データ匿名化とは、個人を特定できる情報を削除することで、データが個人と結び付けられないようにする処理です。氏名、住所、電話番号、社会保障番号などは削除または置き換えられます。その目的は、個人の身元を明かすことなく、研究や分析にデータを利用することです。医療研究者は患者の記録を匿名化します。企業は、ユーザー行動データをパートナーと共有する前に匿名化します。
真の匿名化は、想像以上に難しい。名前を削除するだけでは不十分だ。属性の組み合わせによって個人が再特定される可能性がある。生年月日、郵便番号、性別を組み合わせれば、米国ではほとんどの個人が特定できる。ラタニア・スウィーニーは1997年、匿名化されているはずのデータから州知事の医療記録を再特定することで、このことを実証した。Netflix Prizeのデータセットは、2008年にIMDbの評価と照合することで匿名化が解除された。k-匿名性、差分プライバシー、合成データ生成などの技術は、この問題を解決しようとしている。それぞれにプライバシーと有用性のトレードオフがある。匿名化が強固になればなるほど、有用なデータは少なくなる。完全な匿名化は、データが全く存在しないことを意味するかもしれない。規制当局もこの難しさを認識している。GDPRは匿名化データと仮名化データを区別して扱っているが、両者の境界線は曖昧だ。再特定は、多くの場合、労力の問題に過ぎない。
匿名化技術
- 抑制 — 識別子を完全に削除する
- 一般化 — 特定の値を範囲に置き換える
- 仮名化 ― 識別子を偽の識別子に置き換える。鍵を使えば元に戻せる。
- 差分プライバシー ― 統計的ノイズを追加して個人を保護する
- 合成データ ― 実際のパターンを模倣した人工的な記録を生成する
匿名化はリスクを軽減しますが、完全に排除するものではありません。匿名化されたデータは慎重に取り扱ってください。
Comments (3)
Leave a comment