劍橋分析「濫用」Facebook的泄露數據只是一個必然
並非說這是一個壞時代，我們每個人都在有意無意，或被動或主動地散步自己的數據，這會獲得類似推薦系統這樣的方便，也會被人利用比如信息流上的操作。我們應該客觀唯物地認知到這個事實。
這一周Facebook的估價下跌了13%，百億美元的市值就這麼蒸發掉了。
引用一下媒體的報道：
據《紐約時報》和《倫敦觀察員》上周六的報道稱，Cambridge Analytica（劍橋分析）從2014年開始通過欺騙用戶和Facebook的方式收集數據，總共獲得了5000萬Facebook用戶的個人數據。
根據告密者克里斯托夫·維利的指控，Cambridge Analytica在2016年美國總統大選前獲得了5000萬名Facebook用戶的數據。這些數據最初由亞歷山大·科根通過一款名為「this is your digital life」的心理測試應用程序收集。通過這款應用，Cambridge Analytica不僅從接受科根性格測試的用戶處收集信息，還獲得了他們好友的資料，涉及數千萬用戶的數據。能參與科根研究的Facebook用戶必須擁有約185名好友，因此覆蓋的Facebook用戶總數達到5000萬人。
這家公司的業務，涉及到一個很有意思的人Michal Kosinski，一位組織行為學學者，他在2014年獲得博士學位，在斯坦福大學和劍橋大學都任過教職。他的研究領域在於使用網路數據去研究人的心理和行為。
結合最近幾年互聯網的發展和大數據應用的風潮，Kosinski作為學者可以說是非常時髦。
如果對於他過往的研究作品沒有太多印象，他最近還用深度學習發表過另一篇極有爭議的論文《在通過面部照片判斷個人性取向的問題上，深度神經網路比人類更準確》(Deep neural networks are more accurate than humans at detecting sexual orientation from facial images)
Kosinski在2012年使用Facebook的點贊數據建立了一個心理學側寫模型（注1），模型通過用戶對什麼事情點贊去學習他的性格。數據量級達到一定程度，大約70個點贊以後，模型對於用戶五型人格的判斷上有比一般人更高的性能。
這就是劍橋分析的理論依據：他們認為人類通過人格特質對事物的判斷行事，因此基於Facebook數據對用戶的性格建模，並據此進行對應的媒體信息投放，影響用戶的信息接收和判斷。
這看起來比傳統的根據人口地理學特徵去進行投放要更科學，畢竟我們都知道廣東人愛吃福建人只是無稽之談。
是這樣嗎？我們看一下Kosinski的模型：
用戶-物品矩陣，奇異值分解，線性回歸，很經典的計量方法，對於數據從業者來說都是相當熟悉的名詞。這不是什麼高深的技術，一個懂得使用python的本科生，對著文檔敲代碼，幾個小時就能複製出這個模型。在2017年，企業如果不提深度學習這個詞，都不敢說自己是大數據公司。
我是個單身狗，但是微信朋友圈會給我推送女士香水的廣告。我買的貓糧都收貨確認了，淘寶過了兩個月都還一直給我推送貓糧店鋪。精準投放這件事本來就沒那麼精準。
說回劍橋分析這件事，劍橋分析獲得的其實只有27萬用戶的數據，只是通過每個用戶至少要擁有185名好友，達到「最多5000萬人」的覆蓋範圍。說他影響了美國大選，基本上只是自己的公關說辭罷了。
這件事其實最有意思的事情，在於劍橋分析鑽了「授權」的漏洞。
當時的Facebook對用戶數據授權並沒有很嚴格的控制，劍橋分析通過偽裝成學術研究網頁的方式，獲得用戶授權後，進而獲取了用戶的歷史消息、關聯好友、互動行為等。說到底，其實是一個大型的爬蟲。
Facebook現在仍然允許獲得授權的應用獲取很多信息，只是集中於提供授權的用戶信息，不至於連他好友的信息都能獲取。從開發者文檔看來，目前允許獲取的數據仍然有相當的想像空間，如：
1. 用戶基本屬性：基本資料如生日地域，一些一度好友關係；
2. 用戶活動：書籍、運動、點贊、發文；
3. 用戶創建的活動和管理的小組；
（Facebook的登錄授權信息）
（微博的授權登錄信息）
大眾對於這件Facebook數據被「濫用」的事件非常敏感，還發起了刪除Facebook的活動。現實版的鋼鐵俠Elon Musk也響應了一下，刪除了他的Facebook賬號。
但是坦白說，這其實不是什麼新鮮事。不止我前面所說的Kosinski的五型人格模型其實大部分是經典方法，對公開數據的爬蟲產業現在早已經非常發達。兩三年前大數據這個詞還很火的時候，網上隨便搜索數據分析的入門文章，都是關於如何使用python進行爬蟲。
就如我之前寫過的一篇文章所說，利用爬蟲獲取公開數據，通過信息差去賺錢，已經是很常見的生意。
私人數據呢？
不客氣地說，國內大部分的大數據公司，其實都是在販賣私人數據。我前面提到淘寶給我推送貓糧廣告，但是我其實是在京東上買的貓糧，淘寶如何知道這件事？懂的人自然已經懂了。
這是信息時代的人類的現實。信息技術的發展和應用不僅僅讓我們能夠獲取更多的信息，我們自身也在成為信息。
人類文明這幾千年來的突飛猛進，與其說是生理上的進化，不如說是人類通過文字、宗教、國家這些架構來組織信息，使人類的智慧能夠規模化進步，脫離個體基因演化客觀上需要的時間局限。
獲得了計算機這個新的信息運算工具，又建立了互聯網這種巨大的信息架構，未來人類的生活不可避免地會繼續作用於信息和被信息反作用。
而現在，公司這種靈活的組織得以在國家之前搶先適應時代，獲取了大量的數據，而國內大型公司對於數據的獲取和使用比美國的同行只會更過分。讀者朋友們，你們都應該注意個人數據保護這件事。
Facebook自己受益於信息時代得以誕生，它也是世界上第一家使用演算法改變實時信息流的公司，通過廣告獲取了大量的收入。最終他也被他所擁有的數據所反噬。
並非說這是一個壞時代，我們每個人都在有意無意，或被動或主動地散步自己的數據，這會獲得類似推薦系統這樣的方便，也會被人利用比如信息流上的操作。
我們應該客觀唯物地認知到這個事實。
我是大本，一介數據分析師社畜。
生活中有趣的事情很多，我會跟你說說數。
特斯拉老闆Elon Musk註銷了Facebook，但他可沒有註銷Facebook旗下的Instagram。Instagram也採用演算法分發信息流。
得益於一位讀者，我下一篇會講一下跟它有關的另一個產品。
TAG:大本說數 |