互联网征信在一定程度上存在歧视性对待的问题，主要表现在以下几个方面：
数据来源不平衡：互联网征信通常通过采集个人在互联网上的行为数据来评估信用，但有些人可能由于种种原因并不频繁使用互联网，导致其信用评估不准确甚至受到歧视。
数据不全面：互联网征信往往只能获取到部分个人信息和行为数据，而无法全面了解个人的经济状况和信用情况，这也容易导致歧视性对待。
算法不透明：互联网征信机构通常采用算法来评估个人信用，但这些算法往往是黑盒子，缺乏透明度，容易造成歧视性对待的问题。
针对这些问题，建议可以采取以下措施来减少互联网征信的歧视性对待：
提倡数据平衡：互联网征信机构应该多渠道获取数据，确保数据来源的平衡，避免因为数据来源不平衡导致歧视性对待。
强化数据保护：加强对个人隐私数据的保护，确保个人数据不被滥用，避免因为数据不全面导致歧视性对待。
提高算法透明度：互联网征信机构应该公开其评估信用的算法和逻辑，提高算法的透明度，减少歧视性对待的可能性。
引入人工审核：在算法评估的基础上，可以引入人工审核机制，对一些特殊情况进行人工审核，避免因为算法的局限性导致歧视性对待。
总的来说，互联网征信在应用时需要谨慎对待，避免出现歧视性对待的情况，保障个益和数据安全。同时，监管部门也应该加强监管，确保互联网征信机构的合法合规运营，防止歧视性对待的问题发生。