数据聚合的消费者隐私风险:企业应该做什么?

简介: 数据聚合的消费者隐私风险:企业应该做什么?

来源:企业网D1net


2024年9月,FTC发布报告,揭示了Amazon、ByteDance等九家科技巨头在数据使用上的严重隐私风险。报告指出,这些公司普遍存在数据收集行为超出用户预期,带来重大隐私隐患。大型科技公司尽管面临监管,但仍需加强数据共享控制。报告强调了数据隐私保护不足、数据收集的下游影响以及广告技术中的复杂性和缺乏可见性等关键问题,并提出了对敏感数据、外国实体、第三方和数据代理商的隐私担忧。FTC呼吁立法者采取行动,对企业数据行为进行全面监管,同时,企业也需主动采取措施,如限制数据收集、共享,避免收集敏感数据,并识别和阻止未经授权的追踪器和像素,以提高数据透明度,确保用户数据安全。


2024年9月,联邦贸易委员会(FTC)发布了一份发人深省的报告,深入剖析了包括Amazon(Twitch)、ByteDance(TikTok)、Discord、Facebook、Reddit、Snap、Twitter、WhatsApp和YouTube在内的九家科技巨头的数据使用习惯。调查结果显示,这些公司普遍存在着广泛且往往令人不安的数据收集行为,这些行为超出了用户的预期,带来了重大的隐私风险。


本文剖析了关键的隐私挑战,并为企业在当今复杂的数字环境中保护消费者数据提供了实用指导。


数据收集的下游影响


虽然报告聚焦于九家主要科技公司的数据隐私实践,但我们想强调两个应引起广大受众(包括所有消费者和企业)共鸣的主题:

数据隐私保护不足:大公司尽管拥有庞大的用户基础和丰富的资源,却经常展现出数据隐私保护不足的问题。考虑到它们处理的数据量之大,这一差距尤其令人担忧。


数据收集的下游影响:近年来,FTC已对GoodRx、BetterHelp和Cerebral等公司进行了打击,原因是这些公司在其网站上嵌入了来自Meta和其他平台的追踪器,据称这些追踪器在未经适当披露或同意的情况下共享了客户的敏感数据。报告阐述了企业在其网站上使用Meta、TikTok或Snap像素等工具(通常是为了在这些社交平台上对受众进行再营销)可能会无意中促成与众多第三方的数据共享,这种共享远远超出了它们在自己网站上嵌入的特定像素的范围。


报告揭示了一个令人不安的现实:大型科技公司尽管面临监管审查,但仍需对其自身的数据共享行为实施更有力的控制。委员阿尔瓦罗·贝多亚指出:“虽然大多数公司都报告了与第三方共享用户个人信息的情况,但没有一家公司有效披露了所有数据的接收者。有些公司甚至声称无法确定所有涉及的第三方。”同样,委员梅丽莎·霍利约克补充说,许多公司“无法准确传达它们收集了哪些信息或这些信息是如何被使用的”。


这种缺乏透明度揭示了一个令人不安的事实——一旦像Meta这样的平台收集了数据,这些数据就可能在用户不知情或无法控制的情况下被传递给关联公司或数据合作伙伴,这导致了数据无限制地扩散,因为报告提到,这些平台会结合来自多个来源的数据(包括其自身的数据、第三方关联公司和数据代理商的数据)来构建用户和非用户的全面档案,然后,像像素这样的隐私追踪技术会被用来根据用户的兴趣和偏好来支持定向广告,而用户可能从未打算分享这些信息。


广告技术中的复杂性和缺乏可见性


报告强调的一个关键点是,满足隐私指令是多么困难。许多公司依赖于通过广告技术(如追踪像素和SDK)收集的大量数据,而这些数据的使用方式往往缺乏透明度和控制,这些数据在复杂的广告生态系统中流动,使得公司和用户都难以理解这些数据最终将在何处以及如何使用。


报告在几个关键领域提出了严重的隐私担忧,包括:


• 敏感数据:公司收集大量敏感信息,往往没有对儿童和青少年等弱势群体提供充分的保障。透明度仍然是一个重大问题,数据实践与面向消费者的政策之间存在巨大差距。


• 外国实体:一些美国公司与外国实体共享客户数据,增加了政府监控的风险。在与隐私标准不同的国家共享数据方面,担忧尤为严重。消费者有权获得关于这些跨境传输如何影响其数据隐私的明确信息。


• 第三方:虽然公司通常会承认与第三方共享用户数据,但跟踪每一个接收者具有挑战性,这种缺乏控制会在数据隐私管理中造成漏洞。很少有企业会严格审查其第三方的数据共享行为,这引发了责任问题,并增加了数据泄露的风险。


• 数据代理商:通过使用数据代理商,公司建立详细的用户档案并无限期地保留数据,通常通过在线广告将其货币化。报告呼吁对数据代理商的行为(包括数据收集、保留和销售)进行更严格的审查,而不仅仅是监管定向广告。


这份报告表明,数据很少会停留在最初的收集者手中,这使得公司和消费者都容易遭受隐私泄露的风险。数据可以从一个实体传递到另一个实体,如果没有严格的隐私控制,最终可能会落入外国实体或未受监管的人工智能模型手中,这一现实为那些嵌入追踪像素或使用主要平台广告技术工具的公司敲响了警钟。


FTC已经明确表示,为了继续毫无限制地共享和出售消费者数据,必须有意义的监管。报告的调查结果是对立法者的呼吁,要求他们采取行动,解决整个数据生态系统的问题,而不仅仅是显而易见的广告技术层。

FTC委员莉娜·汗强调,有效的立法需要对数据行为进行全面监管,以在保护消费者隐私和遏制无限制的数据利用方面真正发挥作用。


企业的责任:采取行动


FTC为企业改善其数据行为概述了几个关键步骤:


• 限制数据收集:实施具体的数据最小化和保留政策。


• 限制数据共享:限制与第三方和关联公司的数据共享,在不再需要时删除消费者数据,并采用清晰、消费者友好的隐私政策。


• 避免收集敏感数据:避免通过侵入性的广告追踪技术收集敏感信息,并仔细审查使用敏感数据类别的广告定位政策。


然而,这些措施仅针对企业主动跟踪的数据。数据共享生态系统的大部分都在暗处运作,这使得全面的消费者保护具有挑战性。企业需要能够阻止未经授权的数据共享并检测“搭载”像素的工具,以有效保护消费者数据。


“搭载”像素指的是通过现有标签或像素添加到网站上的第三方追踪像素或标签。网站所有者不会直接实施这些次级像素,相反,它们会通过另一方的像素(如来自广告网络或分析服务的像素)加载,这可能包含额外的脚本,这些脚本会在没有网站所有者参与的情况下加载其他追踪标签。


识别和阻止未经授权的追踪器和像素对于提高数据透明度至关重要。通过执行严格的数据共享政策并积极管理第三方追踪器,公司可以采取有意义的步骤来改善消费者隐私。


在消费者信任依赖于坚实的隐私保护的时代,企业必须积极确保用户数据的安全。这些努力与FTC的指导方针相一致,并展现了对透明度和消费者保护的承诺——在当今注重隐私的市场中,这是一个宝贵的优势。


版权声明:本文为企业网D1net编译,转载需在文章开头注明出处为:企业网D1net,如果不注明出处,企业网D1net将保留追究其法律责任的权利。


相关文章
|
30天前
|
人工智能 JSON API
从MCP到PTC Anthropic回归Code Execution路线,AiPy的范式被再次验证
Anthropic从MCP到Programmatic Tool Calling的演进,实则是对“上下文爆炸”问题的修正,仍属“上下文工程”范畴。而AiPy早于Claude Code提出Python-use范式,主张“Code is Agent”,通过代码直接交互环境,实现“万物互联、万物编程”。相较MCP/PTC依赖预定义工具,Python-use更具扩展性与灵活性,兼容API、包调用及本地执行,早在2024年8月即实现命令级代码执行,领先Skills两月。CodeAct理念与其高度一致,但本质仍是工具注册模式。Python-use范式直击Agent核心:大模型与环境数据的无限连接能力
|
10月前
|
监控 安全 Cloud Native
企业网络架构安全持续增强框架
企业网络架构安全评估与防护体系构建需采用分层防御、动态适应、主动治理的方法。通过系统化的实施框架,涵盖分层安全架构(核心、基础、边界、终端、治理层)和动态安全能力集成(持续监控、自动化响应、自适应防护)。关键步骤包括系统性风险评估、零信任网络重构、纵深防御技术选型及云原生安全集成。最终形成韧性安全架构,实现从被动防御到主动免疫的转变,确保安全投入与业务创新的平衡。
|
数据采集 数据安全/隐私保护 Python
【Python】已解决:urllib.error.HTTPError: HTTP Error 403: Forbidden
通过上述方法,可以有效解决 `urllib.error.HTTPError: HTTP Error 403: Forbidden` 错误。具体选择哪种方法取决于服务器对请求的限制。通常情况下,添加用户代理和模拟浏览器请求是最常见且有效的解决方案。
802 10
|
机器学习/深度学习 存储 人工智能
Transformers 自然语言处理(二)(4)
Transformers 自然语言处理(二)
226 0
|
关系型数据库 MySQL Java
Flink CDC编译问题之增加依赖包失败如何解决
Flink CDC编译指的是将Flink CDC源代码转换成可执行程序的过程,可能会涉及到依赖管理和环境配置等问题;本合集将介绍Flink CDC编译的步骤、常见错误及其解决办法,以确保顺利完成编译过程。
|
存储 数据采集 JSON
电商API分享:如何批量获取商品详情页数据(属性图价格sku视频评论)
电商API(应用程序接口)通常提供了丰富的数据获取功能,使开发者能够方便地获取商品详情页的各种数据,包括商品属性、图片、价格、SKU(库存量单位)、视频以及评论等。以下是一个基本的步骤指南,用于通过电商API批量获取商品详情页数据:
|
存储 弹性计算 运维
快速上手阿里云EMAS Serverless 开发小程序
本文经过阅读《五天玩转 EMAS Serverless》和官方文档整理而成。不得不说,前者是一本优秀的技术小册子,写得通俗易懂。EMAS Serverless 也是一个十分优秀的平台,不仅好用,每月还有免费的额度,十分适合还不熟悉 serverless 的朋友们上手体验。
2516 0
|
Linux 网络安全 开发工具
Git学习---Git快速入门、Git基础使用、Git进阶使用、Git服务器使用(IDEA集成GitHub、Gitee、GitLab)、GitHub Desktop客户端
Git学习---Git快速入门、Git基础使用、Git进阶使用、Git服务器使用(IDEA集成GitHub、Gitee、GitLab)、GitHub Desktop客户端
|
机器学习/深度学习 存储 人工智能
边缘AI新方法TinyML,超低功耗,存储占用KB计,在边缘设备上进行机器学习
在资源受限设备上运行机器学习模型的能力为许多新的可能性打开了大门。AI 的发展可能使标准机器学习更加节能,有助于减少人们对数据科学影响环境的担忧。此外,TinyML 允许嵌入式设备被赋予基于数据驱动算法的新智能,这些算法可以用于从预防性维护到森林中的鸟叫声检测等任何方面。
边缘AI新方法TinyML,超低功耗,存储占用KB计,在边缘设备上进行机器学习

热门文章

最新文章