#数据隐私

1周前

对于向深入学习上下文工程（Context Engineering）的同学，这又是一篇必看的文章。这篇文章讲的是如何解决 MCP 工具太多的问题，但凡你做过 Agent 开发，用了大量 MCP 工具，就会知道 MCP 工具多了后最大的问题就是上下文占用太多，不仅导致成本高，还会影响推理和生成质量。另外一个问题就是 MCP 工具返回的中间结果也会挤占大量的上下文空间。看这文章的时候忍不住夸了一下 Manus，他们确实在上下文工程方面探索的很深入了，里面的工程技巧和他们以前分享过的很类似（我一会把之前分享过的 Manus 相关的文章在评论也发一下）。 Anthropic 的方案也很简单直接，就是把“代码”也当作工具的一种，然后从代码中去调用 MCP。这样做有很多好处： 1. 解决了系统提示词中工具定义太多的问题不需要在系统提示词中加载所有 MCP 工具，只需要定义一个“代码”工具。那需要工具了怎么办呢？这些代码都保存在统一的目录下，去目录检索下就能找到合适的工具了，比如这是文中的一个目录示例： servers ├── google-drive │ ├── getDocument.ts │ ├── ... (other tools) │ └── index.ts ├── salesforce │ ├── updateRecord.ts │ ├── ... (other tools) │ └── index.ts └── ... (other servers) 找不到现成的工具怎么办？直接现写一个！写完了还可以保存起来下次继续用。 2. 解决了 MCP 工具返回结果太长的问题比如说我们要用 MPC 工具获取 1 万行数据后筛选转换出合格的数据，就可以先从代码中调用 MCP 工具获取这 1 万行数据，然后从代码中去筛选过滤，最后只返回 5 条数据，这样上下文中就只需要保留那 5 条过滤的数据，而不是像以前一样有 1 万条数据在里面。 3. 解决了数据隐私问题如果你直接使用 MCP 工具，工具返回的数据都要加载到上下文每次上传给 LLM，用代码就可以对敏感数据先二次处理再加到上下文 4. 中间结果持久化和技能沉淀代码可以把一些中间结果写入文件保存到硬盘，一方面可以不占用上下文空间，另一方面也可以随时从硬盘避免反复调用 MCP。还有就是虽然很多代码是临时生成的，但是这些临时生成的代码可以保存下来，沉淀为“技能”（Skill），加上 SKILL .MD 文件就和 Claude Code 的技能一样可以被反复使用了。

#多智能体之争：Anthropic生态VS单智能体· 77 条信息

#上下文工程 #MCP工具 #Agent开发 #代码工具 #数据隐私

1周前

关注 AI Agent 的力荐 MMC 的这篇刚发布的《State of Agentic AI: Founder’s edition》，不仅数据扎实，分析了问题，还提供了可行的解决方案。今年 2025 年是公认的 AI Agent 元年，“Agentic AI” 非常火，新产品也层出不穷：Deep Research、Coding Agent、Browser use、Computer use …… 当然 Agent 争议也不小，一部分人认为没啥用，一部分人则觉得 Agent 无所不能，也无可厚非，大家都是主观感受，每个人使用场景都不一样，比如我自己就很喜欢 Coding Agent，真的能解决问题。但这种争议如果用数据说话就会有说服力的多，比如说这玩意儿，在真实的企业里，真的用起来了吗？ MMC 则是深入访谈了 30 多家正在做 AI Agent 的创业公司创始人和 40 多位企业里的实际用户，写了这篇报告：《Agentic AI 现状：创始人版》。【1】真正限制 AI Agent 的，可能不是 AI 不够聪明大部分都以为目前 Agent 最大的困难会是“AI 不够聪明”、“幻觉太严重”或者“太难和当前系统集成”。这些确实是问题，但出人意料的是，在创始人眼中，它们排不进前三。根据调查，部署 AI Agent 时的三大问题分别是： 1. 工作流集成和人机交互（占 60%） 2. 员工抵触和非技术因素（占 50%） 3. 数据隐私与安全（占 50%）也就是说最大的障碍，是“人”和“流程”的问题。 1. “这玩意儿我该怎么用？”（工作流集成）这是占比 60% 的最大难题。一个 AI Agent 再牛，如果它是一个需要单独打开的 APP，需要员工在现有的工作软件（比如钉钉、飞书、Salesforce）之外，再打开一个新窗口去指挥它，那它的使用率注定高不了。成功的集成，是把 AI 嵌入到员工已有的工作流里。比如，当销售在 CRM 里更新一个客户状态时，AI Agent 自动跳出来说：“我帮你把刚才的会议纪要总结好了。” 这已经不仅仅是个技术问题了，更需要企业改变观念，企业得先想清楚：“要集成这样的 AI Agent，我原有的工作流程需要怎么改？”这往往比买一套 AI Agent 难得多。 2. “它会不会抢我饭碗？”（员工抵触）这是 50% 的创始人提到的信任危机。我们得承认一个现实：在企业里，人类和 AI 的合作，目前大多不太愉快。 - 一种是“过度依赖”：员工把活儿全丢给 AI，自己不检查，结果 AI 出了错，比如给客户报了个错误的价格，酿成大祸。 - 一种是“过度怀疑”：员工根本不信 AI，AI 做的每一步，他都要自己再核查一遍。这非但没提高效率，反而增加了工作量。更深层的，就是对被 AI 取代的恐惧。这导致员工在用的时候束手束脚，或者干脆阳奉阴违，不愿配合。 3. “我的数据喂给 AI，安全吗？”（数据隐私）这也是 50% 的创始人提到的核心关切。这个问题在金融、医疗等行业尤其严重。企业会担心：“我把内部的财务报表、客户病历交给这个 AI Agent 分析，这些数据会不会被拿去训练别的模型？会不会泄露？” 这种担忧，有些是真实存在的，比如需要符合 GDPR、ISO 27001 等合规认证，也有些纯粹是感觉上的。但无论哪种，都会让企业在部署时畏手畏脚。【2】做得好的 AI Agent：高准确率和高自主性既然有这么多困难，那现在做的好的那些 AI Agent，实际表现怎么样？这个报告给我很大收获的一点是它从两个维度来量化现在的 AI Agent：准确率（Accuracy）和自主性（Autonomy）： - 准确率：AI 干的活儿，多大比例是对的、被人类接受的。 - 自主性：AI 干活儿时，多大程度不需要人来插手。理想状态当然是高准确+高自主。但现实是，超过 90% 的Agent创业公司声称自己的方案达到了 70% 以上的准确率。所以 MMC 把 Agent 划分了三个分类（低准确率+低自主性的Agent就不配存在）： 1. 中准确、高自主：适用于低风险、高重复、易验证的工作场景。比如自动给海量的营销邮件打标签。就算 AI 标错了 30%，但它帮你自动处理了 1000 封，你只需要人工纠错那些明显不对的，总体效率还是远超纯人工。 2. 高准确、低自主：适用于高风险、高价值领域，比如医疗场景。比如 AI 帮你起草临床试验的研究报告。它必须保证 90% 以上的准确率，但人类专家必须在每一步进行严格审核（低自主权）。它扮演的是“超级助手”，而不是“决策者”。 3. 高准确率 + 高自主性：这可以说是最理想的“甜点区”，是大家努力的方向。它适用于那些 AI 部署相对成熟或规则边界清晰的领域。比如客户服务、网络安全或金融合规。在这些场景下，AI Agent 已经足够可靠，达到 80%-90% 的准确率和自主性，可以被授予高自主权去端到端地处理任务。报告提到，这里的秘诀通常是将概率性的大语言模型与更具确定性的 AI 方法相结合，以提高准确性，从而进一步提高自主性。【3】企业开始为 Agent 付费了聊 AI Agent 落地，绕不开收费的问题，毕竟靠烧钱是无法持久的。好消息是企业开始真掏钱付费了报告发现，62% 的 AI Agent 创业公司，已经拿到了企业的“业务线预算（Line of Business budget）”。这是个超级积极的信号。可能很多人不知道大公司内部的预算分两种：一种叫“创新预算”（Innovation budget），就是小金库或实验经费，数额不大，用完了算，大家图个新鲜。而“业务线预算”，是各部门（如销售部、市场部、财务部）用来保证自己核心业务运转的支出。当 AI Agent 开始动用“业务线预算”时，意味着它已经从可有可无的玩具变成了能帮我干活的生产力工具。坏消息是现在还没摸索出最佳的收费模式虽然知道这玩意儿值钱，但到底该怎么定价？报告显示，大家都在摸索，主流的两种方式是： 1. 混合定价（23%）：比如“基础服务费 + 超出部分按用量付费”。 2. 按任务次（23%）：AI 帮你干成一件事（比如发出一张发票），收一次钱。而大家最期待的按照按效果付费（Outcome-based），目前只有 3% 的公司在用。为什么？因为太难了。比如，一个“销售 AI 助手”，它帮销售赢了个大单。这个功劳，到底 80% 算销售的，还是 20% 算 AI 的？怎么衡量？如果 AI 没功劳，企业是不是就可以不付钱？这根本算不清。所以，目前最现实的还是按苦劳付费，而不是按功劳付费。【4】最重要的部分：成功的 AI Agent 落地策略既然 AI Agent 落地这么难，那些成功的 Agent 公司是怎么说服企业客户的呢？ MMC 的访谈总结出了一套非常实用的落地经验：秘籍一：“Think Small”（从小处着手）报告总结了一个非常务实的落地策略：Think Small (从小处着手)。忘掉那些“彻底颠覆行业”、“全自动替换人类”的宏大叙事。成功的 AI 智能体，往往从一个非常小、非常具体的切口进入： - 起点：选一个低风险、中等收益的任务。 - 关键：选一个员工最讨厌干的活儿。比如，销售团队最烦的手动录入客户数据，或者财务团队最烦的核对发票。 - 定位：永远不要说你是“替代品” (Replacement)，要说你是“副驾驶” (Copilot)。你的目标不是让老板开除员工，而是把员工从那些重复、枯燥、没人想干的破事儿里解放出来。当员工发现，这个 AI 真的帮我省了每周 5 小时填表的时间，信任的种子才算种下了。秘籍二：“保姆式”服务（Hand-holding）现在的 AI Agent 还远没到即插即用的程度。企业买的不仅是软件，更是一整套陪跑服务。成功的创业公司都在用“前线部署工程师（FDE）”模式。这帮人既是程序员，又是咨询顾问，他们会直接“扎”到客户的办公室里，手把手帮客户梳理流程、清理数据、调整 AI。同时，人机交互界面要做到“3E”： 1. Education（教育）：AI 要能主动教用户“我能干啥，你该怎么用我”。 2. Entertainment（趣味）：交互得有趣。 3. Expectation Management（预期管理）：AI 必须坦诚地告诉用户“我干不了啥”，别吹牛。秘籍三：定位决定生死（Positioning）最后，你怎么“说”你是谁，可能比你“是”谁更重要。 - 是“副驾驶”，不是“替代者”： * 一定要把姿态放低。你的产品是“Copilot”（副驾驶、领航员），是来“Augment”（增强）员工能力的，不是来“Replace”（替换）他们的。哪怕你的技术真的能替换掉 80% 的人，也千万别这么说。 - 看人下菜碟： * 在医疗这种保守行业，你最好少提“AI”，多谈“自动化”、“效率提升”。 * 在金融这种激进的行业，你就得猛吹“Agentic AI”，显得你很前沿。 - ROI 要具体： * 对于成熟流程，就说“节省了 XX 小时”或“降低了 XX% 成本”。 * 对于 AI 创造的新能力（比如“千人千面”的网页），就把它和你已有的工具挂钩，比如：“能让你的谷歌广告转化率提升 20%”。【最后】港真，年初的时候我还是 AI Agent 的怀疑论者，自从用了 Claude Code 后，我开始“真香”，变成了 AI Agent 的积极拥护者，也一直很关注这个领域的发展，这份报告质量还是很高的，尤其是给我最大感触的点是：决定 AI Agent 落地成败的，最重要的因素已经不是模型能力够不够强，而是它怎么和企业内部的流程整合，怎么取得员工的行人，怎么证明它存在的价值。另外从准确率和主动性这两个维度来量化评估 AI Agent，是挺科学的，现在很多的 AI Agent，主动性高了准确率可能就不够，准确率上去了主动性又不行，要做好 Agent，最终还是要做到像一个情商高的真人那样，在你还没开口时，就洞察到你的需求，默默帮你把事情搞定。

#AI Agent落地 #工作流集成 #员工抵触 #数据隐私 #准确率与自主性

3周前

发现了一个浏览器自动化开源项目—— Chrome 插件：Nanobrowser Nanobrowser是一款开源的Chrome浏览器插件，通过接入AI大模型API实现网页自动化操作。配置简单，支持中文指令，无需编程基础采用多智能体架构，包含规划者（Planner）、导航者（Navigator）和验证者（Validator）三个角色协同工作，能自动完成网页跳转、数据提取等任务。只需在侧边栏输入自然语言指令，例如“前往HuggingFace查看热门论文”，插件即可自动执行并返回结果。支持OpenAI、DeepSeek等主流模型，所有操作均在本地浏览器完成，保障数据隐私。主要功能多智能体系统（Multi-agent System）: Planner（规划器）：负责制定和调整任务策略。 Navigator（导航器）：执行网页导航和操作。 Validator（验证器）：检查任务是否成功完成。交互式侧边栏：提供直观的聊天界面，实时显示任务状态，用户用自然语言与智能体交互。任务自动化：自动化重复性网页任务，如信息提取、数据整理等，节省时间和精力。多 LLM 支持：支持连接多种大型语言模型（LLM）提供商，用户根据需求为不同智能体选择不同的模型。该工具适用于电商比价、信息采集、办公自动化等场景，安装后无需订阅费用，适合追求高效且注重隐私的用户。

#浏览器自动化 #Chrome插件 #AI大模型 #多智能体系统 #数据隐私

1个月前

加州州长加文·纽瑟姆签署了一项法律，要求社交媒体平台在删除账户时删除用户数据

#加州 #社交媒体 #数据隐私 #法律 #纽瑟姆

1个月前

数字分身广告基调：高端、克制、可信未来感（隐私与可控性为核心）画幅：16:9（主），同时出 9:16 / 1:1 社媒裁切音乐：极简电子脉冲 ~100BPM，留 VO 空间；收尾轻停一拍角标（右下常驻，3.5秒后降隐至 50% 透明）：「需用户授权｜可随时撤回」 S0｜0.0–0.3s｜暗场→脉冲点亮 •画面/镜头：黑→一道细线脉冲在画面中央点亮；中景；50mm；极慢推 •光线：冷 5600K 细条高光；负填充塑型 •SFX：柔和“脉冲”一声（无 VO） S1｜0.3–0.9s｜面部光扫采集（示意） •画面/镜头：成人面部 45° 侧脸，柔和光扫过眼部与颧骨；近景；85mm；微移 •HUD：极细线条点阵生成“数据体素”轮廓（非夸张） •VO①：「上传，不是暴露。」 S2｜0.9–1.6s｜授权界面 •画面/镜头：极简 UI 三滑杆「范围」「期限」「访问者」→ 勾选“仅本人”；近景；65mm；定镜 •声音：轻触确认提示音 •VO②：「权限，由你定义。」 S3｜1.6–2.4s｜端到端加密（示意） •画面/镜头：数据粒子进入“加密仓”，锁形轮廓一闪即隐；特写；100mm 微距；轻推 •备注：避免直白技术夸张，保持简洁抽象 •VO③：「加密托管，默契守护。」 S4｜2.4–3.2s｜多地冗余与托管 •画面/镜头：世界地图暗面上 3–5 个节点柔亮，并有细线相连；中景；35mm；缓慢右移 •屏字小注：「地理冗余｜零信任架构（示意）」 S5｜3.2–4.6s｜随取/撤回演示 •画面/镜头：手机界面“调用副本”与“立即撤回”两按钮演示（手指点按→状态变更）；近景；85mm •VO④：「随时调用，随时撤回。」 S6｜4.6–6.2s｜应用一瞥（克制展示） •画面/镜头：用户对话框“备忘场景回放（已脱敏）”、语音助手调用用户语气包；中景；50mm •HUD：小字「示意画面，非真实数据」 •VO⑤：「记录当下，延展可能。」 S7｜6.2–8.0s｜Logo & 标语收口 •画面/镜头：产品 3/4 英雄角，LOGO 与 CTA 渐入；保持 1.4s 停留 •屏文：主标题「X 数字副本上传与托管」/ 副标「你的数据，你的边界」/ CTA「申请内测」+ 官网短链/二维码 •VO⑥：「X 数字副本云。为未来，备份现在。」 •音乐：在 8.0s 处轻停一拍，自然尾音

#数字分身 #数据隐私 #用户授权 #加密托管 #未来科技

1个月前

"数字技术既令人兴奋，又令人疏远。我们不再将另一端用户视为人。他们不是——他们只是用户名、脸书照片或推特账号。" "每个人都该知道，在电脑上输入的或在手机上说的所有内容，都会在整个数据圈中传播。你认为它们是企业赠品吗？我们用自己的数据付费。" ——道格拉斯·拉什科夫 Mircea Suciu: 鸵鸟

#数字技术 #数据隐私 #道格拉斯·拉什科夫 #用户疏远 #数据付费

2个月前

➤ 把 Web2 装进 Web3 需要几步？ Sui技术栈中四大核心组件： #Sui(区块链层) 记账与协调其他组件 #Walrus(存储层) 存储和管理可扩展数据 #Seal(访问控制层) 密钥管理，保护和管理数据权限 #Nautilus(计算层) 处理并操作数据通过Walrus 和 Seal 与 Sui 区块链及 Nautilus 计算层一起，使开发者能够构建复杂的、企业级的应用程序，这些应用程序在功能和安全性上可以与 Web2 的同类产品相媲美。 ➤ Walrus+Seal 解决了 web3 中的哪些痛点？去中心化存储，效率低、成本贵、开发使用复杂。除了这些以为还有一点最重要的隐私，这也是大规模应用中必须要考虑的因素。在传统的 Web3 中，区块链上的数据是透明的，所有人都可以看到。但如果需要处理敏感用户数据、功能调用、各种信息都是透明状态，没有隐私，最终难以走向大规模应用。 Walrus +Seal 的解决方案是 Walrus 作为去中心化数据层，把它想象成一个为 Web3 设计的无限、可编程的硬盘。Seal作为访问控制层，它是你数据的智能锁和钥匙系统。通过 Seal 和 Walrus 集成，提供强大的加密和精细的访问控制。开发者现在可以定义特定条件——比如拥有一个 NFT 或有效的订阅——来授予用户访问或解密数据的权限，比如 onlyfans ? ➤ 现在 Walrus 上有哪些具体应用？ 🤖AI 数据市场 ->.inflectiv.ai 数据科学家可以安全地贡献敏感数据集并将其货币化，用于训练 AI 模型。只有付费客户才能获得访问权限，贡献者可以保护并变现他们的数据，同时为开发者与企业提供安全、可信的 AI 与智能体应用资产。 🎟️订阅服务 ->.only-fins.wal.app 内容创作者、媒体公司和 DAO 可以仅向特定通证或 NFT 的持有者提供独家文章、视频或服务。这在所有权和访问权之间建立了直接、可验证且安全的联系。 🎮动态与私密游戏->.home.vendettagame.xyz Vendetta 是一款全链上多人策略游戏，利用 Walrus + Seal 来保护游戏数据与机制。玩家在透明、安全的经济体系中参与竞争，保持玩家数据私密，并保护其免于在区块链上泄露。

#Web3 #Walrus+Seal #去中心化存储 #数据隐私 #AI数据市场

Tony出海营销

2个月前

一个商业公司出现敌对国描述，失道寡助。 Meta的llam4能一夜之间从地球上消失。以华人的力量，能抵制Claude的吗？从大家做起， 1，在个人项目里禁止anthropic 蜘蛛bot偷盗数据去训练Claude模型。 2，Claude最近更新条款：聊天/代码「默认」全喂AI训练，你的隐私能被用5年。减少使用Claude，不白送数据给他训练。 3，积极推荐使用GPT的codex，最近好评如潮，还有Gemini 3即将发布，还有几个地板价国产编程模型备用。 4，转发支持

AI编程工具激战：Claude Code、Gemini Cli崛起· 1166 条信息

#Meta #Claude #数据隐私 #抵制 #GPT

4个月前

🚀 Zipic - Mac上简洁高效的图片压缩工具 ✨ 极速批量压缩，高达90%压缩比，视觉无损 🔒 本地处理，数据隐私安全 📁 支持JPEG/PNG/WebP/HEIC/AVIF等多格式 🔄 批量格式转换 + 尺寸调整 🤖 自动压缩监控 + Raycast扩展 🔗 第三方应用轻松集成让图片压缩变得简单而优雅 ✨

#Zipic #Mac #图片压缩工具 #批量压缩 #本地处理 #数据隐私 #JPEG #PNG #WebP #HEIC #AVIF #格式转换 #尺寸调整 #自动压缩监控 #Raycast扩展 #第三方应用集成 #视觉无损

5个月前

胆战心惊的看信息的修改……🤣

#信息安全 #数据隐私 #网络安全

5个月前

设备端模型！

#设备端模型 #智能设备 #边缘计算 #机器学习 #物联网 #数据隐私

李老师不是你老师

5个月前

6月9日，纽约时报报道，俄罗斯反情报人员正在分析微信的数据，以监控可能与中国间谍有联系的人。他们使用一个名为“Skopishche”的系统处理微信用户的详细数据，包括帐号登录信息、通讯录和聊天记录存档。值得一提的是，微信不使用端到端加密来保护用户数据，中国政府也在依靠此特性来监控和审查言论。

#俄罗斯反情报 #微信监控 #中国间谍 #Skopishche系统 #数据隐私 #言论审查

5个月前

大家注定还是喜欢中心化平台～

#中心化平台 #去中心化 #用户体验 #网络安全 #数据隐私

Jacobson🌎🌸贴贴BOT

5个月前

VPN也救不了基本盘

#VPN #基本盘 #网络安全 #数据隐私 #数字时代

环球网-环球时报

5个月前

多方表达强烈不满，海外学生“去留两难”，美政府再施压哈佛交国际生资料

“如果哈佛大学都遭此打击，其他学校是否也岌岌可危？”

哈佛大学反击“国际禁招令”· 72 条信息

哈佛大学遭特朗普政府资金围剿后，杜克大学成新目标· 275 条信息

#国际学生 #哈佛 #美国政府 #数据隐私 #高等教育 #外交关系

李老师不是你老师

5个月前

5月25日，有网友提问：微信服务器会保留聊天记录吗？会保存多久? 网友回答：法律只规定了最低要求, 没有设置上限, 根据我国层层加码的国情, 我倾向于认为文字聊天是永久保存, 因为成本实在是太低,只需要花2块多, 就能随时随地调出你这一生的聊天记录, 你猜一下, 他们有没有动力去这么做。

#微信服务器 #聊天记录保存 #网友讨论 #数据隐私

中工网-新华社

5个月前

新华视点｜推广应用国家网络身份认证公共服务，这些问题值得关注

新华视点｜推广应用国家网络身份认证公共服务，这些问题值得关注

#国家网络身份认证 #公共服务 #网络安全 #身份认证技术 #数据隐私

中国网-中国新闻网

5个月前

35款App违法违规收集使用个人信息被通报

#App违规 #个人信息安全 #违法通报 #数据隐私

悉尼奶爸 SydneyDaddy 雪梨奶爸 🇦🇺

6个月前

韩联社：Temu因为把韩国用户数据转移到境外被罚700多万（人民币）抖音刚刚因为同样的原因被爱尔兰政府罚了43亿（人民币）

#韩联社 #Temu #韩国用户数据 #境外转移 #罚款 #抖音 #爱尔兰政府 #数据隐私 #国际监管

李老师不是你老师

6个月前

5月12日晚，多位网友在社交平台发帖称收到迪奥（Dior）的短信。迪奥表示，公司于2025年5月7日发现，曾有未经授权的外部人员获取了其持有的部分客户数据。迪奥相关工作人员表示，近期确实发生了客户信息泄露的事件，已立即采取措施并聘请专业网络安全专家团队进行调查。受影响的数据中不包含客户的银行卡等财务信息，主要涉及姓名、性别、联系方式等个人信息。

#迪奥 #信息泄露 #网络安全 #客户数据 #个人信息保护 #数据隐私

中新网-中国新闻网

6个月前

国家计算机病毒应急处理中心检测发现65款违法违规收集使用个人信息的移动应用

#个人信息安全 #违法违规应用 #国家计算机病毒应急处理中心 #数据隐私 #移动应用检测

6个月前

【TikTok因中国政府监控风险在欧洲被罚款6亿美元】爱尔兰数据保护委员会(Irish Data Protection Commission)周五表示，TikTok未能证明其发送至中国的任何用户数据能够得到保护，避免政府依据中国法律进行访问。该爱尔兰监管机构负责牵头执行欧盟针对TikTok的隐私法，该机构命令这款社交视频应用在六个月内停止向中国传输用户数据，除非其能保证提供与欧盟标准同等水平的保护。该监管机构还表示，TikTok上个月承认在中国存储了有限的欧洲用户数据，尽管此前曾否认这样做。TikTok告诉该监管机构，此后已删除了这些数据。该监管机构周五表示，正在与欧盟同级机构讨论是否应就此事对该公司采取进一步行动。 TikTok表示将对总计5.3亿欧元的罚款提出上诉。该公司反驳了其未能给予欧洲数据足够保护的指控，并表示该决定主要涵盖其执行新保护措施之前的一段时期。TikTok补充说，其从未向中国政府移交过用户数据，也从未收到过这样的要求。

#TikTok #数据隐私 #欧盟 #中国 #监控

多伦多方脸

6个月前

TIKTOK因为违规向中共提供数据，而被欧盟罚款5.3亿欧元

#TikTok #欧盟 #数据隐私 #中共 #罚款 #违规

央广网-央广网

6个月前

67款APP违法收集使用个人信息被通报

#APP违法 #个人信息 #信息安全 #数据隐私 #法律

外汇交易员

7个月前

#要闻彭博：TikTok母公司字节跳动因非法将欧洲用户的数据发送至中国，违反了欧盟《通用数据保护条例》，面临超过5亿欧元的隐私罚款。爱尔兰数据保护委员会将在月底发出处罚通知。此次罚款很可能是爱尔兰监管机构开出的第三高额罚单，此前Meta被罚款12亿欧元，亚马逊被罚款7.46亿欧元。

#TikTok #字节跳动 #数据隐私 #欧盟 #罚款 #通用数据保护条例 #爱尔兰 #监管机构