很多消費者習慣貨比三家，比對完價格以後殺回第一家，結果第一家平臺非常狡猾地告知消費者已售罄，但是價格更高的還可以購買，諸如此類的大資料殺熟事件見怪不怪。如果說平臺利用消費者資料分析出了使用者習慣從而精準盈利的方式令人反感又無力反抗，那麼俄羅斯駭客在大資料基礎上分析使用者心理，在Facebook上精準投放資訊，從而引導輿論，干擾選舉，對國家安全的危害性非同小可。

隨著商品市場的日益繁盛，在一堆商品裡挑選一個自己滿意的將花費越來越多的時間，大資料針對消費者的喜好推薦反而幫助消費者提高效率。當初創企業需要新開展某項業務，但是沒有熟悉的服務商渠道，開啟瀏覽器就會有平臺推送相關資訊，卻能更高效實現買賣交易。因此，令消費者不滿的不完全是這種“精準服務”，更多的是不滿自己被剝奪了一定的選擇權，遮蔽了接觸其他資訊的機會。消費者不完全信任大資料是否真的篩選了無用資訊，還是有意篩掉了不想讓消費者看到的資訊。所以，

大資料的精準服務並不能等同於侵犯隱私。

為避免大資料侵犯隱私，用限制資料採集的辦法並不能保證資料安全。

因噎廢食的做法很大程度上會限制大資料技術的發展。資料採集前就向用戶說明使用範圍，從具體操作上有困難性。因為大資料時代不同於IT時代，並不是先設定好程式，再將資訊填進去，而是先擁有大量資料才能產生應用。而不同平臺交換資料，實現資料更新，更有利於人工智慧深度學習。某些特定的場景下，資料的合理使用反而保護安全。例如AI大資料尋人，缺少資料支撐，尋人系統並不能發揮作用。

而多數人對於隱私和資料安全的概念認識不深。對於隱私的界定，不同的人有不同的概念。隨著時間推移，同一個人對於自己的隱私衡量標準也會改變。即使是大型經營成熟的公司也不知道應該對誰的隱私負責。隱私是不願意公開的資訊，不願意公開的物件更多是其他自然人或者機構。擔心有別有用心的人透過機構的資料庫提取到自己的資料加以利用。因此，

大眾更恐懼的是針對個人或個別機構的資料洩露和隱私攻擊。

十年前駭客攻擊更多的是原始資料，而現在駭客有可能汙染機器學習模型的訓練資料，篡改訓練資料會影響模型輸出正確預測的能力，破壞機器學習模型。從目前的技術層面，資料管理使用區塊鏈技術相對安全。愛沙尼亞政府曾受到俄羅斯駭客的網路攻擊幾近癱瘓，如今政府網路幾乎全部使用區塊鏈，避免了當年重創重演。區塊鏈具有“不可偽造”、“全程留痕”、“可以追溯”、“公開透明”、“集體維護”等特徵。基於這些特徵，區塊鏈技術奠定了堅實的“信任”基礎。從企業層面來看，選擇有資料安全管理能力的企業，做好資料備案、建立好資料風險預警、資料洩露後即刻通知也能起到一定作用。當然，完全依賴企業自覺和資料管理平臺並不可靠，涉及重大公共安全等資料，政府應該嚴格管理。從行政機構層面，採用資料管理採用分級制更為有效。

（部分觀點引用賽迪智庫網路安全研究所《資料安全治理白皮書》、阿里研究院《資料安全治理的基本原則》）