داده های بزرگ و حریم خصوصی: خطرات حریم خصوصی چیست؟ | VPNOverview

در طی چند دهه گذشته ، جهان از نظر بسیاری به ویژه در مورد فناوری اطلاعات ، بسیار تغییر کرده است. تعداد افرادی که هر روز می توانیم با آنها ارتباط برقرار کنیم ، بسیار زیاد شده است ، دقیقاً مانند مقدار اطلاعاتی که ما به آنها دسترسی داریم. با این حال ، درمورد میزان اطلاعاتی که شرکتهای بزرگ درباره ما جمع می کنند ، همین موضوع نیز صدق می کند. با گذشت زمان ، از اصطلاحاتی مانند داده های بزرگ بیشتر استفاده می شود. اما دقیقاً این به چه معنی است؟ داده های بزرگ چیست؟ آیا این خطرناک است؟ اگر اصلاً چه تأثیری بر حریم خصوصی ما داشته باشد؟ اینها برخی از سؤالاتی است که در این مقاله به آنها خواهیم پرداخت.


داده های بزرگ چیست?

لیست با ذره بیناصطلاح “داده های بزرگ” مقادیر عظیمی از داده های شخصی (شخصی) را توصیف می کند که بطور مداوم توسط بازیگران مختلف جمع می شوند. به عنوان مثال می توان اطلاعاتی را که Google در مورد جستجوی کاربران استفاده می کند ، جمع آوری کرد. پدیده داده های بزرگ یک تحول نسبتاً اخیر است که به این دلیل آغاز شده است که (شرکت های بزرگ) مانند سازمان های Facebook ، Google و اکثر دولت ها نسبت به گذشته شروع به جمع آوری داده های بیشتر در مورد کاربران ، مشتریان و شهروندان خود کردند. فن آوری های جدید ، یک دنیای دیجیتالی و اینترنت به پیشرفت فوق العاده کمک کرده اند.

مجموعه داده های بزرگ غالباً چنان گسترده هستند که تجزیه و تحلیل آنها با استفاده از تجزیه و تحلیل داده های سنتی غیرممکن است. اما اگر کسی داده های بزرگ را به روش صحیح تجزیه و تحلیل کند ، می توان از الگوهای جالب و نتیجه گیری نتیجه گرفت. به عنوان مثال ، داده های بزرگ اغلب برای تحقیقات بازار در مقیاس بزرگ مورد استفاده قرار می گیرد: به نظر می رسد کدام محصولات خریداری می شوند؟ وقتی می خواهید به مشتریان برسید و ترغیب شوید ، چه نوع تبلیغاتی مؤثر است?

برای اینکه داده های بزرگ به عنوان داده های بزرگ در نظر گرفته شوند ، معمولاً باید سه معیار زیر را که به آن معروف هستند نیز مطابقت دهند 3 v:

  • جلد: داده های بزرگ چیزی جز نمونه کوچک است. این شامل مجموعه گسترده ای از داده ها است ، که ناشی از مشاهده طولانی و مداوم است.
  • سرعت: این به سرعت قابل توجه مربوط به جمع آوری داده های بزرگ مربوط می شود. علاوه بر این ، داده های بزرگ اغلب در زمان واقعی قابل دسترسی هستند (همانطور که جمع می شود).
  • تنوع: مجموعه داده های بزرگ اغلب حاوی انواع مختلفی از اطلاعات است. داده ها در مجموعه های بزرگ داده حتی می توانند برای پر کردن شکاف ها و کامل تر کردن مجموعه داده ها ترکیب شوند.

گذشته از این 3 مورد ، داده های بزرگ خصوصیات دیگری دارند. به عنوان مثال ، داده های بزرگ برای یادگیری ماشین بسیار عالی هستند. این بدان معناست که می تواند به طور موثری برای آموزش برخی کارها به رایانه ها و ماشین ها استفاده شود. علاوه بر این ، همانطور که قبلاً به طور خلاصه به آن اشاره کردیم ، می توان از داده های بزرگ برای شناسایی الگوهای استفاده کرد. این بیشتر با استفاده از رایانه هایی که روی داده کار می کنند ، به روشی بسیار مؤثر اتفاق می افتد. سرانجام ، داده های بزرگ بازتاب اثر انگشت دیجیتال کاربران است. این بدان معنی است که این محصول جانبی فعالیتهای دیجیتالی و آنلاین افراد است و می تواند برای ساختن پروفایل های شخصی شخصی استفاده شود.

انواع مختلف داده های بزرگ

روش های مختلفی برای طبقه بندی داده های بزرگ وجود دارد. روش اول ، که بیشتر استفاده می شود ، داده های بزرگ را با توجه به نوع داده هایی که جمع آوری می شود ، متمایز می کند. سه دسته ممکن برای این نوع طبقه بندی استفاده می شود: داده های بزرگ ساخت یافته ، داده های بزرگ بدون ساختار و داده های بزرگ نیمه ساخت یافته.

  1. ساختار یافته: هنگامی که داده های بزرگ ساخته می شوند ، می توانند به صورت سازمان یافته و منطقی ذخیره و ارائه شوند و داده ها را در دسترس و آسان تر درک کنند. به عنوان مثال لیستی از آدرسهای مشتری ایجاد شده توسط یک شرکت می باشد. در این لیست ، نام افراد ، آدرس ها و شاید سایر اطلاعات مانند شماره تلفن ها ، که همه به وضوح در ، مانند یک نمودار یا جدول ساختار یافته است ، پیدا می شود..
  2. بدون ساختار: داده های بزرگ بدون ساختار به هیچ وجه سازماندهی نمی شوند. فاقد یک نمایش منطقی است که به معنی یک انسان عادی است. داده های بزرگ بدون ساختار دارای ساختار جدول نیستند که نشان دهنده انسجام خاصی بین عناصر مختلف مجموعه داده ها است. از این رو ، این نوع داده ها برای حرکت و درک بسیار دشوار است. بسیاری از مجموعه داده ها در ابتدا به عنوان داده های بزرگ بدون ساختار شروع می شوند.
  3. نیمه ساختاری: داده های بزرگ نیمه ساختار یافته ، همانطور که احتمالاً حدس زده اید ، دارای خصوصیات داده های بزرگ ساختاری و بدون ساختار هستند. ماهیت و نمایش این نوع داده ها کاملاً خودسرانه نیستند. با این وجود ساختار و سازماندهی کافی برای استفاده از آن برای تجزیه و تحلیل معنی دار وجود ندارد. به عنوان مثال یک صفحه وب است که شامل برچسب های خاص داده متا (اطلاعات اضافی که به طور مستقیم در متن قابل مشاهده نیستند) باشد ، به عنوان مثال به دلیل اینکه دارای کلمات کلیدی خاصی است. این برچسب ها بطور مؤثر بخشهای خاصی از اطلاعات را نشان می دهند ، مانند نویسنده یک صفحه یا لحظه ای که در اینترنت قرار گرفت. متن خود اساساً بدون ساختار است ، اما کلمات کلیدی و دیگر داده های متا موجود در آن کمک می کند تا آن را به یک مبنای کمی مناسب برای تجزیه و تحلیل تبدیل کند..

طبقه بندی بر اساس منبع داده های بزرگ

یکی دیگر از روشهای متداول برای تمایز بین انواع مختلف داده های بزرگ ، با نگاهی به منبع داده ها است. چه کسی یا چه چیزی اطلاعات را ایجاد کرده است؟ مانند روش قبلی ، این روش طبقه بندی نیز از 3 دسته مختلف تشکیل شده است.

  1. مردم: این گروه مربوط به داده های بزرگی است که توسط افراد ایجاد شده است. به عنوان مثال می توان به کتاب ها ، تصاویر ، فیلم ها و همچنین اطلاعات و (شخصی) داده ها در وب سایت ها و رسانه های اجتماعی ، مانند فیس بوک ، توییتر ، اینستاگرام و غیره اشاره کرد.
  2. ثبت فرآیند: این دسته شامل نوع سنتی سنتی تر داده های بزرگ است که توسط (شرکت های بزرگ) جمع آوری شده و به منظور بهبود فرآیندهای خاص در یک تجارت جمع آوری و تجزیه و تحلیل می شوند..
  3. ماشین آلات: این نوع داده های بزرگ از تعداد حسگرهایی در حال رشد است که در ماشین ها قرار می گیرند. یک نمونه می تواند سنسور گرما باشد که اغلب درون پردازنده های رایانه ای قرار دارد. داده های تولید شده توسط ماشین ها اغلب می توانند بسیار پیچیده باشند ، اما حداقل این نوع داده های بزرگ عموماً به خوبی ساختار یافته و کامل هستند.

از داده های بزرگ برای چه مواردی می توان استفاده کرد?

آرم فیس بوکهر آنچه که تاکنون مورد بحث قرار گرفته ممکن است هنوز به نظر یک انتزاع باشد. بگذارید کمی دقیق تر صحبت کنیم و در مورد برخی از برنامه های داده های بزرگ در زندگی واقعی بحث کنیم. بعلاوه ، روشها و روشهای زیادی وجود دارد که شرکتها و سازمانها از دادههای بزرگ استفاده می کنند. یکی از اولین مواردی که به ذهن متبادر می شود مبالغ عظیمی از شرکتهای داده است که درباره ما جمع می شوند. فیس بوک داده هایی را برای همه کاربران خود جمع آوری می کند و این مسئله را تجزیه و تحلیل می کند تا تصمیم بگیرد چه چیزی را در جدول زمانی شما نشان دهد. البته این کار برای تهیه خواسته ها و علایق شخصی شما انجام می شود. فیس بوک امیدوار است که این امر باعث شود شما برای مدت طولانی تری در وب سایت خود بمانید. به نوبه خود ، آمازون اطلاعات مربوط به مشتریان و کالاهایی را که خریداری می کند جمع می کند. از این طریق ، آمازون می تواند محصولاتی را که فکر می کنند به آنها علاقه دارید پیشنهاد کنید و درآمد خود را از این طریق افزایش دهید.

با این حال ، داده های بزرگ نیز به روش هایی کاملاً متفاوت از استراتژی های تجاری که در بالا توضیح داده شده است ، استفاده می شوند. به عنوان مثال ، شرکت های حمل و نقل عمومی می توانند اطلاعات مربوط به میزان مشغول بودن مسیرهای خاص را جمع آوری کنند. پس از آن ، آنها می توانند این داده ها را تجزیه و تحلیل کنند تا تصمیم بگیرند ، برای مثال ، کدام مسیرها به اتوبوس یا قطار اضافی نیاز دارند. مورد شناخته شده دیگر استفاده مؤثر از داده های بزرگ مربوط به یو پی اس غول بین المللی تحویل است. UPS از نرم افزار خاصی استفاده می کند که پس از تجزیه و تحلیل داده های بزرگ توسعه داده شده است. این نرم افزار به درایورهای UPS کمک می کند تا از چرخش های چپ دست که ارزان تر ، هدر رفته و خطرناک تر از چرخش های راست است جلوگیری کنند. ظاهراً ، این سیستم در حال حاضر میلیون ها گالن گالن را در سوخت ذخیره کرده است ، همه به لطف داده های بزرگ.

نمونه جالب دیگر جمع آوری داده های بزرگ تست های DNA و وب سایت هایی مانند MyHeritage DNA است. این وب سایت ادعا می کند که می تواند به شما کمک کند با یک آزمایش ساده DNA ، “ریشه های قومی خود را کشف کرده و اقوام جدید پیدا کنید”. نیازی به گفتن نیست ، این فرایند مستلزم جمع آوری داده ها و ارجاع متقابل است و آن را به یکی دیگر از عوامل اصلی جمع آوری و استفاده از داده های بزرگ تبدیل می کند. “سنتی” ، آزمایش های DNA فیزیکی همچنین شامل داده های بزرگی است ، زیرا شرکت هایی که این آزمایش ها را انجام می دهند ، مجموعه داده های بسیار بزرگی را در مورد بسیاری از افراد کسب می کنند. البته ، مهم است که از خطرات احتمالی ناشی از این فرایندهای بزرگ جمع آوری داده آگاه باشید. این خطرات در بخش بعدی این مقاله برجسته خواهد شد.

داده های بزرگ خطرناک است?

همانطور که در بالا نشان داده شد ، داده های بزرگ در بسیاری از موارد می توانند فوق العاده مفید باشند. این اطلاعات به ما اطلاعات بسیاری را می دهد که می توانیم از آنها برای ساده سازی فرایندها و کارآمدتر و سودآوری شرکت ها استفاده کنیم. با این حال ، این به معنای جمع آوری و استفاده از داده های بزرگ کاملاً بدون ریسک نیست. پنج ریسک مهم وجود دارد که با داده های بزرگ همراه است. ما در اینجا درباره هر پنج مورد بحث خواهیم کرد.

هکرها و سارقان

با هر کاری که به صورت آنلاین انجام می دهیم ، این خطر ذاتی وجود دارد که می توان اطلاعات شخصی و اطلاعات مربوط به فعالیت های اینترنتی ما را به سرقت برد. هر کاربر اینترنت باید از این امر آگاه باشد. تعداد نشت داده ها و سرقت ها طی چند سال گذشته به طرز چشمگیری افزایش یافته است. غالباً در اخبار اخبار مربوط به مجرمان فروش مجموعه داده های حاوی گذرواژه ها و سایر اطلاعات در مکان هایی مانند وب تاریک وجود دارد. اغلب ، این مجموعه داده ها از وب سایت های رسمی ، شرکت ها و سازمان ها سرقت می شوند. هرچه این مجموعه داده ها بزرگتر باشند ، برای سارقان تلاش می شود که آنها را به دست آورند. اگر آنها دست خود را به این مجموعه داده ها گیرند ، می توانند مشکلات زیادی ایجاد کنند. نیازی به گفتن نیست ، این همچنین می تواند حریم خصوصی شما را به خطر بیاندازد.

حریم خصوصی

شیوه جمع آوری داده های شخصی روز به روز گسترده تر می شود. با این حال ، مقررات فعلی حریم خصوصی نمی تواند از پیشرفت های سریع در فن آوری که این عمل را ممکن می سازد همگام باشد. این مکان را برای مناطق خاکستری و عدم قطعیت هایی که با نگاهی به قانون قابل حل نیست ، فراهم می کند. نگرانی های مهم مربوط به حریم خصوصی که ایجاد می شود عبارتند از: چه نوع داده ای برای جمع آوری مجاز است؟ درباره کی؟ چه کسی باید به این داده ها دسترسی داشته باشد?

هنگام جمع آوری مقدار زیادی از داده ها ، احتمال اینکه اطلاعات شخصی حساس در آن مجموعه داده ها زیاد باشد ، وجود دارد. این مسئله حتی اگر هکرها و دزد ها بازی نمی کنند مشکل ساز است. از این گذشته ، داده های حساس به حریم خصوصی می توانند توسط هر کسی که قصد بدی داشته باشد مورد سوءاستفاده قرار گیرند. این شامل شرکت ها و سازمان ها (مخرب) می شود.

تحلیل داده ضعیف

بسیاری از شرکت ها و سازمان ها داده های بزرگی را جمع آوری می کنند ، زیرا می توانند از آن برای تجزیه و تحلیل های جالب استفاده کنند. این ممکن است بینش جدید و مهمی در مورد آنچه در حال تحقیق هستند (مانند مثلاً عادات مصرف کننده) به آنها می دهد. به نوبه خود ، این بینش ها و نتیجه گیری ها می تواند به تغییراتی در داخل شرکت منتهی شود که منجر به حاشیه بالاتر و سود بیشتر شود. با این حال ، درست مانند هر مجموعه داده عادی دیگر ، تجزیه و تحلیل نادرست از داده های بزرگ می تواند عواقب جدی داشته باشد. از این گذشته ، یک تحلیل نادرست به راحتی می تواند به نتیجه گیری نادرست منجر شود. اینها به نوبه خود می توانند به اقدامات ناکارآمد یا حتی ضد تولیدی که انجام می شود ، تبدیل شوند.

جمع آوری داده های “اشتباه”

داده های بزرگ به طور فزاینده ای رایج می شوند و سازمان ها بیشتر و بیشتر مایل به جمع آوری انواع داده ها هستند. این بدان معناست که مقادیر عظیمی از داده ها جمع می شوند بدون اینکه دلیل مشخصی برای تجزیه و تحلیل آنها وجود داشته باشد. به عبارت دیگر ، یک پایگاه داده عظیم از اطلاعات خام ایجاد می کند که فقط در صورت جمع آوری شده است. احتمالاً شرکت ها فکر می کنند جمع آوری تمام داده ها به اندازه کافی آسان است ، بنابراین ممکن است این کار را انجام دهند. لازم به گفتن نیست ، این برای حریم شخصی هر کسی خوب نیست. حتی می تواند منجر به جمع آوری و تجزیه و تحلیل داده های نامربوط یا “اشتباه” شود. اگر از نتایج این تحلیل در مدیریت استفاده شود ، می تواند به همان اقدامات ناکارآمد ذکر شده در پاراگراف قبلی منجر شود.

جمع آوری و ذخیره داده های بزرگ با نیت بیمار

مجموعه داده های بزرگ بیش از پیش توسط شرکت ها ، سازمان ها و دولت ها مورد استفاده قرار می گیرد تا بتوانند پروفایل های فردی دقیق را بر روی افراد ایجاد کنند. کاربران یا شهروندان به سختی شناخته شده اند که کدام یک از اطلاعات شخصی آنها ثبت شده است ، چه رسد به اینکه چرا و چگونه. لازم به گفتن نیست ، این پیامدهای جدی برای حفظ حریم خصوصی آنلاین آنها دارد. هر کاری که آنها بصورت آنلاین انجام دهند ، بعداً قابل ذخیره و مشاهده است. علاوه بر این ، گردآورندگان بزرگ داده می توانند با تجزیه و تحلیل و استفاده از داده های جمع آوری شده ، به راحتی در تصمیم گیری افراد تأثیر بگذارند و دستکاری کنند.

داده های بزرگ و حریم خصوصی

تلفن هوشمند با تصویر گوشهمانطور که احتمالاً تاکنون خواهید فهمید ، داده های بزرگ دارای معایب و خطرات زیادی هستند. با این وجود ، بسیاری از شرکت ها و سازمان ها هنوز داده ها را در مقیاس عظیمی جمع آوری می کنند ، بیشتر به این دلیل که چگونه می تواند به آنها در رشد و پیشرفت کمک کند. جمع آوری داده های بزرگ آسان تر از گذشته است. این عواقب عظیمی برای حریم شخصی ما دارد. ما قبلاً به طور خلاصه در مورد خطرات احتمالی حفظ حریم خصوصی طرف های مخرب هنگام جمع آوری داده های بد بحث کرده ایم. از آنجا که حریم شخصی ما با مجموعه انبوهی از داده های شخصی ارتباط نزدیکی دارد ، می خواهیم از این بخش استفاده کنیم تا نگرانی های مختلف مربوط به حریم خصوصی را که با داده های بزرگ همراه است بحث کنیم..

جمع آوری داده های بزرگ

بسیاری از شرکت ها ، از جمله گوگل ، فیس بوک و توییتر ، به شدت به تبلیغات وابسته اند تا بتوانند خود را حفظ و سود خود را حفظ کنند. برای اینکه هرچه ممکن این تبلیغات موثر باشد ، این شرکت ها پروفایل های مفصلی را در مورد کاربران خود ایجاد می کنند ، خصوصاً با توجه به لایک و علاقه آنها. این نوعی از داده های بزرگ است. به همین ترتیب ، دولت ها و سرویس های مخفی نیز به داده های بزرگ وابسته هستند. آنها از این اطلاعات گسترده برای ردیابی و تحقیق درباره افرادی که به نظر آنها مشکوک است استفاده می کنند. البته ، این بدان معناست که داده های بزرگ زیادی برای مجرمان سایبری وجود دارد که دست خود را بگیرند و شاید حتی دستکاری و سوء استفاده کنند. این می تواند انواع حریم خصوصی و مشکلات مربوط به هویت را ایجاد کند. چیزی که به ذهن خطور می کند سرقت هویت است.

هنوز امکاناتی که در مجموعه داده ها با مجموعه وجود دارد بسیار گسترده تر از این است. این روزها ، فناوری آنقدر پیشرفته و “هوشمند” شده است که می تواند مجموعه های داده را با هم ترکیب کند. این امر می تواند به گونه ای هوشمندانه و زیرکانه انجام شود که شرکت های بزرگ و سازمان ها احتمالاً بیشتر از شما اطلاعات بیشتری در مورد شما بدانند! شما چه کسی هستید ، در کجا زندگی می کنید ، سرگرمی های شما چه کسانی هستند ، دوستان شما چه کسانی هستند: هیچ یک از این اطلاعات دیگر خصوصی نخواهد بود. شاید یک فکر خیلی راحت نباشد ، ممکن است فکر کنید. خوشبختانه ، روش های محافظت از خود در برابر نقض حریم خصوصی در مقیاس بزرگ وجود دارد که باعث ایجاد داده های بزرگ می شود.

قوانین مربوط به حریم خصوصی

کوکی های روی صفحهقوانین و مقررات حفظ حریم خصوصی می تواند از ما در برابر نقض حریم خصوصی محافظت کند ، اما فقط تا حدودی. برای پیچیده تر کردن امور ، قوانین حفظ حریم خصوصی اغلب بین کشورها و مناطق مختلف تفاوت زیادی دارند. به عنوان مثال ، در اروپا یک قانون نسبتاً سختگیرانه برای حفظ حریم خصوصی مصرف کنندگان به نام آیین نامه حفاظت از داده های عمومی (GDPR) لازم الاجرا است. این قانون در مورد همه کشورهای عضو اتحادیه اروپا صدق می کند ، اگرچه جزئیات ممکن است در هر کشور متفاوت باشد. بسیاری از شرکت های بین المللی تصمیم گرفته اند که تمام مشاغل خود را به GDPR واگذار کنند. به همین دلیل ، به عنوان مثال گوگل اکنون به کاربران این امکان را می دهد تا اطلاعات شخصی را حذف کنند. با این حال ، قوانین حفظ حریم خصوصی در ایالات متحده از دولت به ایالت متفاوت است و از مصرف کنندگان و همچنین اتحادیه اروپا محافظت نمی کند. متأسفانه ، این حتی برای سخت ترین قانون حفظ حریم خصوصی در ایالات متحده ، قانون حفظ حریم خصوصی مصرف کننده کالیفرنیا صادق است.

به طور خلاصه ، هیچ چیز به عنوان یک قانون خصوصی “جهانی” محرمانه وجود ندارد که در مورد همه جمع آوری داده های بزرگ اعمال شود و از همه کاربران محافظت کند. این بدان معناست که حریم خصوصی ما فقط به غیرقانونی به جمع آوری کنندگان بزرگ آسیب نمی رساند بلکه حتی به طرز کاملاً قانونی به اندازه پارادوکسیکال به نظر می رسد. خوشبختانه ، موارد نقض حریم خصوصی در مقیاس بزرگ در معرض هواداران سوت مانند ادوارد اسنودن و چلسی منینگ باعث افزایش آگاهی در مورد خطرات داده های بزرگ شده است. البته این تنها اولین قدم برای بهبود قوانین فعلی در مورد حریم خصوصی است.

بسیاری از کاربران اینترنت مایل نیستند در انتظار بهبود قوانین حفظ حریم خصوصی – و به درستی با این حساب باشند. در عوض ، آنها می خواهند با انجام هر کاری که می توانند برای حفظ حریم خصوصی خود اقدام کنند. آیا می خواهید از عضویت در مجموعه های داده های بی شماری نیز جلوگیری کنید؟ چندین راهنمایی و ترفند برای کمک به شما در راه وجود دارد.

چگونه می توان از داده های خود در مجموعه های داده بزرگ نجات داد

مجموعه داده های بزرگ به طور جدی بر حریم خصوصی و امنیت شما تأثیر می گذارد. این مجموعه داده ها ممکن است حاوی انواع اطلاعات (شخصی) باشد که توسط شرکت های بزرگ یا حتی مجرمان سایبری سوءاستفاده می شود. به همین دلیل است که همیشه باید حتماً تا حد امکان کمتر ردیابی آنلاین داشته باشید. نکات زیر می تواند در انجام این کار به شما کمک کند:

  • سعی کنید هنگام ایجاد گذرواژه‌ها یا به طور کلی در وب ، استفاده از اطلاعات شخصی خود را به حداقل برسانید. به عنوان مثال: از استفاده از نام ، آدرس ، شماره تلفن ، تاریخ تولد و غیره خودداری کنید.
  • همیشه موارد زیر را به خاطر بسپارید: هر آنچه که در اینترنت منتشر می کنید ، برای همیشه در آنجا خواهد بود. این ممکن است همیشه کاملاً درست نباشد ، اما این میزان احتیاط به شما در حفظ حریم خصوصی شما کمک می کند. پس از آگاهی از این واقعیت ، به طور خودکار داده های خصوصی خود را با دقت بیشتری اداره خواهید کرد.
  • به عنوان مثال با استفاده از مرورگر Tor یا VPN ، اتصال اینترنت شما ایمن و ناشناس باشد.
  • از یک یا چند آگهی مسدودکننده در مرورگر خود استفاده کنید.
  • از افزونه های مرورگر یا بیشتر استفاده کنید که ردگیرها و کوکی ها را مسدود می کند.
  • مرتباً حافظه نهان خود را پاک کرده و سابقه مرور و کوکی های خود را حذف کنید.
  • وقتی به طور فعال از آنها استفاده نمی کنید ، از وب سایت ها خارج شوید.

انجام این مراحل هنگامی که می توان از حفظ حریم شخصی و امنیت آنلاین خود محافظت کنید ، شروع خوبی است. البته به خاطر داشته باشید که داده های بزرگ به روش های مختلفی جمع می شوند – نه فقط آنلاین. به طور خلاصه ، هر کجا که هستید و هر کاری انجام می دهید ، همیشه باید هوشیار باشید و سعی کنید از داده های شخصی خود در مقابل جمع آوری کنندگان بزرگ محافظت کنید.

Kim Martin
Kim Martin Administrator
Sorry! The Author has not filled his profile.
follow me