大数据时代是一个最好的时代,也是一个最坏的时代。
网络和通讯工具的迅猛发展让信息成为这个时代流通最快的资源。各种各样的信息极大地丰富、方便了我们的生活,改变了我们的生活方式和思维方式;而同样是这些信息,如果在我们不愿接受时频频侵扰我们的生活,个人信息,尤其是隐私信息频频遭到泄露和利用,那么就该对大数据时代信息传播的法律保障作一反思了。
今日,网络以及依托网络产生的电子商务、互联网金融等新兴服务行业已经渗透到我们日常生活的每一个角落,即时通讯工具也逐渐与传统通讯工具平分天下,占据了我们生活的一部分。但是,随之而来的花样繁多的网络诈骗、信息骚扰、信息泄露也乘着网络的“快车道”驶入我们的生活,令我们不堪其扰。
毫无预期的促销电话、频频发送的打折短信、不胜其烦的房地产信息,凡此种种,不禁让我们发出这样的疑问:究竟是谁泄露了我的个人信息?我如何才能保护自己的个人信息和人身权益不受侵害?个人信息频遭泄露不会没有利益驱使,商家和不法分子根据利益需要将公民的个人信息当作商品一样贩卖,由此形成了一条信息倒卖的黑色利益链。
这条利益链要如何斩断?靠公民的自我防范?靠商家的行业自律?靠网络运营商的监督管理?这些诚然有效,但能斩断这条利益链条的“尚方宝剑”还是具有制度刚性的法律约束。
因为相关法律法规的不健全,非法收集、倒卖、利用、泄露他人个人信息的违法行为者利用法律的漏洞肆意行事,导致许多人的人身权益受到损害。
也是因为相关法律法规的不健全,因为个人信息泄露而受到人身权益侵害的公民或者无法界定自己是否被侵害的事实,或者不知道该如何提出申诉、向谁提出申诉,很多时候竟陷入了“哑巴吃黄连,有苦说不出”的尴尬境地。
在个人信息的法律保护方面,美国、欧盟、法国等国家和地区早已走在前列,主要有集中立法和分散立法两种模式。
欧盟采取集中立法模式,对保护个人信息进行集中立法,统一规定个人信息保护的相关法律问题。美国采取分行业保护的分散立法模式,保护个人信息的法律规定散见于各部门法,如《电子通讯隐私法》《金融隐私权法案》《有线通讯隐私权法案》等。
其中欧盟于1995年制定、目前尚在修改的号称“世界上最严格的”个人数据保护的规定设立了一个新的权利——被遗忘权。即在网络时代,每个个人在网络上留下的痕迹,都有权利要求被清除。
美国跟欧盟的个人信息保护的模式不一样,但是美国对个人信息保护同样有完善的法律和制度保障。其中一个值得我们借鉴的制度是,如果企业泄露了个人信息,该企业必须通知到每一个信息被泄露的信息主体。美国有30多个州已经通过了该项数据泄露通知的法律,这样就加大了违法的成本,也就从反面加大了企业保护个人信息的积极性。
此次最高人民法院通报《关于审理利用信息网络侵害人身权益民事纠纷案件适用法律若干问题的规定》,首次明确了个人信息保护的范围,从操作层面上对利用信息网络进行人身权益侵害案件的受理和审判提供了可操作的有力依据。
新规定的公布,为良莠不齐的网络个人信息传播提供了一定意义上的法律约束。根据《规定》内容,电信业务经营者、互联网信息服务提供者应当制定用户个人信息收集、使用规则,并在其经营或者服务场所、网站等予以公布。
《规定》还要求,未经用户同意,电信业务经营者、互联网信息服务提供者不得收集、使用用户个人信息。而在个人信息搜集范围方面,《规定》也明确指出电信业务经营者、互联网信息服务提供者不得收集其提供服务所必需以外的用户个人信息或者将信息用于提供服务之外的目的,不得以欺骗、误导或者强迫等方式或者违反法律、行政法规以及双方的约定收集、使用信息。电信业务经营者、互联网信息服务提供者在用户终止使用电信服务或者互联网信息服务后,应当停止对用户个人信息的收集和使用,并为用户提供注销号码或者账号的服务。
对于个人信息被倒卖成为商品的现状,该《规定》要求电信业务经营者、互联网信息服务提供者及其工作人员对在提供服务过程中收集、使用的用户个人信息应当严格保密,不得泄露、篡改或者毁损,不得出售或者非法向他人提供。
从这些方面来看,此次《规定》已经为网络个人信息泄露造成的人身权益侵害提供了可供操作的法律武器。但个人信息的保护圈该如何划定?什么信息可采集,什么信息不可采集?信息该由谁采集?采集到的信息该如何保管?使用后是否该立即删除?若发生信息泄露事件该如何追责?相关处罚该以何标准进行?等等,这些有关个人信息保护的法理问题还需要上位法的进一步规定。
网络信息传播具有快速、匿名、范围广等特点,一部笼统的法律无法顾及到所有可能发生的情况,而操作层面的法规又存在法律位阶和法律约束较低的问题。只有形成一套既系统又有可操作性配套法律法规的个人信息保护法律体系,才能真正为网络时代的个人信息撑起一把“保护伞”。
数据分析咨询请扫描二维码
统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22