Veliki podaci i privatnost: Koji su rizici za privatnost? | VPNOverview

Posljednjih nekoliko desetljeća svijet se u mnogim aspektima strahovito promijenio, posebno kada je riječ o IT-u. Broj ljudi s kojima smo u mogućnosti svakodnevno komunicirati enormno je porastao, baš kao i količina informacija kojoj imamo pristup. Međutim, isto vrijedi i za količinu informacija koju velike tvrtke prikupljaju o nama. Izrazi poput velikih podataka koriste se sve češće kako vrijeme prolazi. Ali što to točno znači? Što su veliki podaci? Je li opasno? Kako to uopće utječe na našu privatnost? To su neka od pitanja koja ćemo pokriti u ovom članku.


Što su veliki podaci?

Lista s povećalomPojam “veliki podaci” opisuje ogromne količine (osobnih) podataka koje neprestano prikupljaju različiti sudionici. Primjer bi bile sve informacije koje Google prikuplja o upitima pretraživanja svojih korisnika. Fenomen velikih podataka relativno je nedavni razvoj koji je započeo jer su (velike) tvrtke i organizacije, poput Facebooka, Googlea i većine vlada, počele prikupljati sve više podataka o svojim korisnicima, kupcima i građanima nego prije. Nove tehnologije, digitalizirani svijet i internet neizmjerno su pomogli taj razvoj.

Zbirke velikih podataka često su toliko velike da ih je nemoguće analizirati korištenjem tradicionalnih analiza podataka. Međutim, ako se veliki podaci analiziraju na pravi način, mogu se izazvati zanimljivi obrasci i zaključci. Na primjer, veliki se podaci često koriste za istraživanje tržišta velikih razmjera: koji će se proizvodi najvjerojatnije kupiti? Kakva je vrsta oglašavanja najefikasnija kada želite dosegnuti i uvjeriti kupce?

Da bi se skup podataka mogao smatrati velikim podacima, obično bi trebao ispunjavati sljedeća tri kriterija, poznata i kao 3 v:

  • Svezak: Veliki podaci su sve samo mali uzorak. Uključuje veliku zbirku podataka, koja je rezultat dugog, kontinuiranog promatranja.
  • Brzina: To ima veze s impresivnim brzinama pri kojima se prikupljaju veliki podaci. Štoviše, veliki su podaci često dostupni u stvarnom vremenu (kako se prikupljaju).
  • Raznolikost: Veliki skupovi podataka često sadrže mnogo različitih vrsta informacija. Podaci u velikim skupima podataka mogu se čak kombinirati kako bi se popunile praznine i kako bi se skup podataka učinio još potpunim.

Osim ove tri slike, veliki podaci imaju i neke druge karakteristike. Na primjer, veliki podaci sjajni su za strojno učenje. To znači da se može učinkovito koristiti za podučavanje računala i strojeva određenim zadacima. Nadalje, kao što smo već ukratko dotakli, veliki se podaci mogu koristiti za otkrivanje obrazaca. To se uglavnom događa na vrlo učinkovit način, pomoću računala koja rade na podacima. Konačno, veliki podaci su odraz digitalnih otisaka korisnika. To znači da je nusproizvod digitalnih i mrežnih aktivnosti ljudi i da se može koristiti za izgradnju pojedinačnih osobnih profila.

Različite vrste velikih podataka

Postoje različiti načini za klasificiranje velikih podataka. Prvi način koji se najčešće koristi razlikuje velike podatke na temelju vrste podataka koji se prikupljaju. Tri moguće kategorije korištene za ovu vrstu klasifikacije su: strukturirani veliki podaci, nestrukturirani veliki podaci i polustrukturirani veliki podaci.

  1. Strukturirani: Kada su veliki podaci strukturirani, oni se mogu spremiti i predstaviti na organiziran i logičan način, čineći podatke dostupnijim i lakšim za razumijevanje. Primjer bi bio popis adresa kupaca koje je stvorila tvrtka. Na ovom će se popisu vjerojatno naći imena, adrese i možda drugi detalji kupaca, poput telefonskih brojeva, a svi su jasno strukturirani, na primjer, u grafikon ili tablicu.
  2. Nestrukturiran: Nestrukturirani veliki podaci uopće nisu organizirani. Nedostaje mu logična prezentacija koja bi imala smisla za prosječno ljudsko biće. Nestrukturirani veliki podaci nemaju strukturu, primjerice, tablice koja označava određenu koherenciju između različitih elemenata skupa podataka. Stoga je ovu vrstu podataka prilično teško za navigaciju i razumijevanje. Mnogi se skupovi podataka u početku započinju kao nestrukturirani veliki podaci.
  3. Polu-strukturiranih: Polstrukturirani veliki podaci, kao što ste mogli pretpostaviti, imaju karakteristike i strukturiranih i nestrukturiranih velikih podataka. Priroda i zastupljenost ove vrste podataka nisu potpuno proizvoljni. Pa ipak nije dovoljno strukturiran i organiziran da bi se mogao koristiti i za smislenu analizu. Primjer može biti web stranica koja sadrži određene metaoznake (dodatne informacije koje nisu izravno vidljive u tekstu), na primjer, jer sadrži određene ključne riječi. Te oznake učinkovito prikazuju određene bitove informacija, poput autora stranice ili trenutka postavljanja na mrežu. Sam tekst u osnovi je nestrukturiran, no ključne riječi i drugi meta podaci koje sadrži pomažu mu da postane nešto prikladnija osnova za analizu.

Razvrstavanje na temelju izvora velikih podataka

Drugi uobičajeni način razlikovanja različitih vrsta velikih podataka jest gledanje izvora podataka. Tko je ili što stvorio informacije? Kao i prethodna podjela, ova se metoda klasifikacije također sastoji od 3 različite kategorije.

  1. narod: Ova kategorija odnosi se na velike podatke koje stvaraju ljudi. Primjeri su knjige, slike, videozapisi, kao i podaci i (osobni) podaci na web stranicama i društvenim mrežama, poput Facebooka, Twittera, Instagrama i tako dalje.
  2. Registracija procesa: Ova kategorija uključuje tradicionalniju vrstu velikih podataka, koje prikupljaju i analiziraju (velike) tvrtke radi poboljšanja određenih procesa u poslovanju.
  3. strojevi: Ova vrsta velikih podataka rezultat je sve većeg broja senzora koji se nalaze u strojevima. Primjer bi mogao biti senzor topline koji se često ugrađuje u računalne procesore. Podaci koje generiraju strojevi često mogu biti vrlo složeni, ali barem su ove velike vrste podataka općenito dobro strukturirane i cjelovite.

Za što se mogu koristiti veliki podaci?

Facebook logoSve što se do sada raspravljalo možda još uvijek zvuči pomalo apstraktno. Učinimo malo konkretnije i raspravimo o nekim stvarnim aplikacijama velikih podataka. Uostalom, postoji mnogo, puno načina na koje tvrtke i organizacije koriste velike podatke. Jedna od prvih stvari koja pada na pamet su ogromne količine podataka koje tvrtke okupljaju o nama. Facebook prikuplja podatke o svim svojim korisnicima i analizira to kako bi odlučio što će vam pokazati na vašoj vremenskoj traci. Naravno, to se radi kako bi se zadovoljile vaše osobne želje i interesi. Facebook se nada da će vam to ostati na njihovoj web stranici dulje vrijeme. Zauzvrat, Amazon prikuplja informacije o svojim klijentima i proizvodima koji kupuju. Na taj način Amazon može preporučiti proizvode za koje smatra da će vas zanimati i na taj način povećati zaradu.

Međutim, veliki se podaci također koriste na načine potpuno drugačije od gore opisanih komercijalnih strategija. Na primjer, tvrtke za javni prijevoz mogu prikupiti podatke o prometu određenih ruta. Nakon toga mogli su analizirati te podatke kako bi odlučili, na primjer, koje rute zahtijevaju dodatne autobuse ili vlakove. Još jedan poznati slučaj učinkovite uporabe velikih podataka tiče se međunarodnog UPS-ovog velikana isporuke. UPS koristi poseban softver koji je razvijen nakon analize velikih podataka. Ovaj softver pomaže UPS vozačima da izbjegnu skretanje lijevo, što su skuplje, trošnije i opasnije od okretanja desno. Navodno je ovaj sustav već uštedio UPS milijun galona goriva, a sve zahvaljujući velikim podacima.

Drugi zanimljiv primjer skupljanja velikih podataka su DNK testovi i web stranice poput MyHeritage DNA. Ova web stranica tvrdi da vam može pomoći da „otkrijete svoje etničko podrijetlo i nađete novu rodbinu“ jednostavnim DNK testom. Nepotrebno je napomenuti da ovaj postupak uključuje puno prikupljanja podataka i unakrsnog referenciranja, što ga čini drugim glavnim igračem u velikom prikupljanju i korištenju podataka. “Tradicionalni”, fizički testovi DNK također uključuju ogromnu količinu velikih podataka, jer će tvrtke koje provode ove testove dobiti iznimno velike skupove podataka o mnogim, mnogim ljudima. Naravno, važno je biti svjestan mogućih rizika koji dolaze s tim velikim procesima prikupljanja podataka. Ti će rizici biti istaknuti u sljedećem dijelu ovog članka.

Jesu li veliki podaci opasni?

Kao što je gore prikazano, veliki podaci mogu biti nevjerojatno korisni u mnogim slučajevima. Pruža nam mnoštvo informacija koje možemo iskoristiti za pojednostavljenje procesa i učinimo tvrtke učinkovitijima i profitabilnijima. Međutim, to ne znači i prikupljanje i korištenje velikih podataka potpuno je bez rizika. Postoji pet važnih rizika koji dolaze s velikim podacima. Ovdje ćemo raspravljati o svih pet.

Hakeri i lopovi

Uz sve što radimo na mreži postoji inherentni rizik da bi se mogli ukrasti naši osobni podaci i informacije o našim internetskim aktivnostima. Svaki korisnik interneta mora biti svjestan toga. Broj propuštanja i krađa podataka drastično je porastao u posljednjih nekoliko godina. U vijestima se često pojavljuju priče o kriminalcima koji prodaju skupove podataka koji sadrže lozinke i druge informacije na mjestima kao što je mračni web. Ti se skupovi podataka često ukradu sa službenih web stranica, kompanija i organizacija. Što su ti setovi podataka veći, to je zanimljivije za kradljivce da ih pokušaju nabaviti. Ako se uhvate u ruke za ove skupove podataka, mogli bi stvoriti mnogo problema. Nepotrebno je reći da bi to također moglo uvelike ugroziti vašu privatnost.

Privatnost

Praksa prikupljanja osobnih podataka postaje sve raširenija. Međutim, trenutni propisi o zaštiti privatnosti ne mogu pratiti nagli napredak tehnologije koji ovu praksu omogućuje. To ostavlja prostor za siva područja i nesigurnosti koje se ne mogu riješiti gledanjem zakona. Važna pitanja vezana uz privatnost uključuju: Koje se vrste podataka mogu prikupljati? O kome? Tko bi trebao imati pristup tim podacima?

Prilikom prikupljanja velikih količina podataka, velike su šanse da su osjetljivi osobni podaci uključeni u te skupove podataka. To je problematično, čak i kada hakeri i lopovi nisu u igri. Uostalom, podaci o osjetljivosti na privatnost mogu zloupotrijebiti svi koji imaju loše namjere. To uključuje (zlonamjerne) tvrtke i organizacije.

Loša analiza podataka

Mnoge tvrtke i organizacije prikupljaju velike podatke jer ih mogu koristiti za zanimljive analize. To bi im moglo dati važne nove uvide u ono što istražuju (poput, na primjer, potrošačkih navika). Zauzvrat, ovi uvidi i zaključci mogli bi se pretvoriti u promjene unutar tvrtke koje rezultiraju većim maržama i većom dobiti. Međutim, kao i kod bilo kojeg drugog uobičajenog skupa podataka, pogrešna analiza velikih podataka može imati ozbiljne posljedice. Uostalom, nepravilna analiza lako može dovesti do pogrešnih zaključaka. To zauzvrat može biti neučinkovite ili čak kontraproduktivne mjere koje se poduzimaju.

Skupljanje “pogrešnih” podataka

Veliki podaci postaju sve popularniji i organizacije su sve spremnije prikupljati sve vrste podataka. To znači da se prikupljaju goleme količine podataka, a da ne postoji jasan razlog njihove analize. Drugim riječima, stvara se ogromna baza neobrađenih podataka koja je prikupljena za svaki slučaj. Tvrtke vjerovatno misle da je dovoljno jednostavno prikupiti sve te podatke, pa bi i mogle to učiniti. Nepotrebno je reći da to nije dobro za nečiju privatnost. To čak može dovesti do skupljanja i analize nebitnih ili „pogrešnih“ podataka. Ako se zaključci iz ove analize koriste u upravljanju, to bi moglo dovesti do istih neučinkovitih mjera navedenih u prethodnom stavku.

Prikupljanje i spremanje velikih podataka s lošim namjerama

Prikupljanje velikih podataka sve češće koriste tvrtke, organizacije i vlade kako bi ljudi mogli napraviti točne pojedinačne profile. Korisnici ili građani gotovo nikada nisu obaviješteni o tome koji se njihovi osobni podaci registriraju, a kamoli zašto i kako. Nepotrebno je reći da ovo ima ozbiljne posljedice na njihovu internetsku privatnost. Sve što rade na mreži mogu se spremiti i pogledati kasnije. Nadalje, veliki sakupljači podataka mogli bi lako utjecati i manipulirati ljudima na donošenje odluka analizom i korištenjem prikupljenih podataka.

Veliki podaci i privatnost

Smartphone sa slikom uhaKao što ćete vjerojatno razumjeti do sada, veliki podaci dolaze s puno nedostataka i rizika. Ipak, mnoge tvrtke i organizacije i dalje prikupljaju podatke u ogromnim razmjerima, uglavnom zbog toga što im može pomoći da rastu i napreduju. Prikupljanje velikih podataka je lakše nego ikad prije. To ima ogromne posljedice za našu privatnost. Već smo ukratko razgovarali o mogućim opasnostima od privatnosti zlonamjernih stranaka koji prikupljaju loše podatke. Budući da je naša privatnost toliko usko povezana s masovnim prikupljanjem osobnih podataka, želimo da ovaj odjeljak iskoristimo za raspravu o različitim pitanjima privatnosti koja dolaze s velikim podacima.

Prikupljanje podataka velikih razmjera

Mnoštvo tvrtki, uključujući Google, Facebook i Twitter, uvelike ovise o oglasima kako bi se održale i ostvarile profit. Da bi ovi oglasi bili što učinkovitiji, ove tvrtke izrađuju detaljne profile svojih korisnika, posebno uzimajući u obzir njihove interese i interese. Ovo je oblik velikih podataka. Isto tako, vlade i tajne službe ovise i o velikim podacima. Koriste ovu ogromnu količinu informacija za praćenje i istraživanje ljudi za koje smatraju da su sumnjivi. Naravno, to također znači da postoji puno velikih podataka o cyber kriminalcima koji mogu primiti ruke i možda čak manipulirati i zlostavljati. To može stvoriti sve vrste privatnosti i problema vezanih uz identitet. Ono što pada na pamet je krađa identiteta.

Ipak, mogućnosti koje dolaze sa skupljanjem u bazama podataka mnogo su šire od ove. Ovih je dana tehnologija postala toliko napredna i „pametna“ da može kombinirati skupove podataka. To se može učiniti na tako pametan i vješt način, da velike korporacije i organizacije vjerojatno znaju više o vama nego vi! Tko ste, gdje živite, koji su vam hobiji, tko su vaši prijatelji: nijedna od tih podataka više neće biti privatna. Možda nije baš ugodna pomisao. Srećom, postoje neki načini da se zaštitite od kršenja privatnosti velikih podataka koji mogu uzrokovati veliki podaci.

Zakoni o privatnosti

Kolačići na ekranuZakoni i propisi o privatnosti mogu nas zaštititi od povrede privatnosti, ali samo do određene mjere. Da bi se stvari složile, zakoni o zaštiti privatnosti često se jako razlikuju u različitim zemljama i regijama. Na primjer, u Europi je na snazi ​​relativno strogi zakon o zaštiti privatnosti koji se zove Opća uredba o zaštiti podataka (GDPR). Ovaj se zakon primjenjuje na sve države članice EU-a, iako se pojedinosti mogu razlikovati od zemlje do zemlje. Mnoge su međunarodne tvrtke odlučile cijeli posao pridržavati GDPR-a. Zbog toga, na primjer, Google sada omogućuje korisnicima da zatraže brisanje osobnih podataka. Međutim, zakoni o privatnosti u Sjedinjenim Državama razlikuju se od države do države i ne štite potrošače kao i EU. Nažalost, ovo vrijedi čak i za najstroži zakon o privatnosti u SAD-u, kalifornijski zakon o privatnosti potrošača.

Ukratko, ne postoji snažan “globalni” zakon o privatnosti koji bi se primjenjivao na sve velike sakupljače podataka i koji štiti sve korisnike. To znači da veliku privatnost sakupljača podataka ne štete samo na nezakonit način, već čak i na sasvim zakonit način, koliko god to paradoksalno moglo zvučati. Srećom, velika kršenja privatnosti izložena pištaljkama poput Edwarda Snowdena i Chelsea Manning uvelike su povećala svijest o rizicima velikih podataka. Naravno, ovo je samo prvi korak u poboljšanju postojećih zakona o privatnosti.

Mnogi korisnici interneta ne žele čekati poboljšanje zakona o privatnosti – i to s pravom. Umjesto toga, žele sami poduzeti akcije čineći sve što mogu kako bi zaštitili svoju privatnost. Želite li izbjeći da postanete dio nebrojenih velikih skupova podataka? Postoji nekoliko savjeta i trikova koji će vam pomoći na vašem putu.

Kako se njihovi podaci ne spremaju u velike skupove podataka

Veliki skupovi podataka ozbiljno utječu na vašu privatnost i sigurnost. Ti skupovi podataka mogu sadržavati sve vrste (osobnih) podataka koje bi velike tvrtke ili čak cyber kriminalci mogli zloupotrijebiti. Zato biste se uvijek trebali potruditi da ostavite što manje internetskog traga. Sljedeći savjeti mogu vam pomoći da to postignete:

  • Nastojte smanjiti upotrebu vaših osobnih podataka pri stvaranju lozinki ili općenito na webu. Na primjer: izbjegavajte koristiti svoje ime, adresu, telefonski broj, datum rođenja itd.
  • Uvijek zapamtite sljedeće: sve što objavite na internetu, bit će tamo zauvijek. To možda nije uvijek istina, ali ova razina opreza pomaže u zaštiti vaše privatnosti. Automatski ćete pažljivije postupati sa svojim privatnim podacima nakon što budete svjesni ove činjenice.
  • Provjerite je li internetska veza sigurna i anonimna, na primjer, koristeći Tor-preglednik ili VPN, primjerice.
  • Upotrijebite jedan ili više blokatora oglasa u pregledniku.
  • Upotrijebite na ili više dodataka preglednika koji blokiraju tragače i kolačiće.
  • Redovito brišite predmemoriju i brišite povijest pregledavanja i kolačiće.
  • Odjavite se s web-mjesta kada ih ne koristite aktivno.

Poduzimanje ovih koraka dobar je početak kada je riječ o zaštiti vaše internetske privatnosti i sigurnosti. Imajte na umu da se veliki podaci prikupljaju na mnogo različitih načina – ne samo putem interneta. Ukratko, gdje god se nalazili i što god radili, uvijek biste trebali biti budni i pokušati zaštititi svoje (osobne) podatke od velikih sakupljača podataka..

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