Մեծ տվյալներ և գաղտնիություն. Որո՞նք են գաղտնիության ռիսկերը: | VPNOverview

Վերջին մի քանի տասնամյակների ընթացքում աշխարհը հսկայական փոփոխությունների է ենթարկվել շատ առումներով, մանավանդ, երբ խոսքը վերաբերում է ՏՏ ոլորտին: Մարդկանց թիվը, որոնց հետ մենք ամեն օր կարողանում ենք շփվել, աճել է ահռելի, ճիշտ այնպես, ինչպես մեզ հասած տեղեկատվության քանակը: Այնուամենայնիվ, նույնը ճիշտ է նաև այն մասին, թե որքանով են մեծ ընկերությունները հավաքում մեր մասին: Տերմինները, ինչպիսիք են մեծ տվյալները, ավելի հաճախ օգտագործվում են ժամանակի շարունակման ժամանակ: Բայց ի՞նչ է դա նշանակում: Ինչ է մեծ տվյալները: Դա վտանգավոր է: Ինչպե՞ս է դա ազդում մեր գաղտնիության վրա, եթե ընդհանրապես: Սրանք որոշ հարցեր են, որոնք մենք կցանկանանք անդրադառնալ այս հոդվածում.


Ինչ է մեծ տվյալները?

Listուցակը խոշորացույցով«Մեծ տվյալներ» տերմինը նկարագրում է հսկայական քանակությամբ (անձնական) տվյալներ, որոնք շարունակաբար հավաքվում են տարբեր դերասանների կողմից: Օրինակ կարող է լինել այն ամենը, ինչ Google- ը հավաքում է իր օգտվողների որոնման հարցումներից: Մեծ տվյալների երևույթը համեմատաբար վերջերս կատարված զարգացումն է, որը սկսվել է այն պատճառով, որ (խոշոր) ընկերություններ և կազմակերպություններ, ինչպիսիք են Facebook- ը, Google- ը և կառավարությունների մեծ մասը, սկսեցին ավելի շատ տվյալներ հավաքել իր օգտագործողների, հաճախորդների և քաղաքացիների մասին, քան նախկինում: Նոր տեխնոլոգիաները, թվայնացված աշխարհը և ինտերնետը անսահմանորեն օգնեցին այս զարգացմանը.

Մեծ տվյալների հավաքածուները հաճախ այնքան հսկայական են, որ անհնար է վերլուծել դրանք ՝ օգտագործելով տվյալների ավանդական վերլուծություն: Այնուամենայնիվ, եթե մարդը վերլուծում է մեծ տվյալները ճիշտ ձևով, կարող են առաջացնել հետաքրքիր օրինաչափություններ և եզրակացություններ: Օրինակ, մեծ տվյալները հաճախ օգտագործվում են շուկայի մասշտաբի ուսումնասիրության համար. Ո՞ր ապրանքներն են առավելագույն հավանականությամբ ձեռք բերվում: Ինչպիսի գովազդն ամենաարդյունավետն է, երբ ուզում եք հասնել և համոզել հաճախորդներին?

Որպեսզի տվյալների բազան համարվի մեծ տվյալների, այն սովորաբար պետք է համապատասխանի հետևյալ երեք չափանիշներին, որոնք նույնպես հայտնի են որպես 3 v:

  • Ծավալը: Մեծ տվյալները փոքր ինչ նմուշ են: Այն ներառում է տվյալների հսկայական հավաքածուներ ՝ երկար, շարունակական դիտարկման արդյունքում.
  • Արագություն: Սա կապված է տպավորիչ արագությունների հետ, որոնց միջոցով մեծ տվյալներ են հավաքվում: Ավելին, մեծ տվյալները հաճախ հասանելի են իրական ժամանակում (ինչպես հավաքվում են).
  • Բազմազանություն: Մեծ տվյալների հավաքածուները հաճախ պարունակում են շատ տարբեր տեսակի տեղեկատվություն: Տվյալների մեծ տվյալների հավաքածուներում նույնիսկ հնարավոր է համատեղել `բացթողումները լրացնելու և տվյալների շտեմարանն ավելի ամբողջական դարձնելու համար.

Այս 3-րդ վավերագրերից բացի, մեծ տվյալներն ունեն որոշ այլ բնութագրեր: Օրինակ ՝ մեծ տվյալները հիանալի են մեքենայական ուսուցման համար: Սա նշանակում է, որ այն կարող է արդյունավետ օգտագործվել համակարգիչներ և մեքենաներ որոշակի առաջադրանքներ սովորեցնելու համար: Ավելին, քանի որ մենք արդեն համառոտ անդրադարձել ենք, մեծ տվյալները կարող են օգտագործվել օրինաչափությունները հայտնաբերելու համար: Դա հիմնականում տեղի է ունենում շատ արդյունավետ կերպով ՝ տվյալների վրա աշխատող համակարգիչների միջոցով: Վերջապես, մեծ տվյալները օգտագործողների թվային մատնահետքերի արտացոլումն է: Սա նշանակում է, որ դա մարդկանց թվային և առցանց գործունեության ենթածրագիր է և կարող է օգտագործվել անհատական ​​անձնական պրոֆիլներ կառուցելու համար.

Մեծ տիպի տվյալների տարբեր տեսակներ

Մեծ տվյալների դասակարգման տարբեր եղանակներ կան: Առաջին եղանակը, որն առավել հաճախ օգտագործվում է, տարբերակում է մեծ տվյալները `հիմնվելով հավաքագրվող տվյալների տեսակի վրա: Այս տեսակի դասակարգման համար օգտագործված երեք հնարավոր կատեգորիաներն են ՝ կառուցվածքային մեծ տվյալներ, չկառուցված մեծ տվյալներ և կիսակառուցվածքային մեծ տվյալներ.

  1. ԿառուցվածքայինԵրբ մեծ տվյալները կառուցված են, այն կարող է պահպանվել և ներկայացվել կազմակերպված և տրամաբանական եղանակով ՝ տվյալների հասանելիությունը դարձնելով ավելի մատչելի և հասկանալի: Օրինակ կարող է լինել ընկերության կողմից ստեղծված հաճախորդների հասցեների ցուցակը: Այս ցանկում, հավանաբար, կգտնվեն հաճախորդների անունները, հասցեները և գուցե այլ մանրամասներ, ինչպիսիք են հեռախոսահամարները, բոլորը հստակ կառուցված են, օրինակ, գծապատկեր կամ աղյուսակ.
  2. Չկառուցված: Չկառուցված մեծ տվյալներն ընդհանրապես կազմակերպված չեն: Այն չունի տրամաբանական ներկայացում, որը իմաստ կդարձնի սովորական մարդու համար: Չկառուցված մեծ տվյալները չունեն կառուցվածքներ, օրինակ ՝ աղյուսակ, որը նշանակում է որոշակի համախմբվածություն տվյալ տվյալների տարբեր տարրերի միջև: Հետևաբար տվյալների այս տեսակը բավականին դժվար է նավարկելու և հասկանալու համար: Շատ տվյալների տվյալների հավաքման սկզբնապես սկսվում են որպես չկառուցված մեծ տվյալներ.
  3. Կիսակառուցվածքային: Կիսակառուցվածքային մեծ տվյալները, ինչպես երևի կռահել եք, ունեն ինչպես կառուցվածքային, այնպես էլ չկառուցված մեծ տվյալների առանձնահատկություններ: Այս տեսակի տվյալների բնույթը և ներկայացվածությունը բոլորովին կամայական չեն: Այնուամենայնիվ, այն կառուցվածքային և կազմակերպված չէ, որ օգտագործվի նաև իմաստալից վերլուծության համար: Օրինակ կարող է լինել վեբ էջ, որը պարունակում է հատուկ մետա տվյալների պիտակներ (լրացուցիչ տեղեկություններ, որոնք ուղղակիորեն տեսանելի չեն տեքստում), օրինակ, քանի որ այն պարունակում է որոշակի հիմնաբառեր Այս պիտակները արդյունավետորեն ցույց են տալիս տեղեկատվության առանձնահատկությունները, ինչպիսիք են էջի հեղինակը կամ այն ​​տեղադրման պահին: Տեքստն ինքնին, ըստ էության, չկառուցված է, բայց այն հիմնաբառերը և այլ մետա տվյալները, որոնք պարունակում են, օգնում են, որ այն մի փոքր հարմար հիմք դառնա վերլուծության համար:.

Դասակարգումը հիմնված է մեծ տվյալների աղբյուրի վրա

Մեծ այլ տվյալների տարբեր տեսակների տարբերակման ևս մեկ ընդհանուր եղանակ `տվյալների աղբյուրը դիտարկելն է: Ո՞վ կամ ինչն է առաջացրել տեղեկատվությունը: Նախորդ սխեմաների նման, դասակարգման այս մեթոդը նույնպես բաղկացած է 3 տարբեր կատեգորիաներից.

  1. ԺողովուրդԱյս կատեգորիան վերաբերում է մարդկանց կողմից ստեղծված մեծ տվյալների: Օրինակներ կարող են լինել գրքեր, նկարներ, տեսանյութեր, ինչպես նաև տեղեկատվություն և (անձնական) տվյալներ կայքերում և սոցիալական լրատվամիջոցներում, ինչպիսիք են Facebook- ը, Twitter- ը, Instagram- ը և այլն:.
  2. Գործընթացների գրանցումԱյս կատեգորիան ներառում է ավելի ավանդական տիպի մեծ տվյալներ, որոնք հավաքվում և վերլուծվում են (խոշոր) ընկերությունների կողմից ՝ բիզնեսում որոշակի գործընթացների բարելավման համար.
  3. ՄեքենաներՄեծ տվյալների այս տեսակն արդյունք է սենսորների աճող թվաքանակի, որոնք տեղադրվում են մեքենաներում: Օրինակ կլինի ջերմային ցուցիչը, որը հաճախ ներմուծվում է համակարգչային պրոցեսորների մեջ: Մեքենաների կողմից առաջ բերված տվյալները հաճախ կարող են լինել շատ բարդ, բայց համենայն դեպս մեծ տիպի տվյալներն ընդհանուր առմամբ լավ կառուցվածքային և ամբողջական են.

Ինչի համար կարող են օգտագործվել մեծ տվյալներ?

Ֆեյսբուքյան պատկերանշանՄինչ այժմ քննարկված ամեն ինչ կարող է մի փոքր վերացական թվալ: Եկեք մի փոքր ավելի կոնկրետացնենք իրերը և քննարկենք մեծ տվյալների իրական կյանքի որոշ դիմումներ: Ի վերջո, կան շատ, շատ եղանակներ, որոնց միջոցով ընկերություններն ու կազմակերպությունները օգտագործում են մեծ տվյալներ: Առաջին բանը, որ մտքում է գալիս, տվյալների հսկայական քանակությամբ ընկերություններ են հավաքվում մեր մասին: Ֆեյսբուքը հավաքում է տվյալներ իր բոլոր օգտագործողների վերաբերյալ և վերլուծում է դա ՝ որոշելու, թե ինչ է ձեզ ցույց տալիս ձեր ժամանակի ընթացքում: Իհարկե, դա արվում է ձեր անձնական ցանկություններին և հետաքրքրություններին հոգալու համար: Ֆեյսբուքը հույս ունի, որ սա ձեզ կստիպի մնալ ավելի երկար ժամանակահատվածում իրենց կայքում: Իր հերթին, Amazon- ը տեղեկատվություն է հավաքում իր հաճախորդների և իրենց գնած ապրանքների մասին: Այս եղանակով Amazon- ը կարող է առաջարկել այնպիսի ապրանքներ, որոնք կարծում են, որ ձեզ հետաքրքրում են և այսպիսով ավելացնել իրենց վաստակը.

Այնուամենայնիվ, մեծ տվյալներն օգտագործվում են նաև վերը նկարագրված առևտրային ռազմավարությունից բոլորովին տարբեր եղանակներով: Օրինակ ՝ հասարակական տրանսպորտի ընկերությունները կարող են հավաքել տվյալներ այն մասին, թե որքանով են զբաղված որոշակի երթուղիներ: Դրանից հետո նրանք կարող էին վերլուծել այս տվյալները ՝ որոշելու համար, օրինակ, թե որ երթուղիներն են պահանջում լրացուցիչ ավտոբուսներ կամ գնացքներ: Խոշոր տվյալների արդյունավետ օգտագործման ևս մեկ հայտնի դեպք վերաբերում է միջազգային մատակարարման հսկա UPS- ին: UPS- ն օգտագործում է հատուկ ծրագրակազմ, որը մշակվել է մեծ տվյալների վերլուծությունից հետո: Այս ծրագիրը օգնում է UPS- ի վարորդներին խուսափել ձախ շրջադարձերից, որոնք ավելի թանկ են, վատնում և ավելի վտանգավոր են, քան աջ շրջադարձերը: Ենթադրաբար, այս համակարգը արդեն իսկ փրկել է UPS- ի միլիոնավոր գալոններ վառելիքի մեջ ՝ բոլորը մեծ տվյալների շնորհիվ.

Մեծ տվյալների հավաքման մեկ այլ հետաքրքիր օրինակ է ԴՆԹ թեստերը և կայքերը, ինչպիսիք են MyHerading DNA- ն: Այս կայքը պնդում է, որ այն կարող է օգնել ձեզ «պարզել ձեր էթնիկ ծագումը և գտնել նոր հարազատներ» պարզ ԴՆԹ թեստով: Ավելորդ է ասել, որ այս գործընթացը ներառում է շատ տվյալների հավաքում և խաչաձև հղում, ինչը այն դարձնում է տվյալների մեծ հավաքման և օգտագործման մեկ այլ հիմնական խաղացող: «Ավանդական», ԴՆԹ-ի ֆիզիկական թեստերը նույնպես մեծ թվով մեծ թվեր են պարունակում, քանի որ ընկերությունները, ովքեր իրականացնում են այդ թեստերը, շատ մեծ թվով տվյալների հավաքածուներ են ձեռք բերելու շատ, շատ մարդկանց մոտ: Իհարկե, կարևոր է տեղեկանալ հնարավոր ռիսկերի մասին, որոնք բխում են տվյալների հավաքման այս մեծ գործընթացներից: Այս ռիսկերը կներկայացվեն սույն հոդվածի հաջորդ մասում.

Մեծ տվյալները վտանգավոր են?

Ինչպես ցույց է տրված վերևում, մեծ տվյալները շատ դեպքերում կարող են աներևակայելի օգտակար լինել: Այն մեզ տալիս է տոննա տեղեկատվություն, որը մենք կարող ենք օգտագործել `գործընթացները արագացնելու և ընկերություններին ավելի արդյունավետ և եկամտաբեր դարձնելու համար: Այնուամենայնիվ, սա չի նշանակում, որ մեծ տվյալների հավաքումը և օգտագործումը լիովին ռիսկային է: Հինգ կարևոր ռիսկեր կան, որոնք գալիս են մեծ տվյալների հետ: Մենք այստեղ կքննարկենք բոլոր հինգը.

Հակերներ և գողեր

Այն ամենի հետ, ինչ մենք անում ենք առցանց, գոյություն ունի բնական բնույթի ռիսկ, որ մեր անձնական տվյալներն ու տեղեկատվությունը մեր ինտերնետային գործունեության վերաբերյալ կարող են գողանալ: Յուրաքանչյուր ինտերնետ օգտագործող պետք է տեղյակ լինի այդ մասին: Վերջին մի քանի տարիների ընթացքում տվյալների արտահոսքի և գողությունների քանակը կտրուկ աճել է: Նորություններում հաճախ կան պատմություններ այն մասին, որ հանցագործները վաճառում են գաղտնաբառեր պարունակող և այլ տեղեկություններ այնպիսի վայրերում, ինչպիսիք են մութ ցանցը: Հաճախ այդ տվյալների հավաքածուները գողացվում են պաշտոնական կայքերից, ընկերություններից և կազմակերպություններից: Որքան մեծ են այդ տվյալների հավաքածուները, այնքան ավելի հետաքրքիր է դառնում, որ գողերը փորձեն ձեռք բերել դրանք: Եթե ​​նրանք ձեռք են հավաքում այս տվյալների հավաքածուներում, նրանք կարող են բազմաթիվ խնդիրներ առաջացնել: Ավելորդ է ասել, որ սա կարող է նաև մեծապես վտանգել ձեր գաղտնիությունը.

Գաղտնիություն

Անհատական ​​տվյալների հավաքման պրակտիկան գնալով ավելի տարածվում է: Այնուամենայնիվ, գաղտնիության ներկայիս կանոնակարգերը չեն կարող հետևել տեխնոլոգիայի արագ զարգացումներին, որոնք հնարավոր են դարձնում այս պրակտիկան: Սա տեղ է թողնում գորշ տարածքների և անորոշությունների համար, որոնք չեն կարող լուծվել ՝ օրենքը նայելով: Մասնավոր կյանքի վերաբերյալ կարևոր մտահոգությունները ներառում են. Ինչպիսի՞ տվյալների է թույլատրվում հավաքել: Ում մասին Ո՞վ պետք է մուտք ունենա այս տվյալներից?

Մեծ քանակությամբ տվյալներ հավաքելիս մեծ են հավանականությունը, որ այդ տվյալների շտեմարանում ներառված լինեն զգայուն անձնական տվյալներ: Սա խնդրահարույց է, նույնիսկ այն դեպքում, երբ հակերներն ու գողերը խաղացող չեն: Ի վերջո, գաղտնիության զգայուն տվյալները կարող են չարաշահել ցանկացած վատ մտադրություն ունեցող որևէ մեկի կողմից: Սա ներառում է (վնասակար) ընկերություններ և կազմակերպություններ.

Տվյալների վատ վերլուծություն

Շատ ընկերություններ և կազմակերպություններ հավաքում են մեծ տվյալներ, քանի որ նրանք կարող են օգտագործել այն հետաքրքիր վերլուծությունների համար: Սա կարող է նրանց կարևոր նոր պատկերացումներ տալ այն ուսումնասիրությունների վերաբերյալ, ինչպիսին են (օրինակ, սպառողի սովորությունները): Իր հերթին, այս պատկերացումները և եզրակացությունները կարող են թարգմանվել ընկերության ներսում տեղի ունեցող փոփոխությունների, որոնք հանգեցնում են ավելի մեծ մարժաների և ավելի մեծ շահույթի: Այնուամենայնիվ, ինչպես ցանկացած այլ նորմալ տվյալների բազայում, մեծ տվյալների սխալ վերլուծությունը կարող է լուրջ հետևանքներ ունենալ: Ի վերջո, ոչ պատշաճ վերլուծությունը կարող է հեշտությամբ հանգեցնել սխալ եզրակացությունների: Դրանք, իր հերթին, կարող են վերածվել ձեռնարկվել են անարդյունավետ կամ նույնիսկ ձեռնարկվող անարդյունավետ միջոցների.

«Սխալ» տվյալների հավաքում

Մեծ տվյալները գնալով տարածվում են, և կազմակերպություններն ավելի ու ավելի պատրաստ են հավաքել բոլոր տեսակի տվյալներ: Սա նշանակում է, որ հավաքվում են հսկա քանակական տվյալներ ՝ առանց դրանց վերլուծության հստակ պատճառ հանդիսանալու: Այլ կերպ ասած, այն ստեղծում է հում տեղեկատվության հսկայական շտեմարան, որը հավաքվել է հենց դեպքում: Ընկերությունները, ամենայն հավանականությամբ, մտածում են, որ բավականաչափ հեշտ է հավաքել այդ բոլոր տվյալները, այնպես որ նրանք նույնպես կարող են դա անել: Ավելորդ է ասել, որ սա ամենևին էլ լավ չէ որևէ մեկի գաղտնիության համար: Այն կարող է հանգեցնել նույնիսկ անտեղի կամ «սխալ» տվյալների հավաքագրման և վերլուծության: Եթե ​​այս վերլուծությունից բերված եզրակացությունները օգտագործվում են կառավարման մեջ, ապա դա կարող է հանգեցնել նախորդ պարբերության մեջ նշված նույն անարդյունավետ միջոցների.

Հիանալի նպատակներով մեծ տվյալների հավաքում և պահպանում

Մեծ տվյալների հավաքածուն ավելի ու ավելի հաճախ օգտագործվում է ընկերությունների, կազմակերպությունների և կառավարությունների կողմից, որպեսզի նրանք կարողանան ճշգրիտ անհատական ​​պրոֆիլներ կազմել մարդկանց վրա: Օգտագործողները կամ քաղաքացիները հազիվ թե երբևէ տեղյակ են պահվում, թե նրանց անձնական տվյալներից ո՞րն է գրանցվում, էլ չենք ասում, թե ինչու և ինչպես: Ավելորդ է ասել, որ սա լուրջ հետևանքներ ունի նրանց առցանց գաղտնիության համար: Այն ամենը, ինչ նրանք անում են առցանց, կարող են պահպանվել և դիտվել ավելի ուշ: Ավելին, մեծ հավաքագրողները կարող էին հեշտությամբ ազդել և շահարկել մարդկանց որոշումների կայացման վրա `վերլուծելով և օգտագործելով հավաքված տվյալները.

Մեծ տվյալներ և գաղտնիություն

Սմարթֆոն ականջի նկարովԻնչպես հավանաբար կհասկանաք մինչ այժմ, մեծ տվյալները բերում են բազմաթիվ թերություններ և ռիսկեր: Այնուամենայնիվ, շատ ընկերություններ և կազմակերպություններ դեռևս հսկայական մասշտաբի տվյալներ են հավաքում, հիմնականում այն ​​պատճառով, որ այն կարող է օգնել նրանց աճել և առաջ տանել: Մեծ տվյալների հավաքումը ավելի հեշտ է, քան երբևէ: Սա հսկայական հետևանքներ է ունենում մեր գաղտնիության համար: Մենք արդեն հակիրճ քննարկել ենք վատ տվյալներ հավաքող չարամիտ կողմերի հնարավոր վտանգները: Քանի որ մեր գաղտնիությունը այնքան սերտորեն կապված է անձնական տվյալների զանգվածային հավաքագրման հետ, մենք ուզում ենք օգտագործել այս բաժինը `քննարկելու գաղտնիության տարբեր մտահոգությունները, որոնք բխում են մեծ տվյալների հետ:.

Լայնածավալ տվյալների հավաքում

Բազմաթիվ ընկերություններ, ներառյալ Google- ը, Facebook- ը և Twitter- ը, մեծապես կախված են գովազդներից `իրենց պահպանելու և շահույթ ստանալու համար: Այս գովազդները հնարավորինս արդյունավետ դարձնելու համար այս ընկերությունները մանրակրկիտ պրոֆիլներ են պատրաստում իրենց օգտագործողների վրա ՝ հատկապես հաշվի առնելով նրանց հավանումներն ու հետաքրքրությունները: Սա մեծ տվյալների ձև է: Նմանապես, կառավարությունները և գաղտնի ծառայությունները նույնպես կախված են մեծ տվյալներից: Նրանք օգտագործում են այս հսկայական տեղեկատվությունը ՝ կասկածելի համարվող մարդկանց հետևելու և հետաքննելու համար: Իհարկե, սա նաև նշանակում է, որ կիբեր հանցագործների համար շատ մեծ տվյալներ կան ձեռք առնելու և գուցե նույնիսկ շահարկել և չարաշահել: Սա կարող է ստեղծել գաղտնիության և ինքնության հետ կապված բոլոր տեսակի խնդիրներ: Մտածողներից մեկը ինքնության գողությունն է.

Դեռևս տվյալների շտեմարանում հավաքածուի հետ կապված հնարավորությունները շատ ավելի լայն են: Այս օրերին տեխնոլոգիան դարձել է այնքան առաջադեմ և «խելացի», որ կարող է միավորել տվյալների հավաքածուները: Դա կարելի է անել այնպիսի խելացի և խորամանկ ձևով, որ մեծ կորպորացիաները և կազմակերպությունները հավանաբար ավելին իմանան ձեր մասին, քան դուք: Ով եք դուք, որտեղ եք ապրում, ինչ են ձեր հոբբիները, ովքե՞ր են ձեր ընկերները. Այս տեղեկատվություններից ոչ մեկը այլևս անձնական չի լինի: Կարող եք մտածել ոչ այնքան մխիթարական միտք: Բարեբախտաբար, ինքներդ ձեզ պաշտպանելու մի քանի եղանակներ կան մասնավոր գաղտնիության խախտումներից, որոնք կարող են առաջացնել մեծ տվյալների.

Օրենքներ գաղտնիության մասին

Տեղեկանիշներ էկրանինԳաղտնիության օրենքներն ու կանոնակարգերը կարող են պաշտպանել մեզ գաղտնիության խախտումից, բայց միայն որոշ չափով: Որպեսզի ավելի բարդացվեն խնդիրները, գաղտնիության մասին օրենքները շատ հաճախ տարբերվում են տարբեր երկրների և տարածաշրջանների միջև: Օրինակ, Եվրոպայում գործում է սպառողի գաղտնիության համեմատաբար խիստ օրենք, որը կոչվում է տվյալների պաշտպանության ընդհանուր կանոնակարգ (ՀԴԲ): Այս օրենքը տարածվում է ԵՄ անդամ բոլոր պետությունների համար, չնայած որ մանրամասները կարող են տարբեր լինել յուրաքանչյուր երկրի համար: Շատ միջազգային ընկերություններ որոշում են կայացրել իրենց ամբողջ բիզնեսին զիջել GDPR- ին: Ահա թե ինչու Google- ը, օրինակ, այժմ թույլ է տալիս օգտվողներին պահանջել ջնջել անձնական տեղեկությունները: Այնուամենայնիվ, Միացյալ Նահանգներում գաղտնիության օրենքները տարբերվում են պետությունից և չեն պաշտպանում սպառողներին, ինչպես նաև ԵՄ-ին: Դժբախտաբար, սա նույնիսկ ճշմարիտ է ԱՄՆ-ի գաղտնիության գաղտնի օրենքի ՝ Կալիֆոռնիայի սպառողների սպառողների գաղտնիության մասին օրենքի համար.

Մի խոսքով, գոյություն չունի ուժեղ «գլոբալ» գաղտնիության մասին օրենք, որը վերաբերում է բոլոր խոշոր հավաքագրողներին և պաշտպանելու է բոլոր օգտագործողներին: Սա նշանակում է, որ մեր գաղտնիությունը ոչ միայն վնասված չէ ապօրինի, այլ նույնիսկ կատարյալ օրինական եղանակներով տվյալների հավաքագրմամբ, որքան պարադոքսալ է թվում: Բարեբախտաբար, գաղտնի փչոցների, ինչպիսիք են Էդվարդ Սնոուդենը և Չելսի Մենինգը, ինչպիսիք են Էդվարդ Սնոուդենը և Չելսի Մենինգը, ենթարկվում են գաղտնիության մեծածավալ խախտումների, մեծապես բարձրացրել են տեղեկացվածությունը մեծ տվյալների ռիսկերի վերաբերյալ: Իհարկե, սա միայն առաջին քայլն է ներկայիս գաղտնիության օրենսդրության կատարելագործման ուղղությամբ.

Շատ ինտերնետ օգտագործողներ պատրաստ չեն ակնկալել բարելավում գաղտնիության օրենսդրությունը, և այդպես ճիշտ: Փոխարենը, նրանք ցանկանում են գործեր ձեռնարկել ՝ կատարելով հնարավոր ամեն ինչ իրենց գաղտնիությունը պաշտպանելու համար: Անկանու՞մ եք խուսափել անհամար մեծ տվյալների հավաքածուների մաս դառնալուց: Կան մի քանի խորհուրդներ և հնարքներ, որոնք կօգնեն ձեզ ձեր ճանապարհին.

Ինչպե՞ս պահպանել ձեր տվյալները մեծ տվյալների հավաքածուներից պահպանումից

Մեծ տվյալների հավաքածուն լրջորեն ազդում է ձեր գաղտնիության և անվտանգության վրա: Այս տվյալների հավաքածուն կարող է պարունակել բոլոր տեսակի (անձնական) տեղեկատվություն, որը կարող է չարաշահվել մեծ ընկերությունների կամ նույնիսկ կիբեր հանցագործների կողմից: Ահա թե ինչու դուք միշտ պետք է համոզվեք, որ հնարավորինս քիչ թողնեք առցանց հետքը: Հետևյալ խորհուրդները կարող են օգնել ձեզ իրականացնել դա.

  • Փորձեք նվազագույնի հասցնել ձեր անձնական տեղեկությունների օգտագործումը գաղտնաբառերը կամ ընդհանրապես համացանցում ստեղծելիս: Օրինակ `խուսափեք ձեր անունը, հասցեն, հեռախոսահամարը, ծննդյան ամսաթիվը և այլն օգտագործելուց.
  • Միշտ հիշեք հետևյալը. Այն ամենը, ինչ դուք հրապարակում եք ինտերնետում, ընդմիշտ այնտեղ է լինելու: Դա միգուցե միշտ չէ, որ ամբողջովին ճիշտ է, բայց զգուշության այս մակարդակը կօգնի պահպանել ձեր գաղտնիությունը: Դուք ինքներդ ավտոմատ կերպով կկարգավորեք ձեր անձնական տվյալները ավելի շատ խնամքով, երբ տեղյակ կլինեք այս փաստի մասին.
  • Համոզվեք, որ ձեր ինտերնետային կապն ապահով և անանուն է, օրինակ `օգտագործելով Tor- զննարկիչը կամ VPN- ը.
  • Օգտագործեք մեկ կամ մի քանի գովազդ-արգելափակում ձեր դիտարկիչում.
  • Օգտագործեք ավելի կամ ավելի շատ բրաուզերների հավելումներ, որոնք արգելափակում են հետքերը և cookie- ները.
  • Պարբերաբար մաքրեք ձեր քեշը և ջնջեք ձեր զննարկման պատմությունն ու բլիթները.
  • Դուրս եկեք կայքերից, երբ դրանք ակտիվորեն չեք օգտագործում.

Այս քայլերը կատարելը լավ սկիզբ է, երբ խոսքը վերաբերում է ձեր առցանց գաղտնիության և անվտանգության պահպանմանը: Հիշեք, սակայն, որ մեծ տվյալները հավաքվում են տարբեր ձևերով `ոչ միայն առցանց: Մի խոսքով, որտեղ էլ որ լինեք և ինչ եք անում, միշտ պետք է զգոն լինեք և փորձեք պաշտպանել ձեր (անձնական) տվյալները մեծ տվյալների հավաքագրողներից.

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