都说川普“推特治国”,但赢下大选靠的却是Facebook?

2018 年 3 月 19 日 虎嗅网 古泉君


特朗普可能不会想到,上任总统都已经过去快两年,自己当年大选的那点事还能被翻出来。


据《纽约时报》和《英国观察家报》报道,剑桥分析公司(Cambridge Analytica)与 2016 年特朗普竞选团队合作,在未经用户许可的情况下,Cambridge Analytica 获取了 5000 名 Facebook 账号的信息,并将之滥用于 2016 美国总统大选期间的政治广告,利用个人档案建立起个人信息系统,预测和影响民意的选择,来帮助自己赢得大选。


据报道,这是有史以来 Facebook 面临的最大数据泄露案之一。


面对这样的指责,Facebook 也火速进行了回应:在发现违规行为之后,Facebook 暂停了这家名为Cambridge Analytica 的公司在其社交媒体平台购买广告和管理页面的权限,封号两天以后,还指责 该公司没有完全删除从其用户不当收集的数据。


Facebook 承认,他们早在 2015 年就知道这个开发者违反规定,将资料数据提供给 Cambridge Analytica。


仅止于此的回应态度,显然不能让在隐私问题上“前科累累”的 Facebook 重新赢回大众的信任,很多批评者表示,Facebook 早就应该将此事通知用户。


我越是了解 Cambridge Analytica,就越认为应该注销我的 Facebook 帐号。”喜剧演员杰夫·卡纳塔(Jeff Cannata)在 Twitter 上说。


前 NSA(美国国家安全局 NationalSecurityAgency) 合同工爱德华·斯诺登(Edward Snowden) 也公开炮轰 Facebook,称靠收集和出售私人生活详细记录而赚钱的生意曾经被正确的描述为“监视公司”,改名为社交网络是自从战争部改名为国防部之后最成功的骗术。



斯诺登认为 Facebook 并非是隐私泄露的受害者,它们其实是同伙。  


实际上,这不是 Facebook 第一次受到相关指责,从去年俄罗斯通过 Facebook 干预美国大选开始,一场关于社交网络安全和价值的讨论就开始了。


在去年的“俄罗斯干预大选”事件中,Facebook 一直都是以“受害者”的身份示人,但公众对 Facebook 在导致错误信息传播方面所扮演的角色表示出了担忧,另外收了天价广告费也是 Facebook 洗不清的事实。


虽然,直接指责 Facebook 为了政治目的而里通外应显得有些草率,但在诸多隐私、甚至政治事件中,Facebook 一直都是非常敏感的存在,并且直到现在也没能给出一个让人信服的回应。当然这可能不仅是扎克伯格或是某家具体公司的错误,而是社交网络——这一互联网时代的招牌产物发展至今,遇到了更多“存在性”的问题。


但不能否认的是,特朗普本人一直都是社交网络的忠实拥趸和既得利益者,其在社交网络上过分的活跃也被讽刺为“推特治国”。


在 2016 年成功赢下大选后,特朗普曾表示,他在 Facebook、Twitter和Instagram 等社交媒体上有很多粉丝,这是一种巨大的力量,他认为这种优势助其赢得了此次大选。特朗普还称:“他们(竞选对手)花的竞选资金远比我多,但社交媒体有着更大的威力。我认为在一定程度上证明了这一点。


如今看来,这番话更值得玩味了。


*文章为作者独立观点,不代表虎嗅网立场



 虎Cares 


凌晨三点的区块链群是什么样的我不太清楚

诸如此事吧,或许更适合「不懂装懂」

背上「装什么装」系列原创帆布袋

让我们对“新概念”们“表达喜爱”,互联网最棒了

送给每一位亲爱的朋友,你值得拥有了

👇👇


登录查看更多
0

相关内容

Facebook 是一个社交网络服务网站,于 2004 年 2 月 4 日上线。从 2006 年 9 月到 2007 年 9 月间,该网站在全美网站中的排名由第 60 名上升至第 7 名。同时 Facebook 是美国排名第一的照片分享站点。 2012年 2 月 1 日,Facebook向美国证券交易委员会提交集资规模为 50 亿美元的上市申请。
最新《Deepfakes:创造与检测》2020综述论文,36页pdf
专知会员服务
62+阅读 · 2020年5月15日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
 【中科院信工所】社交媒体情感分析,40页ppt
专知会员服务
94+阅读 · 2019年12月13日
那些竞相将DeepFakes商业化的AI初创公司
AI前线
10+阅读 · 2019年5月4日
谷歌要输给“邪恶的独角兽”了
商业周刊中文版
3+阅读 · 2017年12月17日
这位程序员为什么要弃用Facebook?
CSDN
5+阅读 · 2017年7月14日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
Arxiv
3+阅读 · 2018年3月29日
VIP会员
Top
微信扫码咨询专知VIP会员