest sandsynligt, der købes? Hvilken form for reklame er mest effektiv, når du vil nå og overtale kunder?

For at et datasæt kan betragtes som big data, skal det normalt opfylde følgende tre kriterier, også kendt som 3 v:

  • Bind: Big data er alt andet end en lille prøve. Det involverer store samlinger af data, der stammer fra lang, kontinuerlig observation.
  • Hastighed: Dette har at gøre med de imponerende hastigheder, hvormed store data indsamles. Desuden er big data ofte tilgængelig i realtid (når de samles).
  • Bred vifte: Store datasæt indeholder ofte mange forskellige typer information. Data i store datasæt kunne endda kombineres for at udfylde eventuelle huller og gøre datasættet endnu mere komplet.

Bortset fra disse 3 v’er har big data nogle andre egenskaber. For eksempel er big data fantastisk til maskinlæring. Dette betyder, at det effektivt kan bruges til at lære computere og maskiner visse opgaver. Som vi allerede allerede har kort berørt, kan big data bruges til at registrere mønstre. Dette sker for det meste på en meget effektiv måde ved hjælp af computere, der arbejder med dataene. Endelig er big data afspejling af brugernes digitale fingeraftryk. Dette betyder, at det er et biprodukt af folks digitale og online aktiviteter og kan bruges til at oprette individuelle personlige profiler.

Forskellige typer big data

Der er forskellige måder at klassificere big data på. Den første måde, der bruges hyppigst, differentierer big data baseret på den type data, der indsamles. De tre mulige kategorier, der bruges til denne type klassificering, er: strukturerede big data, ustrukturerede big data og semistrukturerede big data.

  1. Struktureret: Når big data er struktureret, kan de gemmes og præsenteres på en organiseret og logisk måde, hvilket gør dataene mere tilgængelige og lettere at forstå. Et eksempel ville være en liste over kundeadresser oprettet af et firma. På denne liste kan man sandsynligvis finde kundernes navne, adresser og måske andre detaljer såsom telefonnumre, alt sammen struktureret i for eksempel et diagram eller en tabel.
  2. ustruktureret: Ustrukturerede big data er slet ikke organiseret. Det mangler en logisk præsentation, der ville give mening for det gennemsnitlige menneske. Ustrukturerede big data har ikke strukturen for f.eks. En tabel, der angiver en vis sammenhæng mellem de forskellige elementer i datasættet. Derfor er denne type data ganske vanskeligt at navigere og forstå. Mange datasæt starter oprindeligt som ustrukturerede big data.
  3. Semi-struktureret: Semistrukturerede big data, som du måske har gætt, har karakteristika for både strukturerede og ustrukturerede big data. Arten og repræsentationen af ​​denne type data er ikke helt vilkårlig. Alligevel er den heller ikke struktureret og organiseret til at blive brugt til en meningsfuld analyse. Et eksempel kan være en webside, der indeholder specifikke metadatatags (ekstra information, som ikke er direkte synlig i teksten), for eksempel fordi den indeholder bestemte nøgleord. Disse tags viser effektive specifikke bits af oplysninger, f.eks. Forfatteren af ​​en side eller det øjeblik, den blev placeret online. Selve teksten er i det væsentlige ustruktureret, men alligevel hjælper nøgleordene og andre metadata med at gøre det til et noget passende grundlag for analyse.

Klassificering baseret på kilden til big data

En anden almindelig måde at skelne mellem forskellige typer big data er ved at se på datakilden. Hvem eller hvad har genereret informationen? Som den foregående udformning består denne klassificeringsmetode også af 3 forskellige kategorier.

  1. Mennesker: Denne kategori vedrører big data genereret af mennesker. Eksempler er bøger, billeder, videoer såvel som information og (personlige) data på websteder og sociale medier, såsom Facebook, Twitter, Instagram og så videre.
  2. Process registrering: Denne kategori inkluderer den mere traditionelle slags big data, som indsamles og analyseres af (store) virksomheder for at forbedre visse processer i en virksomhed.
  3. Maskiner: Denne type big data er resultatet af det stadigt voksende antal sensorer, der er placeret i maskiner. Et eksempel er varmesensoren, der ofte er indbygget i computerprocessorer. Data genereret af maskiner kan ofte være meget komplekse, men i det mindste er denne type big data generelt velstruktureret og komplet.

Hvad kan big data bruges til?

Facebook logoAlt, der er diskuteret indtil videre, lyder muligvis stadig noget abstrakt. Lad os gøre tingene lidt mere konkrete og diskutere nogle virkelige applikationer af big data. Der er trods alt mange, mange måder, hvorpå virksomheder og organisationer bruger big data. En af de første ting, der kommer til at tænke på, er de enorme mængder data, som virksomhederne samler om os. Facebook indsamler data om alle sine brugere og analyserer dette for at beslutte, hvad de skal vise dig på din tidslinje. Dette gøres naturligvis for at imødekomme dine personlige ønsker og interesser. Facebook håber, at dette får dig til at blive på deres hjemmeside i længere perioder. Til gengæld samler Amazon information om sine klienter og de produkter, de køber. På den måde kan Amazon anbefale produkter, de tror, ​​du vil være interesseret i og øge deres indtjening på denne måde.

Big data bruges dog også på måder, der er helt forskellige fra de kommercielle strategier beskrevet ovenfor. For eksempel kan offentlige transportselskaber indsamle data om, hvor travlt visse ruter er. Bagefter kunne de analysere disse data for at bestemme for eksempel, hvilke ruter der kræver yderligere busser eller tog. Et andet velkendt tilfælde af effektiv brug af big data vedrører den internationale leveringsgigant UPS. UPS bruger speciel software, der blev udviklet efter big data-analyse. Denne software hjælper UPS-drivere med at undgå venstresving, som er dyrere, mere spildende og farligere end højre sving. Det er meningen, at dette system allerede har gemt UPS millioner af gallon i brændstof, alt takket være big data.

Et andet interessant eksempel på indsamling af big data er DNA-test og websteder som MyHeritage DNA. Dette websted hævder, at det kan hjælpe dig med at “afsløre din etniske oprindelse og finde nye slægtninge” med en simpel DNA-test. Det er overflødigt at sige, at denne proces involverer en masse dataindsamling og krydshenvisninger, hvilket gør det til en anden vigtig spiller inden for indsamling og brug af big data. “Traditionelle”, fysiske DNA-test involverer også en enorm mængde big data, da virksomheder, der udfører disse test, vil få ekstremt store datasæt om mange, mange mennesker. Selvfølgelig er det vigtigt at være opmærksom på de mulige risici, der følger med disse store dataindsamlingsprocesser. Disse risici vil blive fremhævet i den næste del af denne artikel.

Er store data farlige?

Som vist ovenfor kan big data være utroligt nyttige i mange tilfælde. Det giver os masser af oplysninger, vi kan bruge til at strømline processer og gøre virksomheder mere effektive og rentable. Dette betyder dog ikke, at indsamling og brug af big data er fuldstændig risikofri. Der er fem vigtige risici, der følger med big data. Vi diskuterer alle fem her.

Hackere og tyve

Med alt, hvad vi gør online, er der en iboende risiko for, at vores personlige data og oplysninger om vores internetaktiviteter kan blive stjålet. Hver internetbruger skal være opmærksom på dette. Antallet af lækager og tyverier er steget drastisk i de sidste par år. Der er ofte historier i nyheden om kriminelle, der sælger datasæt, der indeholder adgangskoder og anden information om steder som det mørke web. Ofte stjæles disse datasæt fra officielle websteder, virksomheder og organisationer. Jo større disse datasæt er, jo mere interessant bliver det for tyve at prøve at få dem. Hvis de får fat i disse datasæt, kan de forårsage en masse problemer. Naturligvis kan dette også i høj grad kompromittere dit privatliv.

Privatliv

Praksisen med at indsamle personoplysninger bliver mere og mere udbredt. De nuværende fortrolighedsregler kan dog ikke følge med den hurtige udvikling inden for teknologi, der gør denne praksis mulig. Dette giver plads til grå områder og usikkerheder, der ikke kan løses ved at se på loven. Vigtige bekymringer om privatlivets fred, der opstår, inkluderer: Hvilken type data er tilladt at blive indsamlet? Om hvem? Hvem skal have adgang til disse data?

Når man indsamler store mængder data, er chancerne for, at følsomme personlige oplysninger er inkluderet i disse datasæt, store. Dette er problematisk, selv når hackere og tyve ikke spiller. Når alt kommer til alt, kan privatlivets følsomme data misbruges af alle med dårlige intentioner. Dette inkluderer (ondsindede) virksomheder og organisationer.

Dårlig dataanalyse

Mange virksomheder og organisationer indsamler big data, fordi de kan bruge dem til interessante analyser. Dette kan give dem vigtig ny indsigt i, hvad de undersøger (som for eksempel forbrugervaner). Disse indsigter og konklusioner kan igen føre til ændringer i virksomheden, der resulterer i højere marginer og mere overskud. Ligesom med ethvert andet normalt datasæt kan en forkert analyse af big data imidlertid have alvorlige konsekvenser. Når alt kommer til alt kan en forkert analyse let føre til forkerte konklusioner. Disse kan igen oversætte til ineffektive eller endda kontraproduktive foranstaltninger, der træffes.

Indsamling af “forkerte” data

Big data bliver mere og mere populære, og organisationer er mere og mere villige til at indsamle alle slags data. Dette betyder, at der indsamles gigantiske mængder data, uden at der er en klar grund til at analysere dem. Med andre ord skaber det en enorm database med rå information, der er blevet indsamlet for alle tilfælde. Virksomheder synes sandsynligvis, at det er let nok at indsamle alle disse data, så de kan lige så godt gøre det. Naturligvis er dette ikke godt for nogens privatliv. Det kan endda føre til, at irrelevante eller “forkerte” data indsamles og analyseres. Hvis konklusionerne, der drages fra denne analyse, anvendes i forvaltningen, kan det føre til de samme ineffektive foranstaltninger, der er nævnt i det foregående afsnit.

Indsamling og gemning af store data med dårlige intentioner

Indsamlingen af ​​big data bruges mere og mere ofte af virksomheder, organisationer og regeringer, så de kan lave nøjagtige individuelle profiler på mennesker. Brugere eller borgere får næppe nogensinde besked om, hvilke af deres personlige data der registreres, hvad så ikke, hvorfor og hvordan. Naturligvis har dette alvorlige konsekvenser for deres online privatliv. Alt, hvad de gør online, kan gemmes og ses senere. Desuden kunne store dataindsamlere let påvirke og manipulere folks beslutningstagning ved at analysere og bruge de indsamlede data.

Big data og privatliv

Smartphone med billede af øreSom du sandsynligvis vil forstå nu, kommer store data med mange ulemper og risici. Ikke desto mindre indsamler stadig mange virksomheder og organisationer data i enorm skala, mest på grund af hvordan det kan hjælpe dem med at vokse og gå videre. Det er lettere end nogensinde før at indsamle big data. Dette har enorme konsekvenser for vores privatliv. Vi har allerede kort beskrevet de mulige personlige farer ved ondsindede parter, der indsamler dårlige data. Da vores privatliv er så tæt bundet til masseindsamlingen af ​​personlige data, ønsker vi at bruge dette afsnit til at diskutere de forskellige bekymringer om privatlivets fred, der følger med big data.

Dataindsamling i stor skala

Masser af virksomheder, herunder Google, Facebook og Twitter, er stærkt afhængige af reklamer for at opretholde sig selv og tjene penge. For at gøre disse annoncer så effektive som muligt laver disse virksomheder detaljerede profiler på deres brugere, især under hensyntagen til deres likes og interesser. Dette er en form for big data. Ligeledes er regeringer og hemmelige tjenester også afhængige af big data. De bruger denne enorme mængde information til at spore og undersøge mennesker, de anser for mistænkelige. Naturligvis betyder det også, at der er en masse big data for cyberkriminelle til at få deres hænder på og måske endda manipulere og misbruge. Dette kan skabe alle mulige personlige problemer og identitetsrelaterede problemer. Et, der kommer til at tænke på, er identitetstyveri.

Stadig er mulighederne, der følger med samlingen i databaser, meget bredere end dette. I disse dage er teknologien blevet så avanceret og “smart”, at den kan kombinere datasæt. Dette kan gøres på en så smart og kunstig måde, at store virksomheder og organisationer sandsynligvis ved mere om dig end du gør! Hvem du er, hvor du bor, hvad dine hobbyer er, hvem dine venner er: ingen af ​​disse oplysninger vil være længere private. Ikke en meget trøstende tanke, kan du tænke. Heldigvis er der nogle måder at beskytte dig selv mod den store overtrædelse af privatlivets fred, store data kan forårsage.

Lov om privatlivets fred

Cookies på skærmenFortrolighed og -forskrifter kan beskytte os mod krænkelse af privatlivets fred, men kun op til et vist omfang. For at gøre sagerne mere komplicerede, varierer privatlivets love ofte meget mellem forskellige lande og regioner. For eksempel er der i Europa en relativt streng forbrugerprivatlov, der kaldes den almindelige databeskyttelsesforordning (GDPR). Denne lov gælder for alle EU-medlemslande, selv om detaljerne kan variere pr. Land. Mange internationale virksomheder har besluttet at overholde alle deres forretninger til GDPR. Derfor giver Google for eksempel nu brugere mulighed for at anmode om sletning af personlige oplysninger. Imidlertid adskiller lovgivningen om privatlivets fred i USA sig fra stat til stat og beskytter ikke forbrugere såvel som EU. Desværre gælder dette endda for den hårdeste privatlivslov i USA, Californiens forbrugerbeskyttelseslov.

Kort sagt er der ikke sådan en stærk “global” privatlivslov, der gælder for alle big data-indsamlere og beskytter alle brugere. Dette betyder, at vores privatliv ikke kun skades af store dataindsamlere på ulovlig vis, men også på helt lovlige måder, så paradoksale som dette kan lyde. Heldigvis har storskala overtrædelser af privatlivets fred, der er udsat for fløjteblæsere som Edward Snowden og Chelsea Manning, øget opmærksomheden for risikoen ved big data. Naturligvis er dette kun et første skridt i forbedring af den nuværende privatlivslovgivning.

Mange internetbrugere er ikke villige til at afvente en forbedring af privatlivets fred – og det med rette. Snarere ønsker de selv at gribe ind ved at gøre hvad de kan for at beskytte deres privatliv. Vil du undgå at blive en del af utallige store datasæt? Der er flere tip og tricks, der kan hjælpe dig på din vej.

Sådan forhindres dine data i at blive gemt i store datasæt

Store datasæt påvirker dit privatliv og sikkerhed alvorligt. Disse datasæt kan muligvis indeholde alle mulige (personlige) oplysninger, som kan misbruges af store virksomheder eller endda cyberkriminelle. Derfor skal du altid sørge for at efterlade så lidt online spor som muligt. Følgende tip kan hjælpe dig med at opnå dette:

  • Forsøg at minimere brugen af ​​dine personlige oplysninger, når du opretter adgangskoder eller generelt på nettet. For eksempel: undgå at bruge dit navn, adresse, telefonnummer, fødselsdato og så videre.
  • Husk altid følgende: Alt, hvad du offentliggør på internettet, vil være der for evigt. Dette er måske ikke altid helt sandt, men dette niveau af forsigtighed hjælper med at beskytte dit privatliv. Du håndterer automatisk dine private data med mere omhu, når du er opmærksom på dette.
  • Sørg for, at din internetforbindelse er sikker og anonymiseret, f.eks. Ved hjælp af Tor-browseren eller en VPN for eksempel.
  • Brug en eller flere annonceblokkere i din browser.
  • Brug på eller flere browser-plug-ins, som blokerer trackere og cookies.
  • Ryd regelmæssigt din cache, og slet din browserhistorik og cookies.
  • Log ud af websteder, når du ikke bruger dem aktivt.

At tage disse trin er en god start, når det kommer til at beskytte dit online privatliv og sikkerhed. Husk dog, at big data indsamles på mange forskellige måder – ikke kun online. Kort sagt, uanset hvor du er, og hvad du end gør, skal du altid være opmærksom og forsøge at beskytte dine (personlige) data fra store dataindsamlere.

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