大資料已經滲透到我們生活中。比如，我們經常光顧的淘寶、蘇寧易購，當你再次開啟時，顯示出來的推送商品資訊是不是你上次瀏覽過的類似商品？我們開啟某個網頁時，廣告彈窗推送的內容也正是前幾天我們搜尋過的？這些都是商家利用大資料對你的搜尋記錄進行分析後而發生的，屬於最基本的智慧營銷行為。

可見，大資料已經滲透至我們生活的方方面面，那麼，該如何看待大資料下的個人隱私保護呢？

想要保護我們的隱私便必須使個人資料處理企業對相關政策和行為承擔更多的責任。同時，也應當建立一個不同尋常的隱私保護模式，應當讓資料使用者為其行為負責，而不是主要把側重點放在資料收集的最初是否徵得個人同意上面。

由此，使用資料的公司就必須基於其對個人隱私所造成的影響進行評估。

公開原則。公司必須公開用來進行預測分析的資料和算法系統。

公正原則。可以請第三方公司的專業人員提供可靠的、有效的算法系統。

可反駁原則。明確提出個人可以對其預測進行反駁的具體方式。

就在不久前，計算機安全和隱私顧問悄然興起，證明了公司均在遵守由一些組織確定的行業的最佳做法。比如，國際標準化組織等等。

大資料的興起迫使我們必須藉助新的方法來對付新的挑戰，並且透過借用基本原理對新的隱患進行應對。在推進科學技術進步的同時，必須確保人類自身安全，必須使大資料的進展控制在我們可控制的範圍之內。

網際網路時代，人們的各種隱私資料都在大的平臺上，自然也會引發消費者對個人資料隱私的擔憂，特別是像美國在爆發了Facebook選舉問題之後，對諸如谷歌、Facebook和亞馬遜等大平臺對使用者資料的掌握就更為擔憂。

像大資料裡面的資料探勘，這一詞彙可能沒有道德問題，但是資料探勘所牽扯到的和人相關的資訊本身就會有道德和隱私問題。

資料探勘的方式可以在某些情況下和環境中引發關於隱私，合法性和道德的問題。特別是為了國家安全或執法目的，例如全面資訊意識計劃或ADVISE，資料探勘政府或商業資料集提出了隱私問題。

資料探勘需要準備資料，以發現可能危及機密性和隱私義務的資訊或模式。發生這種情況的常見方式是透過資料聚合，資料彙總涉及將資料組合在一起（可能來自各種來源），以便於分析。這不是資料探勘本身，而是為了分析之前和為了分析目的而準備資料的結果。當資料被編譯後，資料探勘者或任何有權訪問新編譯資料集的人都能夠識別特定的個人，特別是當資料最初是匿名的時候，對個人隱私的威脅就有可能發生。

所以平臺在收集資料前，應該讓使用者瞭解相關資訊，比如收集資料和挖掘資料的目的，資料訪問的安全狀態，資料將如何使用，誰將能夠挖掘資料並使用資料及其衍生物。資料也可以進行修改來匿名，以便個人身份不被識別。然而，即使是“匿名”資料集也可能包含足夠的資訊來識別個人身份，就像記者能夠根據AOL無意釋出的一系列搜尋歷史找到多個人時發生的那樣。