社交网络安全指南:己所不欲、勿示于人

本文探讨了社交网络上个人信息过度分享的问题,并提供了重新审视隐私设置的建议。作者强调在网上分享任何数据前应深思熟虑,并学会使用社交平台的隐私设置。

<!-- [if gte mso 9]><xml><w:WordDocument><w:BrowserLevel>MicrosoftInternetExplorer4</w:BrowserLevel><w:DisplayHorizontalDrawingGridEvery>0</w:DisplayHorizontalDrawingGridEvery><w:DisplayVerticalDrawingGridEvery>2</w:DisplayVerticalDrawingGridEvery><w:DocumentKind>DocumentNotSpecified</w:DocumentKind><w:DrawingGridVerticalSpacing>7.8</w:DrawingGridVerticalSpacing><w:View>Normal</w:View><w:Compatibility></w:Compatibility><w:Zoom>0</w:Zoom></w:WordDocument></xml><![endif]-->

作者: DavidSancho( 趋势科技资安威胁高级研究员 )

我所谓的数据,泛指任何能够辨识我们个人身分的信息以及我们所存取的信息。例如,任何人都能浏览您的相簿,您觉得这样好吗?您要让任何人都知道您的名字和生日吗?有时候,我们会因为某种原因而分享一些信息,但后来因为生活忙录,就忘了检查自己的隐私权设定。

这里,我们最关心的是社交网络。我们往往在社交网络上分享了太多个人信息,当然,这不是社交网络的错。很显然地,社交网络本来就是一个与他人分享信息的园地。因此,它们只是做好自己的本份而已。问题在于,很多人在与他人分享数据时,不论内容跟对象都没先经过三思。

重新检讨一下你的隐私权设定

之前我就提过歹徒能够如何利用您社交网络上的信息。 ( 中文相关文章 : 你的电子邮件账号被入侵 , 还好里面没重要的东西 ?!)

因此,数据隐私权日正好提醒我们应该重新检讨一下自己的隐私权设定。更重要的是,我们应该问问自己:「我是否真的要在互联网上公然分享这些信息?」

如果我们花点时间来了解隐私权设定的运作 ( 对某些网站来说,还真不容易 ) ,甚至干脆删除不想公开的信息,就更能保护自己的隐私以及我们所爱的人,包括我们的小孩在内。我自己也在今天采取了同样的行动。我处理了三个旧的相簿。如果您是我在 Facebook 上的朋友,您就会发现我不会在上面讨论宗教和政治的话题。并非我没有信仰或政治立场,而是这些话题我比较喜欢面对面沟通。

如果您不希望自己随身挂着一个牌子写着自己的电话号码,那么为何要公布在网络上呢?

花点时间来回想一下您在网络外的真实世界是如何处理这类问题,然后,在网络的世界也以同样的方式对待。毕竟,如果您不希望自己随身挂着一个牌子写着自己的电话号码,那么为何要公布在网络上呢?

如果说“数据隐私权日”有什么值得您醒思的地方,那就是:

1. 在网络上分享任何数据之前请「务必」三思而后行。考虑是否将某些先前已分享的数据删除。

2. 学习如何有效运用您社交网站的隐私权设定来管理您所分享的对象。

如需更多有关如何在社交网站保护您个人信息的方法,请参阅以下这篇白皮书: SecurityGuidetoSocialNetworks ( 社交网络安全指南 )

先展下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
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