【信息茧房现象与侵权的表现形式综述报告7100字（论文）】

信息茧房现象与侵权的表现形式综述报告目录TOC\o"1-2"\h\u15716信息茧房现象与侵权的表现形式综述报告 125792第一节数据深挖与信息茧房概述 16739一、数据深挖概述 16181二、信息茧房与圆形监狱的原理 317728第二节信息茧房侵权的表现形式 51245一、收集未授权的数据侵犯隐私权 55462二、智能推荐功能侵犯知情权 62940三、信息茧房侵犯用户自由选择权 8本文的研究对象是数据深挖技术于其带来的信息茧房现象。随着互联网的高速发展，信息产业开始与其他学科领域出现大面积的重合以及交叉。数据深挖技术不仅在信息产业界得到了很高的关注度，而且由于它存在大量收集数据的行为，并且会在各类服务中进行广泛的使用，因此数据挖掘技术造成的侵权问题近年来也饱受法学领域的关注。数据深挖技术有利有弊，本文将讨论利用数据深挖技术进行智能化推荐时形成的信息茧房对公民利益的侵犯问题。第一节数据深挖与信息茧房概述本文所要论述的是数据深挖技术给用户带来的，以信息茧房现象为主各类负面现象的侵权表现形式，因此我们首先需要了解什么是数据深挖技术，以及它带来的信息茧房等现象的概念和成因。一、数据深挖概述数据深挖是指从大量的、非全面的、随机抓取的模糊数据中，运用统计手段，结合分析和处理，识别信息中蕴含的情报和行为模式，得到结果。再由专家通过自由的经验法则进行判断和修正参见刘宇,倪问尹,边耐政.《中国网络文化发展二十年（1994-2014）网络技术编》.湖南大学出版社,2014年11月版，第150页.，寻找其规律，并推理得到隐藏的、尚未被披露的、但有价值的信息，使用这些信息进行知识优化、决策支持的数据信息提取、数据模型转化、数据知识发现和数据价值开发的技术过程。大数据挖掘可以说是最充分体现高级智能的技术，究其本质也是人类在生活中经常运用的一种智能技能。参见刘宇,倪问尹,边耐政.《中国网络文化发展二十年（1994-2014）网络技术编》.湖南大学出版社,2014年11月版，第150页.参见CSDN博主「人工智能爱好者」.“什么是数据挖掘，机器学习与数据挖掘主要有什么联系？”./zhinengxuexi/article/details/89021000,最后访问日期：2021年3月5日.数据挖掘的发展是建立在计算机技术中机器学习的基础上的，结合了人工智能技术与数据爬虫技术。智能服务企业选择使用数据挖掘技术的目的是，从其提供服务的用户端口收集大量的数据，再从得到的这些不同领域用户、用户的不同生活习惯中，提取出多种多样的信息，然后将它们分门别类、同项合并，经过前文提到的各类计算机手段的分析，从信息的内容和规律中发现信息自身没有表现在外的模式和内在关系。这种目的表明，数据挖掘不是用来证明猜想或者假设的一种技术方法，而是用来创建假说、建立证据的技术手段。人们在平时也常常以自己的生活经验对各种人、事、物进行预测。比如从一个孩子的生活习惯判断他将来会有出息、有成就，或者没出息、无所事；更常见的诸如通过一家饭店的装潢、菜单、人流量等状况预判并决定是否选择此处用餐。人类凭借的就是结合事实现象与自身经验进行分析、总结、提炼，最后作出预测。从大量的数据中，数据挖掘只能寻找数据相互之间的特性，因此数据挖掘不会直接得到这些预设的答案，但是可以列出证据链，并且点出此事件与彼事件可能存在相关关系，只是此事件和彼事件之间存在什么样相关关系就不在其服务范围了。收集得来的数据可以根据其结构进行分类，根据其结构化的不同，挖掘数据信息的方法也随之发生变化。结构化的数据可以使用数学手段，半结构化的数据可以在数学手段的基础上结合其他手段，异构型的数据推荐使用归纳手段。最后通过各种手段分析得到的知识就可以用于信息的管理、数据服务的优化、支持智能化决策以及维护机器学习。数据挖掘的来源可以是任何类型的数据仓储：比如用户输入的文本、用户录入的信息、用户在软件上操作的数据痕迹、用户操作的时间、历史数据、用户接入服务时的互联网ip地址等等。因此发现此事件与彼事件之间关联的方式也可以是输入文本与输入时间之间的关系、进行操作与操作时地址的关系等等。最终事件之间被发现的关系可以用于信息管理、查询优化、决策支持及数据自身的维护等功能。互联网时代，计算机能够利用大量的信息与数据，通过近似人类直觉判断的方式，对这些信息和数据进行更高效率的碰撞和提炼，总结出一些未曾被发现的规则。有一个经典案例，居民区楼下的超市里纸尿裤的销量与啤酒的销量表现出一种惊人的一致性，调查发现是因为母亲在家照顾孩子，派遣父亲出门买纸尿裤，而父亲买了纸尿裤大多会顺道再买瓶啤酒，虽然此种生活模式是常见的、大多数的一种规律，但是没有销售数据分析，就很难将其与超市销量关系之间进行联系。数据挖掘的特征参见崔淑洁,张弘.“数据挖掘对个人信息的侵害与保护路径”.《西安交通大学学报(社会科学版)》,2020年第40(06)期,第138页.有以下三点：第一，具备自动化决策的功能。数据挖掘通常被视作数据管理和数据分析两项技术结合发展的结果。数据挖掘技术自20世纪末以来不断的发展，过程中除了基础的管理与分析技术以外，还融合了各种不同领域的技术，如大量数据支撑的机器学习、通过高性能计算实现的数据可视化、通过统计数据实现的行为模式识别等。这些新兴技术的加入，实现了数据挖掘的自主学习功能，并完善了智能化推荐的结果，能够自动获得分析判断和评价推荐；第二，具有黑箱性，继承于挖掘算法的黑箱性。计算机技术，算法执行，是数据挖掘过程的核心步骤。学者认为，算法本身犹如一个密闭、未知且不透明的黑箱，外界无从知晓算法运算的意图和逻辑，难以捕捉算法得到结果的每一步痕迹；第三，数据挖掘推理得到的结果具有不可预知性。不同于数据分析遵循提出参见崔淑洁,张弘.“数据挖掘对个人信息的侵害与保护路径”.《西安交通大学学报(社会科学版)》,2020年第40(06)期,第138页.二、信息茧房与圆形监狱的原理数据挖掘技术是从用户自行录入的数据库中以及经过网络爬虫等途径收集到海量个人信息，利用算法等技术手段，挖掘用户的个人喜好、潜在需求和隐藏兴趣，用以推送用户偏好的、个性化定制的消息、商品、服务等，也就是我们常说的个性化推荐。智能推荐用于提高用户的舒适体验，因此个性化推荐中最重要的考量维度则是个人信息的用户特征。但是人们用个人信息交换数字化服务带来的便捷生活，往往最终将自身局限于按照其喜好设计的数据信息领域，也就是所谓“信息茧房”之中，产生片面的认知。在名为《信息乌托邦》一书中，美国学者凯斯·桑斯坦最先定义了“信息茧房”的概念。“信息茧房”现象又被叫做“信息茧室”现象，在《信息乌托邦》中，桑斯坦认为，“具有近似想法的人将自己归入他们的回音室里，制造偏激的错误、过度的自信和没道理的极端主义。”当人们处于自己“建造”的“信息茧房”之中，首先会从他们的网络世界中缺失的是不同思想之间的碰撞，接着就逐渐沉迷于充满与自己相同的思想的“茧房”中，长此以往便会加深个人态度的偏执，使人丧失社会交流能力，甚至个人的语言表达能力也会大幅退化。进入“信息茧房”环境之后，人们首先是缺乏交流，进一步将造成缺乏思考，逐步失去使用批判性思维去思考问题的能力，最终进入只能看见数据推荐的信息内容之僵局，“信息茧房”中的人们依靠这些信息了解外界，但是不会主动思考这些信息的真假性，久而久之导致判断能力下降。在社会飞速发展的当下，网民的衣食住行往往都定时定点，活动范围也能清晰地追踪轨迹，并且在智能化传播时代中表现出十分典型的议程设置现象议程设置现象：大众传媒被认为具有一种为公众设置“议事日程”的功能，具体指传媒的新闻报道和信息传达活动以赋予各种议题不同程度的显著性的方式影响着人们对周围世界“大事”及重要性的判断。最早提出有关议程设置理论的是美国著名的新闻工作者沃尔特·李普曼。。处于“信息茧房”的环境中，议程设置现象：大众传媒被认为具有一种为公众设置“议事日程”的功能，具体指传媒的新闻报道和信息传达活动以赋予各种议题不同程度的显著性的方式影响着人们对周围世界“大事”及重要性的判断。最早提出有关议程设置理论的是美国著名的新闻工作者沃尔特·李普曼。18世纪末，一本叫《圆形监狱》的书中，作者英国哲学家杰里米·边沁提出了圆形监狱的概念。该监狱通过一种类似甜甜圈形状的结构实现了中央监视塔对外围环形囚室中所有囚犯的监视功能，因此他们不知道监视何时起始或暂停，也不能判断自己当时当刻是否处于监视中，出于类似黑暗中滴水声会被误认为是滴血声音的思考模式，囚犯们始终感觉自己还被中央塔的监视者监视，从而实现“自我监禁”。参见参见张芹芹.“‘信息茧房’和‘圆形监狱’：智能传播时代的伦理失范问题”.《视听》,2020年第11期,第187页.由于互联网的数据储存在后台，对于用户的行为记录往往事无巨细，社交媒体等社会生活记录平台的记忆使网络用户长期处于一种被监视的状态，形成了网络环境下的圆形监狱。例如QQ软件中“可能认识的人”、微信中“附近的人”、新浪微博中“可能感兴趣的博主”等功能模块，这些社交媒体可以通过数据挖掘，预测并推送用户可能认识的人，同样，该用户也可能会被推送给其他用户，造成网络用户互为监视者的局面，更增加了数据挖掘造成的圆形监狱的复杂性。第二节信息茧房侵权的表现形式上一节介绍了数据挖掘技术造成的可能给用户带来负面影响的两种现象，下面将以信息茧房现象为主，介绍其在实践中将会带来的侵权问题。一、收集未授权的数据侵犯隐私权数据挖掘技术的实现需要收集大量数据，在缺乏详细授权条款的情况下，显然侵犯了用户的隐私权。传统互联网应用主要采集用户上网习惯、消费记录等浅表信息，而与之相比，智能应用被赋予的能力使其能够采集更加能够指向某个个人的信息，比如人脸的五官特征或者指纹、虹膜等个人生物特征的信息。参见崔淑洁,张弘.“数据挖掘对个人信息的侵害与保护路径”].《西安交通大学学报(社会科学版)》,2020年第40(06)期,第139页.这些信息具有很强的私密性，更有唯一性和不变性，一旦被泄露或滥用将严重侵犯对公民的隐私权。参见崔淑洁,张弘.“数据挖掘对个人信息的侵害与保护路径”].《西安交通大学学报(社会科学版)》,2020年第40(06)期,第139页.类似的在国内外也不乏媒体曝光，事件涉及高达几百万用户，被恶意收集并泄露的隐私数据更是量以百万计，名单中不少属于个人身份信息、个人生物信息等类别的隐私信息。比如facebook在2018年引发全球数据泄露风波的大规模泄密事件，脸书公司泄露的信息则是直接收集得来的用户使用软件的留痕数据，企业将这些数据卖给智能服务企业或者或者软件广告商。虽然此类大型泄露事件并没有在我国被曝光，但是因违规收集而遭遇下架的小型应用软件层出不穷2021年4月23日工信部公布44款因违规收集用户个人信息等问题收到下架处罚的应用软件名单。，智能化时代如何保护公民的隐私权已经2021年4月23日工信部公布44款因违规收集用户个人信息等问题收到下架处罚的应用软件名单。此外，数据挖掘对隐私权的侵犯也并非完全取决于个人信息是否被透漏给不相关的一方，同时也会受到其他因素的影响：比如说获取信息的一方使用个人信息的方式以及途径、企业在使用个人信息的过程中是否受到其他数据的监视等。当利用数据深挖技术，运用人工智能技术对公开合法手段所收集的非敏感信息进行数据的关联分析时，同样存在推测出敏感个人信息的风险。这种对于用户个人隐私的隐秘的、间接的侵犯，同样也会对个体合法权益造成影响，甚至因为个体的不知情，会带来更大的危害。获得信息主体同意的信息是符合正当原则的，不过现在很多信息服务企业选择通过“胁迫”方式获得个人信息主体的同意。但是这些服务企业挖掘的个人信息并不直接指向录入信息的用户个体，取而代之的是通过一些匿名手段处理了个人信息数据，使得其中的隐私信息不能被识别而只能用作分析。但是挖掘过程中往往能通过信息关联、聚类等技术轻易地再次发现其中隐藏的数据关系和数据模式，而且挖掘过程会因为数据深挖的黑箱性而超出程序人员的设想，导致无意间泄露个人身份识别和隐私。智能推荐功能侵犯知情权由于算法的收集行为范围之广和推荐行为结果之客观，智能推荐功能在实现其目的时很容易侵犯用户的知情权。智能推荐功能的目的是提高用户使用体验的舒适感，令用户能够看见自己想看的，同时规避自己不愿意看到或者不想多看的应用、新闻、商品、视频内容等等，既节省了用户的搜索时间，也能是商家精准把握销售目标、市场环境等营销因素，不失为一种实现双赢的、提高效率的技术手段。但是智能推荐功能想要实现，基本可以分为两步，第一步先把握客户群体的选择倾向、兴趣爱好、消费习惯等信息，第二步则是结合上述信息分析并推荐与之相关联的产品、内容等。因此，智能推荐功能从这两步都有可能侵犯用户的知情权。从第一步说起，上一节说到，应用软件实行数据挖掘手段时，会采取隐瞒或胁迫的方式取得用户的同意，这一行为在侵犯用户隐私权的同时，也侵犯了用户的知情权。知情同意规则被视为个人信息保护的帝王规则参见李川平.《论个人信息保护的知情同意原则》,烟台大学2020年硕士学位论文.，该规则要求信息处理机构在处理个人信息之前通知个人信息主体并获取信息主体的同意，实践中大多表现为在使用应用软件前弹出的隐私声明或隐私政策，需要勾选同意才能进行下一步操作。知情同意规则意在保护个人对其信息的控制权能，从而更好地捍卫个人的隐私权和自由。然而，数据挖掘具有的自动化决策性、黑箱性等特征对传统的知情同意规则表现出了很大的挑战性。在应用软件或网站把握客户群体的选择倾向、兴趣爱好、消费习惯等信息时，往往需要请求用户提供开放对应的相关数据的访问权限。从这一环节开始，已经存在大批数据深挖机构选择绕过用户同意项，直接从后台侵入数据库，神不知鬼不觉地收集用户的使用数据，有时甚至顺手牵羊，收集用户的联系方式等基本信息，极大地损害了用户的隐私权，但此时用户仍然毫不知情，甚至在受到事实损害时也不能反向破解信息的源头。另外一种侵犯知情权的形式则是强制用户同意对其提供开放各种相关数据的访问权限的请求，比如简单的翻译软件，并不需要通过访问用户的通讯录以达成什么功能，但是一些软件在使用前的授权步骤中也会设置为，若不同意提供开放电话簿相关数据的访问权限的请求，则无法使用该软件。这种情况较为常见，通常人们称之为“流氓软件”。令人防不胜防的是，由于参见李川平.《论个人信息保护的知情同意原则》,烟台大学2020年硕士学位论文.从第二步的角度来看，智能推荐功能因为其自动化决策的特点，不可避免地将会形成用户的信息壁垒，侵犯了用户对其感兴趣的领域以外事件、内容的知情权。久而久之形成“信息茧房”之后，用户对茧房外的一切都将一概不知，就比如只关注美妆博主的视频软件用户，智能设备上收到推送社会新闻事件会比每天看一定数量社会新闻的用户晚一段时间；更严重时，若一位心情低落的人平时只和同病相怜的网友交流，那许多正能量新闻就会被排挤在信息壁垒之外，长久之下将极大地影响个体的心理状况。此种知情权的侵犯方式往往“侵权细无声”，但是从个人发展以及生活的角度看，伤害又是非常之大的。信息茧房侵犯用户自由选择权上文提到，数据挖掘有自动化决策的特点，自动化决策行为在方便了用户的同时，也侵犯了用户在更大范围内自由选择的权利。在一些拥有社群交流功能的应用软件或者网站上，数据挖掘机构大多会提供通过数字统计、机器学习、计算机算法等多学科的挖掘技术运用聚类分析、关联分析、预测分析等手段，分析其收集到的个人信息，挖掘出隐藏于其中的情报，然后再根据其他基础的信息比如年龄、经济实力、选择意愿等不同分类标准，刻画出潜在关联、预测性的个人标签的功能。基于数据挖掘的纵深数据标签化有助于形成全方位的个人数据画像，帮助数据挖掘机构深入了解个体特性，为个人提供针对性的个性化数据服务，实现个人生活的便捷化，并提高企业经营效率与社会管理能力参见李彦均.《抖音APP使用与满足研究》.湘潭大学2019年硕士学位论文.，但是此种个性化服务过度建立时，个人数据形象边界过于清晰，阻碍了用户个人通过应用软件发展及改变思想的自由参见李彦均.《抖音APP使用与满足研究》.湘潭大学2019年硕士学位论文.在现有流行的大部分社群交流软件和网站上，新注册用户都会见到一些选择兴趣爱好的页面，通过勾选感兴趣的话题标签来塑造自己的社群形象，接下来就