就谷歌涉黄事件答武汉大学生来信

网络审查与言论自由
本文讨论了网络审查的合理性及言论自由的重要性,作者提出疑问:为何不采用更合理的网络信息分级制度?他认为,成年公民应享有浏览黄色信息的权利,并担心过度审查会损害互联网作为公民权利维护平台的作用。

摘要:作为一个父亲,我当然希望我的孩子能在一个不受信息污染的环境里成长,但是我更恐惧他将来生活在一个信息闭塞、没有言论自由、他自己和法律都如橡皮泥,能被执法者随心操纵的社会里,我不希望他成年后独自在家上网看黄色信息都可能被罚款和治安拘留,哪怕这种处罚只是远处的阴影。

正文:我的文章《中国公民有通过谷歌搜索黄色信息的权利吗?》发表以后,一位读者来信发表了不同意见,以下是来信原文和笔者的回复:

您好,我是武汉的一名大学生,看了您的博文后,有些感慨。鉴于您的职业,您是从法律的角度去看待中国公民有通过谷歌搜索黄色信息的权利的,但是我想从道德的角度去谈谈。因为我本身就是一个大学生所以对大学里躲在寝室看黄片的现象很了解,而这种行为带来的副作用是相当巨大的。我不知您是否浏览过黄色录像,里面的内容和传播的精神是反人类的。它严重腐蚀了大学生的精神思想。并且耽误了大学生的学习活动时间。而中小学生的自控力很差,如果让他们接触到这些信息的话后果不堪设想,因为这样的报道很多,一群十三四岁的孩子看完黄色录像心里难忘里面的画面,而恰巧走来一位妇女,结果惨遭蹂躏,由于未满16周岁,所以量刑很轻,这对那位妇女来说是多么大的伤害,同时十几个青少年的前程也毁于一旦。

法律和道德是相辅相成的,道德的堕落必定导致犯罪率的升高,而国家采取这种一刀切的做法我认为是有道理的,因为要做到只对成人开放,不让青少年接触,从技术上讲是很难的。而成人真正会对这个感兴趣的我想不会很多的。所以我认为国家这样做是很明智的。为下一代人积极创造一个相对洁净的精神环境。(完)

我的答复:很高兴能收到您的回复,我现在三十多岁,大学毕业十多年了,在我上大学前,也曾经和您有一样的看法,但是由于学习法律的缘故,在大学里接触到的自由、平等、法治的理念让我对此有了不同的看法。先说明一点,我和我周围的成年人多数对于黄色信息还是有那么点兴趣的,估计多数人也一样。这也符合孔夫子的说法,食色性也,吾从未见好德如好色者等等。下面几个问题,如果您有兴趣,可以思考一下,或许能对此次事件有更深的认识。

一、是网络信息分级合理还是在网上禁绝黄色信息合理?

二、如果网络信息分级制更合理,政府为什么还要对网上的黄色信息采取禁绝、而不是分级疏导的措施?

三、成年公民个体应该有浏览黄色信息的权利吗?

四、为了保护青少年的成长环境,可以剥夺所有成年人浏览黄色信息的权利吗?

实际上,上面的问题都不涉及道德,现在的问题不是应不应该保护青少年免受黄色信息之害,这毫无疑问是应该的,而是既然有更合理的互联网分级制度可以采用,为什么还要使用简单粗暴的措施去禁绝互联网上的黄色信息?作为一个以律师为职业的人,我个人认为成年公民的权利可能会因此而受到侵害,所以写了您看到的那篇文章,想以此引起大家对于选择性执法问题的关注。

另一个问题是,禁绝网上的黄色信息还可能使互联网信息的传播活动受损,在您所在的湖北省,我关注到最近接连发生了邓玉娇自卫手刃淫官事件和石*首抢*尸事件,在全国乃至世界范围内引发了强烈的关注,这样一些事件的信息,都是通过包括谷歌在内的互联网渠道传播开去,引发了公众关注,使得官方采取了相对较为公平和缓的方式处理了这些案件。但是,作为传播渠道的互联网企业很可能也会因此受到打击,此次的谷歌因黄色信息被谴责的事件就不能排除是为了整肃互联网企业,让大家更听话,从而有利于信息管制(不仅仅是管制黄色信息)的原因。但是,虽然互联网传播的部分黄色信息可能导致部分人的道德堕落,但互联网信息的传播会有助于维护公民权利、打破专制统治,必然有利于社会的进步,这个道理和汽车的出现虽然会导致车祸和空气污染,但汽车一定比马车更加进步是一样的。

最后,作为一个父亲,我当然希望我的孩子能在一个不受信息污染的环境里成长,但是我更恐惧他将来生活在一个信息闭塞、没有言论自由、他自己和法律都如橡皮泥,能被执法者随心操纵的社会里,我不希望他成年后独自在家上网看黄色信息都可能被罚款和治安拘留,哪怕这种处罚只是远处的阴影。

本文作者:游云庭,上海中汇律师事务所知识产权律师,电话:8621-22116000Email: yytbest(@)gmail.com,本文仅代表个人观点。

### 图算法在人员关联分析中的应用场景和技术方法 在人员关联分析中,图算法能够有效挖掘人员之间的潜在联系,识别高风险群体和关键节点。通过构建人员与酒店之间的图模型,结合图论中的核心算法,可以实现对行为的深度分析和风险预警。 #### 社区检测算法识别高风险人群 社区检测算法(如Louvain算法、Label Propagation)可用于识别图中紧密关联的人员群体。在场景中,如果多个人员频繁出现在同一酒店,且时间窗口高度重叠,则可能构成一个团伙。通过社区检测可以发现这些高风险群体,帮助执法部门锁定重点对象。这种方法适用于大规模图数据中的聚类分析,能够有效揭示隐藏的网络结构。 #### 最短路径算法分析人员之间的潜在联系 最短路径算法(如Dijkstra算法、BFS)可用于分析两个人员之间是否存在间接联系。例如,若A与B在某酒店同时段入住,B与C也在另一酒店有交集,则可通过最短路径计算A与C之间的关联路径。这种技术有助于揭示跨地域、跨时间的复杂网络。 #### 中心性算法识别核心人员和关键酒店 中心性算法(如PageRank、Degree Centrality、Betweenness Centrality)可用于识别图中最具影响力的节点。在人员图中,某些人员可能频繁出现在多个酒店,或者多个人员都曾与某一人有交集,该人员可能为核心成员。同样,某些酒店可能成为人员的“枢纽”,通过中心性分析可识别出这些关键场所。 #### 图聚类算法挖掘隐藏的网络 图聚类算法(如谱聚类、Connected Components)可用于挖掘图中具有相似行为模式的人员集合。例如,某些人员可能在特定时间段内集中出现在某些区域,图聚类可以帮助识别这些模式,揭示潜在的活动网络。 #### 图神经网络提升预测能力 在更高级的分析中,图神经网络(GNN)可用于对人员之间的关系进行建模和预测。通过对图结构的学习,GNN可以预测某个人员是否可能参与活动,或者某个酒店是否存在风险。这种深度学习方法能够融合多种特征(如入住频率、时间分布、地理位置等),提升模型的准确性。 ```python # 示例:使用NetworkX进行社区检测 import networkx as nx from networkx.algorithms import community # 创建图 G = nx.Graph() # 添加节点和边 G.add_node("PersonA") G.add_node("HotelX") G.add_edge("PersonA", "HotelX") # 社区检测 communities = community.greedy_modularity_communities(G) print(communities) ``` #### 图数据库支持高效查询与实时分析 图数据库(如Neo4j、TigerGraph)提供了高效的图存储和查询能力,支持实时更新和复杂路径查询。在人员分析中,图数据库能够快速响应诸如“某人在过去一个月内与哪些人有交集”等查询请求,提升执法效率。 腾讯图数据库团队在图算法和高性能计算方面已有深入研究,其图数据库生态支持图算法的高效执行和可视化分析,适用于人员关联分析等复杂场景[^3]。 ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值