东盟数据匿名指南
执行摘要
本指南旨在为东盟成员国内的政策制定者、监管机构以及行业组织提供基本数据匿名化信息和指导,帮助其进行相关工作。指南主要面向处理个人数据的政府和行业组织,以及相关工作人员。指南概述了匿名化过程的一般介绍以及一些常见的匿名化技术,强调匿名化是一种基于风险的过程,通过应用相关技术并将治理措施结合起来,将个人数据转换为无法单独或与其他信息结合使用来识别特定个体的数据。是否可以认为一组数据已无法用于识别个体,将取决于重新识别的风险水平和适用的数据保护法律。
引言
匿名化的主要好处包括:
- 建立对组织数据保护做法的信任
- 在分析和研究过程中通过共享匿名数据与合作伙伴共同进行,在确保数据安全使用的同时保留数据的实用价值并保护个人隐私
- 增强个人隐私保护和防范数据滥用与exploitation
- 减少数据泄露事件对个人的影响或伤害
- 促进数据共享与协作,因为匿名化数据可以在确保个人隐私不被侵犯的情况下安全地与第三方及跨辖区进行共享
- 展示良好的数据治理能力,并增加消费者对其个人数据在企业间及跨境共享时受到保护的信心
术语和关键概念
- 个人数据:指关于一个人的数据单独或结合其他数据识别组织拥有或可能拥有的信息访问。
- 非个人数据:指与个人无关的数据。
- 去识别数据:这通常是指来自哪些直接标识符的数据完全删除、作废(设置为 “null”) 或覆盖。
- 数据属性:指数据集的特征 / 特性,e.g.,客户名称、购买的产品等。
- 匿名化:指基于风险的转换个人的过程数据转换为无法再用于识别个人,单独或与他人结合信息,通过应用相关技术和与治理措施相结合。
- 匿名化数据:指匿名化技术具有的数据已应用 (如有必要,与治理相结合措施) , 以实现低水平的重新识别风险,从而满足特定的法律和 / 或行业公认的 (例如,风险 -基于) 标准。
数据属性分类
- 直接标识符:唯一标识个体的数据属性,能够用于识别特定个体。
- 间接标识符:虽然单独来看不唯一标识某个个体,但与其他间接标识符结合时可以潜在地识别出特定个体。
- 目标属性:通常包含数据集的主要用途,与个体相关,通常被视为“低风险”属性。
匿名化过程
匿名化过程包括以下关键步骤:
- 了解您的数据:涉及理解数据是否适合进行匿名化处理,以及匿名化是否适用于预期的应用场景。
- 去标识化数据:涉及从数据中移除直接标识符,并可选地使用可逆的伪匿名化方法。
- 应用匿名化技术:对去标识化数据集中间接标识符的应用匿名化技术,以确保这些标识符无法轻易与其他可能包含额外信息的数据集结合以重新识别个体。
- 计算风险:涉及确定匿名化的风险阈值,并应用程序以确定是否已达到足够的匿名化水平。
- 管理风险:对匿名数据实施控制/措施,以进一步降低重新识别数据的风险。
匿名化技术
常见的匿名化技术包括:
- 记录抑制:删除(或无效) 整个记录 / 行。
- 属性抑制:删除(或无效) 整个属性 / 列。
- 字符屏蔽:通过将精心选择的零件替换为通常是一致的符号(例如,“* ” 或“ x ”)。
- 假名:用弥补值替换标识值。
- 概括:降低值的精度,例如转换人的出生日期以年为单位,年龄以年龄为单位,或通过截断将精确位置转换为较不精确的位置。
- 交换:重新排列各个属性中的值,但跨越这样的记录通常不会保留在原始记录。
- 扰动:将原始数据集的值修改为稍微不同的 (通常以非系统的方式)。
- 聚合:将多个记录的值转换为汇总值。
K-匿名、L多样性和T接近性
- K-匿名:仅专注于间接标识符,基于这样一个假设:所有直接标识符已被移除(或可能被伪匿名化),并且目标属性本质上已变得足够非识别性,以至于不会对重新识别尝试构成任何严重的风险。
- L-多样性:扩展k-匿名,通过考虑目标属性内的值的统计分布。
- T-接近性:是对l-多样性,确保每种类别的目标属性值的统计分布保持接近(在某个百分比范围内,由提供的数据确定)。
匿名化的常见误解
- 缺乏对匿名化和各种属性类型了解的人可能无法充分匿名化数据。
- 即使对于更熟悉匿名化复杂性和潜在风险的组织来说,在更具动机的攻击者使用新方法和已知攻击手段重新“去匿名化”数据时,仍然会面临问题。
匿名化工具
市场上可用的一些匿名化工具包括:
- PDPC 新加坡匿名化tool
- Amnesia
- Arcad-DOT
- ARX
- Eclipse
- sdcMicro
- UTD 匿名化工具箱