IELAB网络实验室 大数据：谁看了我的隐私？

一、大数据的意义：
大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产
对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
正式由于大数据具备更强的决策力、洞察发现力，对于企业分析客户的行为、偏好等起到了许多决策性的作用。现在，我们通常听到个性化、定制化、客户体验之类的词汇，然而，
真正的，客户体验，难道不应该是根据客户的偏好而制定的吗？

二、大数据对于社交网络带来的影响
1、社交网络平台的多样化，社交网络大数据也多元化
随着移动互联的发展，各种同质化异化的社交网络平台的不断涌现，QQ、微信、新浪微博、Facebook、Twitter、Instagram等等，虽然都是网络社交平台，但是交流的侧重点又不一样，因此产生了大量的社会学、传播学、行为学、心理学、人类学、舆论学等众多领域的社交数据。各行业的企业都倾注了大量的心血在这些数据进行挖掘分析，从而更加比较精确地把握事态的动向，找准营销对象。

2、探码大数据技术基于社交网络大数据顺势而为
随社交网络大数据的多元化发展，各个领域对社交网络大数据的需求呈现出巨大的增长趋势。基于社交网络大数据的技术——探码大数据处理平台，采用先进的网络爬虫技术，分布式计算能力，针对定制的目标数据源进行网络信息的数据采集、数据提取、数据挖掘、数据处理，从而为各种信息服务系统提供数据输入。在社交网络大数据的应用上，力图为使用者提供更加便捷和直观的数据分析结果。

3、为什么要做社交网络数据分析呢?
社交网络数据分析是基于社交网站的海量数据而衍生出来的服务型产品，但是同时它们反过来也为社交网站提供了巨大的参考价值。社交网站可以根据对社交数据的分析结果，进一步开发出适合用户需求的应用和功能，从而将用户黏着在自己的平台上。利用社交数据分析工具，提供个性化的用户画像，从以下几个维度进行分析：
用户固定特征：性别，年龄，地域，教育水平，生辰八字，职业，星座
用户兴趣特征：兴趣爱好，使用APP，网站，浏览/收藏/评论内容，品牌偏好，产品偏好
用户社会特征：生活习惯，婚恋，社交/信息渠道偏好，宗教信仰，家庭成分
用户消费特征：收入状况，购买力水平，商品种类，购买渠道喜好，购买频次
用户动态特征：当下时间，需求，正在前往的地方，周边的商户，周围人群，新闻事件
从以上几个维度分析社交网络平台，得出结果可以看出用户的爱好特征消费情况动态特征等等各种行为，从而更加了解用户更加的懂用户的需求。对于对用户推送的信息更加精准，同时能做到更加精准的数字运营。

三、社会工程学：
社会工程学（Social Engineering），是一种通过人际交流的方式获得信息的非技术渗透手段。不幸的是，这种手段非常有效，而且应用效率极高。事实上，社会工程学已是企业安全最大的威胁之一。社会工程学的一些有效的攻击手段，就是基于对被攻击者信息的收集，包括偏好、喜好、行为、心理分析。而社交网络，就是最好的突破口之一。在大数据进行社交分析的时候，对客户进行个性化描述、多维度进行刻画的时候，也为社会工程学家，或者黑客提供了便利的条件。

在“大数据”的浪潮中，基于社交网络大数据的应用，将会为企业带来更多的收益，推动大数据分析在各行各业中的应用和推广，将会为企业和社会带来“大价值”。同时，深度的数据挖掘中最敏感的问题仍然是用户隐私的问题。社交网站从一诞生起就与这个问题相伴相生，随着大数据时代的到来，隐私问题显得越发重要。在未来掘金社交数据的道路上，一方面要为用户提供更加精准便捷的良好服务，另一方面也要注重对用户隐私的保护。只有符合用户需求和用户安全的商业利益，才能成为可持续的商业利益。都想象不到，对于黑客们来说，通过一个用户名、一串数字、一串英文代码，社会工程师就可以通过这么几条的线索，通过社工攻击手段，加以筛选、整理，就能把你的所有个人情况信息、家庭状况、兴趣爱好、婚姻状况、你在网上留下的一切痕迹等个人信息全部掌握得一清二楚。虽然这个可能是最不起眼，而且还是最麻烦的方法。一种无需依托任何黑客软件，更注重研究人性弱点的黑客手法正在兴起，这就是社会工程学黑客技术。

文章内容来源于51cto<<社交网络大数据的应用有多大的价值>>
Ie-lab 李强伟
转载：http://www.ie-lab.cn/
ie-lab网络实验室针对思科认证，ccie，ccna，ccnp认证，华为认证等课程！
授课经验丰富，师资力量雄厚！
通过网络报名所有课程6折起！咨询微信13126705344，电话同步！

标签：数据分析,实验室,社交,用户,IELAB,网络,隐私,工程学,数据
来源： https://blog.csdn.net/spccie/article/details/90721297