本文目录一览：
facebook面部录制视频认证不成功
网络问题，光线问题。
1、网络问题，如果设备网络不好或者是没有链接上网络，录入数据无法上传到设备终端，导致人脸认证失败。
2、光线问题，设备在光线昏暗和强光照射下，设备无法识别清晰人脸图片，长时间识别不到会导致认证失败。
Facebook赔偿160万用户6.5亿美元，发生了什么？
当地时间2月26日，美国加州一名联邦法官正式批准脸书（Facebook）侵犯用户隐私案的和解协议。这份和解协议价值6.5亿美元（约合人民币42.1亿元）。法官裁决更要求脸书尽快向伊利诺伊州近160万用户发放赔偿，每人至少345美元。
据美国《芝加哥论坛报》2月26日报道，美国加州北区地方法院法官詹姆斯·多纳托（James Donato）当日裁决，批准了脸书的和解协议。多纳托在裁决中称，这是有史以来最大规模的隐私和解协议之一，是一个“里程碑式”的结果。
据报道，2015年4月，美国有人向脸书提起诉讼，指控脸书在未事先通知或征得用户同意的情况下使用面部数字扫描信息，违反了伊利诺伊州《生物识别信息隐私法》（Illinois Biometric Information Privacy Act）。《芝加哥论坛报》指出，这一法律是美国同类法律中最严格的之一，它要求企业在使用面部识别等技术识别客户前必须获得许可。
Facebook的一位代表发表声明表示：“我们很高兴能够通过和解圆满解决此事，这符合我们社区和股东的最佳利益。”Facebook否认了所有不法行为的指控。
除了160万赔偿，法院还裁定脸书向集体律师事务所支付9750万美元的律师费以及约91.5万美元其他开销。脸书还需向具名诉讼的三名原告每人赔偿5000美元。
迫于各方压力，脸书6日一改往日立场，表态支持国会去年10月提出的《诚实广告法》。扎克伯格事发后首次宣布，支持通过立法方式，披露社交媒体网站上投放政治竞选广告的买家身份，并针对购买“问题广告”的人士推出一项新核实程序。他强调：“任何未通过（核实）的广告客户都将被禁止刊登政治或问题广告。”
Manychat进阶应用-搭建Affiliate系统
Affiliate系统可以有效的在我们目前的推广方式上，进一步为我们扩大受众并节约成本。一个设计优秀并运营良好的Affiliate系统很可能会为我们带来用户群的裂变。
Manychat里实现的Affiliate系统不仅适用于我们的online business，还适用于实体店，在境外有自己实体店的大佬们也可以试试哇~
首先，熟悉Facebook的可能会担心利用奖励引导用户可能会违反facebook社区的规则，但Facebook只对利用奖励操纵点赞、评论和分享有明确限制，而我们是对用户在我们平台或messanger里的具体行为作出奖励，所以不会明显违反facebook的社区规则。好了，下面就聊下在Manychat里实现Affiliate的思路吧
一个基础的referral系统，需要记录推荐人和被推荐人，并确定我们什么时候可以给推荐人奖励。毕竟谁都不想只要推荐一个用户进来就奖励，我们还需要确认某个被推荐者是我们的目标用户，所以要在用户做出某些特定动作(注册、提交信息或购买)之后再给奖励，这样才能保证我们花的每分钱都是值得的，也能控制我们referral的质量。
好了，明确了这些，我们就开始设计我们的Affiliate系统啦~
下面，跟大家分享下我们团队在Manychat里的实现基础Affiliate系统的思路（大家可以根据自己的业务需要来做具体的场景化）
很多用过Manychat的朋友应该都设计过奖励flow。单纯的奖励flow非常简单，我们可以为用户定义一个‘数字’类型的custom field，当用户完成特定动作后，我们加一个‘increase 具体custom filed by 1’的Action就可以完成，如下图：
可以看到，在Manychat里根据一个用户的行为来更新其custom field非常简单。但Affiliate系统是根据一个用户的行为来更新另一个用户的数据，这就需要我们好好设计了。
因为一个flow里的用户数据只能是当前用户的数据。要实现多用户之间的数据传递，就要求两个用户之间有一个中间程序将二者联系到一起，那我们肯定还要向其他办法。 这时就要用到Manychat的API或者上篇文章我们提到过的Dynamic Block来实现。
这篇文章我们先来看下如何用Manychat API实现简单的Affiliate~
要用Manychat API里实现简单的Affiliate，我们要用到“Ref URL”，“External Request”和Manychat API。“Ref URL”用来为每个推荐人生成唯一的推荐链接，“External Request”和Manychat API则帮我们在某用户完成特定动作时，在多个用户之间传递数据。
首先，我们要用Manycaht的“Ref URL”工具。“Ref URL”可以接受动态数据，有点类似URL中用“？”传参，Manychat用“--”来动态传递数据，比如：
这是一个正常的“Ref URL”
而下面是可以接受动态数据的“Ref URL”
--{User Id}
这两个链接指向同一个功能flow，只是后一个flow携带了参数。
这里我们先创建一个“Ref URL”的Growth Tool，用来承接所有通过此affiliate链接进来的用户。Ref URL工具位置如下图
“Custom Ref parameter”可以随便写，下面的“Save Payload to a Custom User Field”是用来存储我们动态传到该链接数据的（推荐者的User Id）。这里，我们需要为这个给被推荐人记录其推荐人，我们这里先把“User Id”存入“Referral”来存储。（这里还需要用一个Pending Referral，后面再聊为什么需要一步Pending Referral）
好了，链接我们已经配置好了，现在每个推荐人都会有一个唯一的推广链接。
首先根据自己的业务需求设计自己的业务flow，发奖励的动作可以根据我们自己的业务来设计。可以是进到Manychat、提交邮箱或完成购买等等。
比如我们是做电商的，以折扣码引导成交为目标，那我们可以在购买动作完成后，调用Manychat API，让它为我们指定的用户发送Message并更新其奖励数据。如图，这是案例flow：
设计好业务flow之后，我们返回Manychat的Growth Tool，然后将我们上一步新建的“Ref URL”绑定刚刚新建的flow。点击“Replace”，然后找到我们刚刚设计的业务flow替换掉。
之后，我们要确定在哪里为推荐人生成奖励。这个flow里，我们要在购买才完成后进行奖励小火箭下载安卓，
那么在购买成功之后，我们为flow添加actions，选“External Request”
在弹出的“External Request”窗口，设置传给Manychat API的数据：
Headers：
{"accept": application/json} : 指定传送数据的格式是json
{"Authorization": Bearer {APIKEY}} : APIKEY是填入的是我们的API Token小火箭 下载，API Token可以在setting的API里找到。这里建议把API Token存储到一个bot的custom field，这样每次更改Token时，我们只需要更新APIKEY的值就可以，不必一个flow一个flow去改。
Body：
body里是我们传递给Manychat API的数据，这里我们要用的是sendFlow API
Manychat flow名可以在打开flow时找到，从content到数字结尾就是我们的flow ID
这里我们先随便指定一个成功后要发送的flow。
设置完后我们选择“Response”，如果返回里能看到200 OK就说明我们请求Manychat API成功。
目前为止，当被推荐人进入业务flow并完成购买后，Manychat的External Request就会读取该用户的Referral(存着推荐人User ID)，并调用Messanger API为该推荐人发送一个通知flow。
好了，接下来我们只需要设计好通知flow，并在里面为推荐人设置奖励就好了。
这里我们只做简单的通知，更多有意思的方法大家可以自己去发现~在通知flow里我们先为该推荐人的“balance”custom field的值加一，然后通知其成功推荐了新用户，并告知他现在余额。
好了，大体流程我们已经设计完了，现在我们还需要解决一些小问题：
解决这两个小问题很简单，我们为用户设置两个custome field，一个是Pending Referral，还有一个是exist。无论哪个渠道进来的用户我们都为exist设为True；在主业务flow开始，我们判断Pending Referral是否等于User Id，如果相等，那么我们提醒用户：
其次我们判断exist是否为true，如果为true说明用户已经使我们的subscriber，我们可以对这类用户进行其他的up/down sell，但是不能将他们算入成功被推荐人里。
如果Pending Referral不等于User Id且exist为False，这时才能算作一个成功的被推荐者。
下面是我们目前整个Affiliate的大概流程：
好了，至此，我们的Affiliate系统就可以使用了~ 当然，这只是非常简单的Affiliate，Manychat还可以通过API实现非常多且复杂的功能~ 我们会放在其他文章里去和大家讨论。
Meta因违反隐私规则被罚1700万欧
Meta因违反隐私规则被罚1700万欧
Meta因违反隐私规则被罚1700万欧，Meta在欧盟的主要隐私监管机构爱尔兰数据保护委员会表示，他们发现Facebook“未能采取适当的技术和组织措施”。Meta因违反隐私规则被罚1700万欧。
Meta因违反隐私规则被罚1700万欧1
3月16日消息，据彭博社报道，Facebook的母公司Meta被爱尔兰隐私监管机构罚款1700万欧元。
监管机构数据保护委员会(Data Protection Commission)一直在调查Meta公司是如何遵守《通用数据保护条例》(GDPR)的要求，如何在2018年6月至12月的12份数据泄露通知中处理个人数据的。
该机构周二表示，它发现Meta没有采取适当的措施来表明它可以保护欧盟用户的数据。
Meta在一份电子邮件声明中表示：“这项罚款是关于我们自2018年以来更新的记录保存做法，而不是未能保护人们的信息。我们认真对待GDPR规定的义务，并且随着我们流程的不断发展，将仔细考虑这一决定。”
根据GDPR，爱尔兰监管机构负责为欧洲总部设在都柏林的大型科技公司处理跨境数据隐私案件。
Meta因违反隐私规则被罚1700万欧2
Facebook母公司Meta被欧盟罚款1700万欧元（约合1900万美元），原因是它未能阻止Facebook平台在2018年发生的一系列数据泄露事件，违反了欧盟的隐私规则。Meta在欧盟的主要隐私监管机构爱尔兰数据保护委员会表示，他们发现Facebook“未能采取适当的技术和组织措施”。
据了解，2018年，Facebook成为欧盟《通用数据保护条例》颁布后的首个重大考验。
当时，爱尔兰监管机构宣布对一起影响多达5000万个账户的漏洞事件展开调查。与周二处罚相关的调查是在当年12月开始的，调查的对象是Facebook发出的12条漏洞通知，其中一些是由一个软件漏洞引起的，导致外部开发者获得了数百万用户的照片。
2015年，伊利诺伊州用户集体起诉Facebook，称后者在未获同意的前提下，收集用户个人生物识别数据。2021年2月，一名联邦法官批准这起官司的和解协议，Facebook支付6.5亿美元和解金。2019年，美国联邦贸易委员会就大量用户信息泄露事件对Facebook罚款50亿美元。该公司在和解协议中承诺，对用户照片和视频作面部识别前会明确告知用户。
2021年11月2日，Facebook宣布计划停用面部识别系统，原因是该系统能够自动识别用户所发图片和视频中的`人脸，从而引发社会对隐私安全的担忧。Facebook分管人工智能的副总裁杰罗姆·佩森蒂当日说，将在之后的数周内关闭面部识别系统，并删除“超过10亿人的面部识别模板”。
报道称，美国没有联邦隐私法，数十个州则各自制定了有关隐私、内容审核和反垄断等方面的法律。
Meta因违反隐私规则被罚1700万欧3
据报道，Meta因2018年未能阻止Facebook平台上的一系列数据泄露，违反了欧盟的隐私规则，被罚款1700万欧元（合1900万美元）。
Meta的主要欧盟隐私监管机构爱尔兰数据保护委员会（Irish Data Protection Commission）表示，它发现Facebook“未能采取适当的技术和组织措施”。
2018年，Facebook成为欧盟《通用数据保护条例》(General Data Protection Regulation)的首个重大测试案例，爱尔兰监管机构宣布对一起影响5000多万个账户的违规事件展开调查。 周二的调查于当年12月开始，调查对象是Facebook发出的12条违规通知，其中一些由一个软件漏洞引起，该漏洞让外部开发者获得了数百万用户的照片。
欧盟的数据保护法首次授权欧盟隐私监管机构对最严重的违规行为处以高达该公司年收入4%的罚款。但围绕爱尔兰当局完成对Meta和苹果公司等公司的调查所需的时间问题，双方的紧张关系一直在加剧。
Meta在一份电子邮件声明中表示:“这次罚款是关于我们从2018年开始更新的记录保存做法，而不是未能保护人们的信息。”
根据《通用数据保护条例》规定，迄今为止两笔最大的罚款包括去年爱尔兰当局对WhatsApp开出的2.25亿欧元的罚款，以及卢森堡的主要隐私监管机构对亚马逊公司开出的创纪录的7.46亿欧元的罚单。
还没有评论，来说两句吧...