[新聞] 中共嚴密監控14億公民的10個方式已回收
1.媒體來源:
※ 例如蘋果日報、奇摩新聞
大紀元
2.完整新聞標題:
※ 標題沒有寫出來 ---> 依照板規刪除文章
中共嚴密監控14億公民的10個方式
3.完整新聞內文:
※ 社論特稿都不能貼! 違者刪除(政治類水桶3個月),貼廣告也會被刪除喔!
【大紀元2018年04月29日訊】(大紀元記者秦雨霏綜合報導)中共正在建立一個追蹤14億
公民的巨大監控系統,其手段包括:從臉部識別技術到點名羞辱,再到強迫手機用戶下載
允許政府監控用戶照片的應用程序。
中共監控技術的發展正值當局推出巨大的社會信用系統之際。該系統將公民根據其行為打
分,然後進行相應的獎懲。《商業內幕》近日總結了中共監控公民的10個方式。
1.使用臉部識別技術,從茫茫人海當中抓到目標
至少有16個省市已經開始使用臉部識別系統,它可以掃描中國14億人,據稱準確率達到99
.8%。南昌市警察稱曾從6萬觀眾的音樂會上抓到了一個通緝犯。
一名在貴陽測試臉部識別系統的BBC記者發現,當局只需7分鐘就能抓到他。
2.讓群聊管理者監聽人們
中共將任何群聊當中的帖子視為犯罪證據。這個規定適用於任何短信應用程序,比如What
sApp。
政府也要求科技公司監視網民對話,以及保留六個月之內的對話記錄,並報告任何「非法
活動」。
3.強迫公民下載允許政府監控公民手機照片和視頻的應用程序
美國政府資助的開放技術基金說,中共政府強迫維吾爾人下載一款掃描手機照片、視頻、
音頻、電子書等文件的應用程序,名叫淨網。
4.觀察人們的網上購物
阿里巴巴先前說,它的芝麻信用系統是根據用戶網上活動來打分。
芝麻信用的技術總監李英雲去年接受採訪表示,那些玩電子遊戲一天超過10小時的人被認
為是「遊手好閒的人」,而那些在網上購買尿片的人「更可能有責任感」。
《華爾街日報》報導說,包括阿里巴巴在內的中國科技公司被要求跟政府分享數據。
5.警察戴著具有臉部識別功能的眼鏡在人潮洶湧的地方(比如街頭和火車站)搜尋目標
臉部識別眼鏡跟一個罪犯數據庫相連。開發這款眼鏡的LLVision科技公司的CEO吳非告訴
《華爾街日報》,該技術可以在0.1秒的時間內從1萬張臉的數據庫裡認出目標。
6.在火車站安裝機器人警察,它可以掃描人們的臉部,並跟通緝犯比對
7.使用臉部識別技術抓出亂穿馬路者
大陸多個城市已經在街頭安裝了臉部識別攝像頭,它可以立即將亂穿馬路者的臉部跟警方
中心數據庫比對。亂穿馬路者的照片、姓氏和節錄ID號碼將顯示在路邊顯示屏上。在深圳
,這些信息還被上傳到官方社交媒體賬號。在福州,警方會通知亂穿馬路者的雇主。
8.隨機截停行人,檢查他們的手機
新疆武警隨機截停行人,檢查他們的手機和手提電腦,看看有沒有被禁的、對共產黨有威
脅的應用程序和信息。這種搜查方式已經導致多名維吾爾人被拘捕。
9.追蹤人們的社交媒體帖子,順藤摸瓜找到用戶的家人和位置
三月份,溫哥華男子張肖恩在微博上發布了反共帖子。幾個小時之後,他在國內的母親吳
依就接到警方電話。警方告訴張肖恩母親,這個帖子不好,要求立即將其刪除。
不知道警方是如何通過張肖恩的帖子追蹤到他母親的地址的。張肖恩告訴《商業內幕》:
「我的社交媒體賬號可能受到他們的密切監視。他們會閱讀我說的每句話。我可能在他們
的監視名單上。」
10.建立預測軟件匯總人們的數據,標出那些當局視為威脅性的人物
人權觀察說,該軟件從閉路電視攝像頭、ID檢查、WiFi嗅探器收集數據,然後解碼這些數
據。所謂IJOP(綜合聯合行動平台)的中央系統分析人們的個人資料,預測他們是否會損
害中共政權,告知地方當局潛在的反叛者。這讓中共當局有效的抓捕異議人士。
新疆喀什地區已經開始常規使用IJOP。
中共比世界上任何國家都更加肆無忌憚的使用臉部識別技術和收集數字數據。相比之下,
歐盟推出新的數據隱私法規,限制公司收集個人數據、生物特徵數據和社交媒體數據。
NSBO 分析師吉列姆‧科林斯沃思‧漢密爾頓在《金融時報》撰文,指出中共社會信用系
統的險惡用心:它不僅僅使用大數據來衡量信用得分,還要量化全體中國公民的政治傾向
。他說,這個社會信用體系可以通過重新調校,產生「愛國」分數——也就是評價一個人
的觀點在多大程度上與執政的共產黨的價值觀保持一致的分數。
4.完整新聞連結 (或短網址):
※ 當新聞連結過長時,需提供短網址方便網友點擊
http://www.epochtimes.com/b5/18/4/29/n10347215.htm
5.備註:
※ 一個人一天只能張貼一則新聞,被刪或自刪也算額度內,超貼者水桶,請注意
厲害了!監獄國
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.73.66.61
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1525058886.A.045.html
→
04/30 11:28,
6年前
, 1F
04/30 11:28, 1F
推
04/30 11:28,
6年前
, 2F
04/30 11:28, 2F
→
04/30 11:28,
6年前
, 3F
04/30 11:28, 3F
→
04/30 11:29,
6年前
, 4F
04/30 11:29, 4F
→
04/30 11:29,
6年前
, 5F
04/30 11:29, 5F
推
04/30 11:29,
6年前
, 6F
04/30 11:29, 6F
→
04/30 11:30,
6年前
, 7F
04/30 11:30, 7F
推
04/30 11:30,
6年前
, 8F
04/30 11:30, 8F
推
04/30 11:31,
6年前
, 9F
04/30 11:31, 9F
噓
04/30 11:31,
6年前
, 10F
04/30 11:31, 10F
→
04/30 11:31,
6年前
, 11F
04/30 11:31, 11F
推
04/30 11:31,
6年前
, 12F
04/30 11:31, 12F
推
04/30 11:32,
6年前
, 13F
04/30 11:32, 13F
→
04/30 11:32,
6年前
, 14F
04/30 11:32, 14F
推
04/30 11:33,
6年前
, 15F
04/30 11:33, 15F
→
04/30 11:33,
6年前
, 16F
04/30 11:33, 16F
推
04/30 11:34,
6年前
, 17F
04/30 11:34, 17F
→
04/30 11:35,
6年前
, 18F
04/30 11:35, 18F
推
04/30 11:35,
6年前
, 19F
04/30 11:35, 19F
噓
04/30 11:36,
6年前
, 20F
04/30 11:36, 20F
噓
04/30 11:36,
6年前
, 21F
04/30 11:36, 21F
→
04/30 11:36,
6年前
, 22F
04/30 11:36, 22F
→
04/30 11:37,
6年前
, 23F
04/30 11:37, 23F
推
04/30 11:38,
6年前
, 24F
04/30 11:38, 24F
推
04/30 11:38,
6年前
, 25F
04/30 11:38, 25F
推
04/30 11:40,
6年前
, 26F
04/30 11:40, 26F
推
04/30 11:46,
6年前
, 27F
04/30 11:46, 27F
→
04/30 11:48,
6年前
, 28F
04/30 11:48, 28F
→
04/30 11:49,
6年前
, 29F
04/30 11:49, 29F
推
04/30 11:56,
6年前
, 30F
04/30 11:56, 30F
推
04/30 11:58,
6年前
, 31F
04/30 11:58, 31F
推
04/30 12:06,
6年前
, 32F
04/30 12:06, 32F
推
04/30 12:27,
6年前
, 33F
04/30 12:27, 33F
推
04/30 12:29,
6年前
, 34F
04/30 12:29, 34F
推
04/30 12:30,
6年前
, 35F
04/30 12:30, 35F
推
04/30 12:31,
6年前
, 36F
04/30 12:31, 36F
推
04/30 12:31,
6年前
, 37F
04/30 12:31, 37F
推
04/30 12:38,
6年前
, 38F
04/30 12:38, 38F
推
04/30 12:53,
6年前
, 39F
04/30 12:53, 39F
推
04/30 13:08,
6年前
, 40F
04/30 13:08, 40F
推
04/30 14:07,
6年前
, 41F
04/30 14:07, 41F
推
04/30 15:26,
6年前
, 42F
04/30 15:26, 42F
推
04/30 19:12,
6年前
, 43F
04/30 19:12, 43F