最近各大媒体上都在报道Facebook泄露了5000万用户的数据，从而使得一些数据机构用其操纵美国大选。一时间人心惶惶，Facebook股价大跌，扎克伯格出来道歉。
众口铄金之中，不乏用各种惊悚之词吸引眼球的人，今天分享给大家的这篇文章，作者从另外一个角度来看待这个事件，希望能带给你一些新的思考。
本文作者：今晚吃什么0.0
https://www.zhihu.com/question/269081994/answer/347446822
来源：知乎
已获转载授权
我的结论是，这一波Facebook纯属背锅，挺冤的。
我在微信公众号和知乎各处都看到了关于对这件事的分析，其实本来对facebook的印象也不好，看过算过，不过后来我老婆和我谈起了这事儿，为此我们还进行了一番“深刻的”争论，所以我想了一想还是把我了解到的整理出来吧。分成几个小点。
小背景
首先有个背景，我觉得我对这事儿挺有发言权的。
因为我在2015年的1月到5月期间，在学校当RA的时候，做的项目和这件事里面的剑桥分析（Cambridge Analytica）后面简称CA，其实做的如出一辙。
当然，那时候我还是个菜鸡，纯靠学长带。
为什么说我们做的项目其实是一样的呢，先来看CA做的事情，首先他们开发了一个在Facebook上的App，然后类似于心理小测试，接着当你做完这个测试之后CA就有了你各个维度上的偏好，就可以做出一个人物心理性格描绘（psychographic profiles），然后根据这些数据分析时势。关于5000万用户我们后面再说。
那么，我们，在同样的时间点，也是2015年早期。基于之前一个PHD学生的论文，一种基于用户喜好给用户好友分组的算法。我们在Facebook上也发布了一个应用，首先需要申请调用Facebook的开发者API，提出申请，大致上就是这只会基于学术研究，保密数据等等。
然后我们给周边的朋友发链接，让他们打开这个App，然后同意用户协议，紧接着我们会收集用户的Likes（点赞）和Posts (朋友圈)，再然后寻找该用户的其他朋友（根据该用户的好友列表获得ID），回调好友ID，取得该用户所有好友的Likes和Posts。
划重点，这里有个前提，该用户好友的资料也必须是公开的，如果是保密的，除了用户ID其他什么有用的信息都没有。做完这些之后我们有了一个完全的数据库，然后根据上面的算法，给用户推荐合适的好友分组。
后来大概在2015年5月的时候这个研究就结束了，因为Facebook改了他们的API权限，我们没办法再通过ID得到用户的完整数据（即使用户资料是完全公开的），虽然可以用爬虫，但是成本太高了。我觉得也许是Facebook发现了这些数据的价值，想要自己做研究，不想再无偿得分享数据了，毕竟这么多API回调也得占用不少资源，所以取消了API调用。
这次数据泄露有这么严重吗？
在我看来，现在很多这些答主或者公众号，基本上都不懂这次事件的完整缘由，打着耸人听闻的“5000万”用户在吸引眼球，为自己谋利。
附上纽约时报比较全面的报道。https://www.nytimes.com/2018/03/17/us/politics/cambridge-analytica-trump-campaign.html
就是我上面说的，下载App的只有27万人，后面的那5000万实际上和这事儿没多大关系。
如果你有心，看了一些微信公众号或者其他答主的回答，你也许会问，这5000万人是怎么来的，全文都没有提到起因，怎么突然就蹦出来了。
Image from theatlantic.com
重点：
实际上就是这27万人在使用App时同意的协议里也允许了研究者获得他们的好友列表。平均一个人200好友，这不5000万就出来了。可问题就是这5000万从没有接受过这些协议，所有研究者能获取的只是他们公开的资料。就相当于你设置了朋友圈对所有人可见，把你所有的生活状态暴露在空气中一样。
一来，数据有限，得不到敏感数据（比如居住地，教育程度等）。
二来，没有做问卷，个人倾向数据不明（比如对于宗教和政治意见），需要二度挖掘。
三来，用户资料本就开放可见简单来说，在那个时候，只要会用Facebook的API，就可以把所有用户的公开资料都拷贝下来，只不过像CA这样操作，有效数据的比例更大。
（实际上我也存了不少数据，可惜当初没有先见之明，后来项目结束之后我就把用户数据都删了……）
但是在这一步Facebook真的没做错什么。最后Dr.Kogan （协助了CA的研究学者）也只能拿到27万同意隐私协议的用户敏感数据。这一步Dr.Kogan也没做错，CA也还没有拿到数据。关于Dr.Kogan这个人会在下面说到。
Image from thenewdaily.com
谁该为这次事件负责？
我觉得主要还是Mr. Wylie, Dr. Kogan和CA。实际上就是Mr. Wylie有了一个非常好的想法和算法，想找人合作做研究，但是被剑桥的实验室拒绝了。然后他找到了Dr.Kogan一个在剑桥实验室的俄裔美国研究者。这个人开发了Facebook App并且收集数据。
到这里也都没有错。但是接着Kogan把数据共享给了CA，把本应该只能用于学术研究且不能分享的数据，分享给了一家商业运营的公司用作牟利。
最后CA还摆了一道FB，私自留下了数据。
反阴谋论
我看到了现在提出的几个主要的阴谋论。我也想说说我的看法，不一定对，如过你有更完整的想法，欢迎你留言。
这波数据帮助分析了英国脱欧？
目前的新闻来看，虽然母公司在英国，但是当时大部分研究工作还是在美国分公司进行，数据也多是是美国用户。主要还是想通过数据研究分析美国用户的政治观点。
并不觉得美国用户的政治意见和偏好会对英国脱欧有什么影响。
这波数据帮助分析了2014年美国国会选举？
这个App是由Dr.Kogan在2014年6月底上线，2014年国会选举在11月7日，中间只有5个月。首先要建立用户群，然后收集数据，然后分析数据，最后造势影响选举，从时间轴上来看，我觉得时间不太够。当然从目前的新闻报道上来看，似乎普遍认为影响了这次中期选举。
这数据又帮助了Trump赢得了2016年大选？
Trump在2015年6月17日宣布参加竞选，讲道理社交网络这东西很有时效性的。Facebook在5月底关闭了API，也就是说CA最多只有2015年5月之前的数据，那时候Trump都还没进入公众视野，很难分析出群众对Trump的支持率。虽然，通过映射住址，宗教等可以刻画出地区内人群的心理侧写，但是我觉得吧，你可以大致知道比如说德州人反对禁枪，不支持堕胎这些观念。真的要影响大选，感觉还是难。而且CA只关注了Likes ("included details on users’ identities, friend networks and “likes.”)，没有特别分析Posts。所以能提供的作用很有限。真要说Facebook自己做这事儿靠谱多了
最后有人说Facebook由始至终都知道数据泄露，并且帮助该公司分析民意？
这一点Facebook就很无奈了啊
看这个来自NYTimes，cambridge-analytica-trump-campaign的文章，翻译过来，这里面说啊，FB是知道数据泄露了，通过调查发现CA在滥用数据，要求他们立即删除并停止研究。CA也回复说，数据已经删除。结果谁知道FB被摆了一道，这CA还留了个备份继续用……
Facebook 什么都没错吗
还是有几个地方Facebook做得不够好的，但是和这次数据泄露关系不大。
1.首先是研究资质的审核，Facebook确实会在提交试用API的时候审核研究者，但是在那之后就属于放任不管的状态了。所以Facebook应该加强后期跟进，定期再审核，不过这种事确实头疼也难办。
2.用户协议和App审核。Facebook早起为了快速建立生态圈和开发平台，同意并上线了一大波劣质App，App质量良莠不齐。现在的事件就是再还之前的帐。同时用户协议混乱，很多时候用户并不知道同意协议意味着什么。使得很多没有资质的开发者研究者能够轻易获得用户敏感数据。
3.再有就是公关。已经有不少针对这次事件Facebook公关能力的质疑了
4.最后，这已经不是第一次Facebook被爆出参与政治选举。虽然我能够理解这么多用户数据放着不挖掘实在可惜，但是作为企业，特别是能够影响20亿人的社交媒体企业，最好还是保持对政治的中立吧。
总结
在我看来，这都不算是一次Facebook用户数据泄漏，因为数据要么是用户自己同意分享的，要么数据就是对所有人公开透明的。最终问题还是出在了终端的研究者上，不应该分享出售本应该保密的数据。
不过现实是，早期Facebook为了快速形成开发生态圈，所有有意无意得打着擦边球，没有承担起保护用户隐私的责任。
最后，这次泄露对于普通用户影响也不大，没必要恐慌。
一来没有涉及SSN，二来没有涉及信用卡和支付方式，三来数据都是2015年6月之前的。
一些补充
和其他的网友讨论之后，确实启发了一些新的观点，用以完善上面的观点。
为什么我说匿名用户的信息价值不高呢
主要是涉及到宗教和政治意见方面，只能通过做问卷。因为很少有人会在社交网络上发表这些观点，但是这些数据才是能够左右选票的。用户是喜欢猫还是喜欢狗，是喜欢跑步还是喜欢竞走，这样的用户倾向对于选举没有任何帮助。
所以5000万的用户数据在有效信息提供上作用本就不大，他们存在的意义是丰满那27万人的侧写。换而言之，至少CA自己不会花时间去研究那5000万人的数据意义。
深一层次的，社交媒体的数据基于网络，本来也就有偏见，不能完全依赖于Facebook用户给的反馈作为决策的基准点。这样再看，匿名用户的价值贡献实在太低了。不值得挖掘下去。
另一个例子
和大家分享一下我昨天看到的一个例子，同样是社交网站，做的事也和这次的CA类似。这个14岁的天才少年的想法是，通过类似的手段抓取社交网站上对于药物副作用相关的Posts，然后整合数据，达到长时间跟踪药物的副作用。虽然我觉得完全基于社交网络也会有偏见，但这个想法还是很厉害的。
Tanmay Bakshi - Deep Learning to Save Young Lives
IBM Think 2018
https://link.zhihu.com/?target=https%3A//www.ibm.com/events/think/watch/replay/113754265/
澳大利亚大华时代∣整合资源 与您共享
