未來幾年數(shù)據(jù)泄露事件的增長率也許會達到100%，除非數(shù)據(jù)在其源頭就能夠得到安全保障。可以說，在未來，每個財富500強企業(yè)都會面臨數(shù)據(jù)攻擊，無論他們是否已經做好安全防范。近日，江蘇淮安警方查封了7家利用爬蟲技術盜取用戶隱私的科技公司，這7家公司共計盜取了4.68億個人身份信息，而目前中國網民的數(shù)量為8.54億人。換言之，至少有超過一半的網民失去了隱私。

2019年9月以來，警方發(fā)起互聯(lián)網“除蟲”行動，大力打擊非法抓取用戶信息的違法犯罪行為。在此之前，51信用卡、同盾科技等“獨角獸”也在爬蟲數(shù)據(jù)的應用方面誤入歧途，丟了生意也毀了聲譽。作為互聯(lián)網大數(shù)據(jù)最早也是最廣泛的應用之一，爬蟲技術正在遭遇前所未有的信任危機。

你的隱私只值一塊錢

掛上科技公司的“羊頭”，做著賣用戶隱私的“狗肉生意”，這背后是暴利的誘惑。據(jù)江蘇淮安警方通報內容顯示，此次被查封的科技公司，主要是通過“黑爬蟲”網站的軟件非法獲取小貸公司的用戶數(shù)據(jù)，再打包售賣的下游客戶從中牟利。據(jù)此前媒體報道案例顯示，一份包含有個人身份信息、貸款數(shù)據(jù)、逾期數(shù)據(jù)等內容的400人隱私數(shù)據(jù)包，售價為500元，算下來，一個人的隱私價格為1塊多錢。當購買者所需要的數(shù)據(jù)量足夠大，一條個人信息的單價甚至可以低至1分錢。在此次江蘇淮安警方查獲的7家涉事公司中，拉卡拉支付旗下的考拉征信也在其中。據(jù)了解，考拉征信向下游一家叫北京黑格公司的數(shù)據(jù)公司售賣數(shù)據(jù)接口后，該數(shù)據(jù)再次流通到下游購買方。

作為二級“代理商”的考拉征信，從2015年3月以來共計提供了近1億次“身份證返照”查詢的非法業(yè)務，從中獲利3800萬元。照此計算，考拉征信販賣一條隱私信息可獲利2.63元。販賣隱私信息的成本是多少?通過工商信息可以了解到，作為隱私數(shù)據(jù)源頭的北京黑格公司登記員工人數(shù)為3人。若這3名員工均為爬蟲技術工程師，按照目前2萬至4萬的薪資計算，北京黑格的人工成本為每年72萬元-144萬元。按照1分錢一條隱私的價格，只需要售賣7200萬條信息就能回本。

隱私的終點站

據(jù)警方通報信息顯示，上述7家科技公司售賣的隱私數(shù)據(jù)，最終將被用于推銷貸款和催收，以及和其他公司交換信息。其中，專門從小貸公司專區(qū)截獲的個人信息，可用于放貸以及繼續(xù)向下游客戶售賣。10月21日，港股上市公司51信用卡因委托外包催收公司涉嫌尋釁滋事等違法行為，被公安機關調查。消息稱，51信用卡通過爬蟲數(shù)據(jù)竊取用戶隱私數(shù)據(jù)，并將數(shù)據(jù)庫打包流通至催收公司。在此之前，該公司因未經用戶同意收集個人信息而被工信部點名批評。

9月，大數(shù)據(jù)明星創(chuàng)業(yè)公司魔蝎科技的涉案人員，因非法販賣個人隱私被警方帶走。在此之前，該公司曾開發(fā)過一款專門爬取支付寶數(shù)據(jù)的產品。據(jù)其產品介紹，個人只要掃描一枚二維碼就會將包括真實姓名、手機號、收貨地址、近一年的購物信息、交易記錄等信息事無巨細地統(tǒng)統(tǒng)“上交”給數(shù)據(jù)庫。

2019年3月，號稱中國最大的簡歷大數(shù)據(jù)公司、曾獲李開復旗下創(chuàng)新工場投資的巧達科技，被警方“一鍋端”，原因是非法售賣簡歷信息。據(jù)警方披露，巧達科技非法獲取了2.2億自然人的簡歷信息以及超過10億份通訊錄。而這些信息背后，是與此相關的社會關系、組織關系、家庭關系。按照此前巧達科技的官宣數(shù)據(jù)，這家公司擁有超過8億自然人的全方位數(shù)據(jù)。更早，“大數(shù)據(jù)行業(yè)第一股”數(shù)據(jù)堂的員工也爆出販賣公民信息的丑聞。據(jù)公開信息顯示，該案6名主要涉案人員在8個月時間內，共計販賣公民信息量達到百億條，累計傳輸數(shù)據(jù)壓縮后約為4000GB左右，相當于傳送了2000部《戰(zhàn)狼2》。

這些隱私數(shù)據(jù)的主人不一定是貸款人或者小貸平臺的用戶，他們可能是網購達人、準備買房的青年、正在準備就業(yè)的大學畢業(yè)……據(jù)悉，數(shù)據(jù)堂所販賣的隱私數(shù)據(jù)主要內容為手機號、地區(qū)和互聯(lián)網使用習慣偏好，通過標簽化可以做到精準營銷。

大數(shù)據(jù)光環(huán)下的“蟲災”

什么數(shù)據(jù)能爬取、爬取行為如何約束以及怎么使用爬取的數(shù)據(jù)，業(yè)界標準無法統(tǒng)一。“君子協(xié)議”防不住小人，只能由警方和檢方出馬了。但此起彼伏的追查行動，無法根治爬蟲帶來的“互聯(lián)網蟲災”。爬蟲技術誕生于上個世紀90年代，最早被應用于Google等搜索引擎。爬蟲技術通過抓取互聯(lián)網網頁信息并對其進行篩選、儲存，就能成為一個巨大的“數(shù)據(jù)包”，供用戶在搜索引擎上檢索。百度搜索也是基于爬蟲技術而實現(xiàn)的。隨著技術的演進，后續(xù)還出現(xiàn)了“算法推薦”等基于爬蟲數(shù)據(jù)庫而升級的新工具。技術無罪，人性作祟。在爬蟲技術誕生之初，一些搜索引擎同一些網站通過郵件的方式定下“君子協(xié)議”—— robots.txt。協(xié)議內容規(guī)定了搜索引擎在網站抓取內容的范圍和禁區(qū)。彼時，爬蟲技術的生長環(huán)境還是透明的，內容獲取和提供方的關系也更為和諧。

歷史上關于爬蟲數(shù)據(jù)的第一場紛爭發(fā)生在2000年。美國支付平臺eBay將一家比價網站BE告上法庭，原因是BE違反了爬蟲協(xié)議，將禁區(qū)內的用戶信息爬取并聚合公開。盡管BE聲稱該內容屬于用戶集體貢獻而不歸用戶所有，但最終eBay勝訴。

2017年，領英以違法爬蟲將一家數(shù)據(jù)分析公司告上法庭。但結果和eBay不同，領英敗訴。盡管領英一再強調保護用戶隱私不被未知第三方濫用，且用戶能夠控制自己的數(shù)據(jù)將被用于何處。但實際上，領英對這家數(shù)據(jù)公司的爬取是知情的。發(fā)起訴訟，源自領英準備開展與該數(shù)據(jù)公司類似的業(yè)務，為此需要阻斷其爬取行為。兩場官司的出發(fā)點發(fā)生了變化。從最初的單純維護爬蟲協(xié)議的“保護隱私原則”，轉變?yōu)橐灾\求自身利益的爬取反制——經過20年的演變，爬蟲數(shù)據(jù)的行業(yè)自律行為，已經遠遠超過互聯(lián)網道德約束的邊界。