现在的大数据杀熟是一件常见的事，更有一些大佬们呕心沥血的算法加持下；我觉得只要数据足够多，那么它就能做到很多匪夷所思、神奇的事情。但是巧妇难为无米之炊，那些数据到底是哪里来的呢？
以前根据自己的分析，怀疑是输入法、浏览记录导致信息泄漏，进而看见那些广告推送。直到看半佛老师的：你的手机是如何监控你的，开拓了我不少眼界，例如唤醒监控、推送SDK同家公司等，也让我对其更深的理解。
一、半佛老师的视频笔记总结
1.1 信息泄漏基本不会来源于录音，但是会识别关键词
- 信息泄漏基本不会来源于(手机)录音：效率低，利润低，误差率高，成本高
- (某APP)持续录音，会对手机内存的占用；现象：发热，卡，且容易被杀掉进程和检测出来
- 录下来的音频存放点。存放本地存储，长时间占用太大；将其使用流量上传，但流量并非免费
- 将其录下来的音频转换成文字保存或直接上传，则会遇到下面问题：语音识别误差率大
- 语音识别误差率大，分辨不出是谁在讲话，而且语音不标准(即口音)。还有语义问题，不同场景，同一句湖就是不同意思
- 不做录音。但是真的有时候就是没有浏览只是日常讲话提及，随之会出现在广告推送。
- 通过特定的关键词唤醒监控。
- 常见的唤醒方案：小爱，siri。所以有些app要求录音权限 ，可用于唤醒监控
- 只做关键词，无论是直接上传还是识别度都是操作相对简单很多
- 通过特定的关键词唤醒监控。
Ps： 注意手机的App，对其录音的权限是否关闭
1.2 输入法
- 输入法，只要打字，就离不开输入法。
- 纯文本的语意分析，那可是相对成熟的技术。
- 另外所有的输入法都是越用月好用，越用越懂你。
- 那么，到底是怎么懂你的呢？当你在触摸方便之门的时候，方便也在触摸着你
Ps： 建议关闭输入法用户体验计划？最好禁用其联网
1.3 推送类sdk
- 现在各种手机推送大都是专门有公司做成sdk嵌入到各大app里面的，然后专门做推送。
- 做推送的，往往对于各类手机和应用的适配做得比较好；比App自己开发要好用很多。
- 所以很多app都是使用外采推送sdk的，不然市面上这么多的手机型号，自己还要一个一个去适配，还要去实验规则。
- 假如你手机上有30个app，它可能背后都归属于同一家或者是多家公司提供的推送sdk(推送类SDK核心威力所在)
常见的信息泄漏，最基础的就是：App请求获取你的应用列表。它可以根据你装的App来分析你到底是什么用户；而且有没有同行App之类在里面，再根据结果推荐不同的推荐策略。
但是对于推送SDK公司而言，它甚至可以不需要获取你的应用列表，因为你装的App很多都加载了它的推送SDK。你的手机信息是可以被获取的，而且很显然会知道一台手机到底装了哪些app；用户常用那些app，甚至用户对于手机的应用轨迹和应用行为。
1.4 App的信息收集
手机app的信息收集，例如上面的获取手机Applist。举例如下：
- Applist 有 x多多，该用户为价格敏感性
- Applist 有 x哩x哩，可能是个年轻二次元用户
- 通过读取applist，该用户有多个同行App，就发大额优惠券拉拢用户；反之垄断则考虑割韭菜
- 读取地理位置信息，对应的推荐策略
Ps： 建议尽可能禁掉获取Applist的权限，只留一些基本App
1.5 浏览记录，搜索记录
最表层的，你在pc和手机端app搜索记录。大家都在收集这些记录，而且很热衷，都是用来相互交易，明码标价；而且app是绑定手机号的，你的每次搜索记录都会转换成市面的数据包进行交易。
Ps： 无痕浏览只是不保存记录在本地上，网络上是有你的搜索记录的
1.6 数据糅合推送
即使是你尽可能谨慎，少泄漏信息；但是有时候你就是能收到贴心的广告推送。这个推荐策略，并非来自你的信息泄漏，而是周边人信息的泄漏。只要你周边的信息足够多，就能够反推出对你的推荐策略。
例如你是小明，那么你的广告推送有部分决策来源于，小明朋友的相关数据、小明小红父母的相关数据。例如小红怀孕，搜索母婴用品；自然小明那边就可能推送母婴用品等的广告。
二、我的经历和看法
2.1 看法
尽可能上面看起来比较骇人听闻，把每个人的生活经历、决策、不确定性的未来都划出一块一块的数据，但是大家也不要太过担心。毕竟大数据就是大数据，会尽可能把数据抽象、封装，不会完全针对个人；不会说专门从大数据中，抽取具体个人所有的信息并呈现出来，成本太高，普通人是不会有多少问题，还是能平平凡凡渡过一生。
- 大数据的获取和处理还是有一定限制(阻力)的，不然现在贪污腐败都能够分析处理完的。
- 大数据的数据并非是一块完整区域，而是很多大的信息孤岛
- 大的 手机厂商、App，假如它有获取你信息的方法，它基本也不会贩卖给市场；毕竟这是自己一手的资源，不需要贪图点小钱，而是为后面市场(垄断)开拓做准备
- 信息孤岛，则对你的影响力就不是特别特别大；毕竟数据糅合多起来，对你的理解不是加法，是乘法
2.2 观察到的现象
现在目前的情况，感觉输入法泄漏比较多。不过我也有些疑惑和观察一些现象：
- 跟人x信聊天，聊到一句话夹杂：”养猫”，没说过对应的话；一两分钟后，广告推送前两条是猫了！才逐渐推出来输入法有信息泄漏的问题(x信不会要这点小钱，数据应该是留给自己用)
- 有时候不解，广告推送老是推 switch 给我，我一开始以为是哪位亲朋好友的记录，想到上面养猫的输入法泄漏，以及敲C代码用到的 switch语句，一切就豁然开朗了
- 举个常见例子，你手机链接朋友手机开热点，搜索东西；后面朋友就会收到近似的广告推送嘛；这很正常，就锁定IP嘛
- 但是你在PC端，公司局域网，和自己家里私有网络，两台PC的广告推送竟然是一模一样的；那么也就是说，广告推送识别出来这两台电脑的用户都是我；要知道局域网，是只有一个真实IP的，里面都是虚拟IP，也就是说它能整出局域网虚拟IP里面的人到底是谁
- 在公司的不同电脑，查询广告推送，每个人都是有各自的特点；也就是反过来验证了，广告推送能越过 真实IP 查出 虚拟IP 的用户本人
- 如果是注意观察广告推送，要么不智能像傻子一样，一直推广固定几样；如果是智能的，那么推广给你的，大致相同；
- 也就是说背后的(智能)广告推送，基本可能是来源于同一、两家；
- 或者是数据被一个信息市场公开贩卖，但是可能性不大，因为你一搜索就会及时更新广告推送(所以广告大致相同，但不会完全一样)
- 我觉得应该是一两家，数量大于 1 则可能公司之间存在(韭菜)信息共享
到现在，我都不知道它怎么知道虚拟IP的用户是谁。很有可能是通过某些能过识别用户的进程，反过来知道用户；而且这个用户注册是要用手机等(映射出身份证号)，例如x信
2.3 经历：你见过的大数据处理够早的应用是什么时候呢？
讲一个真实发生的故事。那你见过的大数据处理够早的应用是什么时候呢？我见过的大数据处理，是我高三的时候，应该是2015年吧？
那个时候，x信有流行小黄鸡，一个聊天的机器人，而且很多层次不齐的版本。有些版本则是上面会有一条广告推送，那时候我有个同学在玩(我没手机)，一条广告推送大黄鸡，也是聊天机器人，但号称更了解你(还能充VIP好像)，加了后是一个公众号。
小黄鸡回复消息很快，但是你懂得，就是弱智AI；但是那个大黄鸡不一样，你问它一句话，它保底等待30s，甚至好几分钟才能回答你的问题。你可以问它，问题如下：
- 你是谁。它能够回答出来你的名字！
- xx人怎么样。它能回答出中间夹杂 xx的(qq空间活跃过的)经历的答案
- xx是谁。它回复是上一次统考她的成绩排名
- 每次问它问题，它都会回复当前具体的询问它问题的在线人数，然后再提示要等多久(文字表达是：稍等几分钟，耐心等待)
还有好多问题(忘了)，它竟然都能回答有模有样，比搜索引擎夸张多了。现在回头想想，其实你的信息早就在很早的时期已经被挖差不多了= = ；那时候应该是爬虫抓的数据？？？但是也至少有了大数据处理的雏形(或者是已经有进入消费领域的能力)？
那时候就玩了3-4天，那个大黄鸡公众号就被封了。再搜类似的也没有一样的效果的公众号，回去蹲那个小黄鸡的广告推送，也再没看到了；就这样成了回忆。
2.4 反推
- 苦中作乐，当你收到广告的时候，你甚至可以去尝试分析到底是哪个卖了你；
- 当你想了解一个人，甚至不需要查历史记录，还是有没有隐藏文件；打开他的电脑，找个有推送广告的网站简单瞄一眼，你就能获取到关于他、关于他周边人的一些大数据；然后反推来源、原因，就能掌握他一些动态，相当于你对数据又进行一遍加工处理(当然我只是提提，不建议大家这样搞；也不建议电脑给别人用)
我还是比较喜欢半佛老师在视频讲的一句话，在结尾，用它来收尾吧：当一个产品本身不需要你做任何东西，甚至还能占点便宜的时候；只有一种可能，你自己就是商品本身。