在當(dāng)今數(shù)據(jù)驅(qū)動的市場中，數(shù)據(jù)為企業(yè)帶來了更多的力量和機(jī)會。但正所謂“權(quán)力越大，責(zé)任越大。”隨著越來越多的個人信息被組織收集和分析，保護(hù)個人隱私和防止濫用或未經(jīng)授權(quán)訪問個人數(shù)據(jù)的需求也隨之而來。

根據(jù)歐華律師事務(wù)所最新的《通用數(shù)據(jù)保護(hù)條例（GDPR）罰款和數(shù)據(jù)泄露調(diào)查》顯示，自2022年1月28日以來，歐洲根據(jù)GDPR共開出了16.4億歐元（約合17.4億美元/ 14.3億英鎊）的罰款。報告的GDPR罰款總額同比增長50%。

為了更好地保護(hù)用戶個人隱私數(shù)據(jù)，我們需要了解各種可用的數(shù)據(jù)匿名化技術(shù)和提供這些技術(shù)的工具。

數(shù)據(jù)匿名化技術(shù)

不同的數(shù)據(jù)匿名化技術(shù)可用于多種行業(yè)，旨在從數(shù)據(jù)流中獲取有用的見解，同時確保滿足數(shù)據(jù)保護(hù)標(biāo)準(zhǔn)和法規(guī)的合規(guī)要求。

1. 數(shù)據(jù)脫敏（Data Masking）

數(shù)據(jù)脫敏，又稱數(shù)據(jù)漂白、數(shù)據(jù)去隱私化或數(shù)據(jù)變形，指的是對數(shù)據(jù)集中的敏感信息進(jìn)行加密，以便在企業(yè)用于分析和測試時保護(hù)原始數(shù)據(jù)。在涉及用戶安全數(shù)據(jù)或一些商業(yè)性敏感數(shù)據(jù)的情況下，在不違反系統(tǒng)規(guī)則條件下，對真實數(shù)據(jù)進(jìn)行改造并提供測試使用，如身份證號、手機(jī)號、卡號等個人信息都需要進(jìn)行數(shù)據(jù)脫敏。

當(dāng)數(shù)據(jù)需要由不同的各方共享或訪問時，這種技術(shù)通常很有用。例如，可以用隨機(jī)生成的字符或數(shù)字替換諸如社會保險號、姓名和地址之類的個人識別信息（PII），或者用“X”替換社會保險號或信用卡號中除最后四位數(shù)字以外的所有數(shù)字，從而保護(hù)數(shù)據(jù)安全。

一些常見的數(shù)據(jù)脫敏技術(shù)如下：

• 隨機(jī)化：這包括用基于預(yù)定義規(guī)則集生成的隨機(jī)或虛構(gòu)值替換原始數(shù)據(jù)值。隨機(jī)數(shù)據(jù)不鏈接到任何可識別的信息。
• 替換：這涉及到用一個掩碼值替換原始數(shù)據(jù)值，該掩碼值保留了與原始值相同的數(shù)據(jù)格式和特征，但不顯示任何可識別的信息。
• 擾動：這包括以受控的方式向被屏蔽的數(shù)據(jù)集添加隨機(jī)噪聲或變化。這打破了常規(guī)的數(shù)據(jù)脫敏模式，從而增強(qiáng)了對敏感信息的保護(hù)。

2. 泛化（Generalization）

顧名思義，這種技術(shù)是用更通用的數(shù)據(jù)值替換特定的數(shù)據(jù)值。敏感數(shù)據(jù)可以被修改成一系列的范圍或一個具有合理邊界的大區(qū)域，或者在保持?jǐn)?shù)據(jù)準(zhǔn)確性的前提下，刪除一些標(biāo)識符。例如，一個人的確切年齡是匿名的，只顯示一個更通用/廣泛的年齡范圍，比如25-34歲。因此，這種技術(shù)可以應(yīng)用于多種類型的數(shù)據(jù)，例如人口統(tǒng)計數(shù)據(jù)或事務(wù)數(shù)據(jù)。值得注意的是，平衡對數(shù)據(jù)執(zhí)行的泛化也很重要，這樣它就不會損害數(shù)據(jù)對分析的有用性。

3. 數(shù)據(jù)置換（Data Swapping）

這種技術(shù)指的是在數(shù)據(jù)集中重新排列或置換兩個或多個敏感數(shù)據(jù)記錄。匿名化是通過將一條記錄中的值與另一條記錄的相應(yīng)值置換或交換來完成的，即置換數(shù)據(jù)集中兩條記錄的位置。例如，在包含姓名或社會保險號等敏感信息的醫(yī)療記錄中，置換某些字段的值將有助于保護(hù)患者的隱私，同時保持所有其他記錄的完整。對數(shù)據(jù)集中兩個或多個個體之間的值進(jìn)行置換不僅能夠保留數(shù)據(jù)集的統(tǒng)計屬性，還能保護(hù)個體的身份安全。

4. 數(shù)據(jù)替換（Data Substitution）

數(shù)據(jù)替換涉及到用不同的數(shù)據(jù)塊替換數(shù)據(jù)集中的數(shù)據(jù)塊。例如，如果你有一個值為1，2，3和4的數(shù)據(jù)集，你用值5代替值2，結(jié)果數(shù)據(jù)集將是1，5，3；例如，數(shù)據(jù)集成和管理平臺Talend Data Fabric中就包含數(shù)據(jù)匿名化功能，允許用戶定義和應(yīng)用匿名化規(guī)則到他們的數(shù)據(jù)。Talend數(shù)據(jù)匿名化中使用的技術(shù)之一就是數(shù)據(jù)替換。用戶可以使用Talend的數(shù)據(jù)替換功能，定義替換敏感和不真實數(shù)據(jù)值的規(guī)則，同時保留數(shù)據(jù)的整體結(jié)構(gòu)和格式。

5. 數(shù)據(jù)假名化（Pseudonymization）

這種技術(shù)被認(rèn)為不如其他匿名化技術(shù)（如數(shù)據(jù)脫敏）有效，后者確保匿名數(shù)據(jù)集難以檢索。在這種技術(shù)中，原始PII被替換為假標(biāo)識符或假名，但保留了可以訪問原始數(shù)據(jù)的特定標(biāo)識符。因此，虛假標(biāo)識符可能與個人的真實身份直接相關(guān)，也可能不直接相關(guān)。數(shù)據(jù)假名化通常用于任何業(yè)務(wù)分析或測試不需要敏感或個人數(shù)據(jù)，但需要掩蓋個人身份的情況。例如，在醫(yī)學(xué)研究中，根據(jù)倫理和強(qiáng)制立法，病人的身份可能需要模糊。但是，可能仍然需要某些形式的病人身份證明，以便將不同來源的醫(yī)療記錄聯(lián)系起來。

它可以與散列、加密或令牌化等方法結(jié)合使用。例如，將姓名或身份證號等數(shù)據(jù)轉(zhuǎn)換為固定長度的字符串，稱為散列或隨機(jī)生成的令牌（隨機(jī)字母數(shù)字代碼）。它是原始數(shù)據(jù)的唯一表示，但不能反向識別或顯示原始數(shù)據(jù)。然后，該散列可以用作原始PII的假名。

6. 數(shù)據(jù)排列（Data Permutation）

該方法涉及重新排列數(shù)據(jù)集中數(shù)據(jù)的順序。例如，如果您有一個值為1，2，3，4的數(shù)據(jù)集，并且您對數(shù)據(jù)進(jìn)行了排序，那么您最終得到的數(shù)據(jù)集可能看起來像2，1，4，3。

7. K-匿名（K-Anonymity）

匿名通過概括（對數(shù)據(jù)進(jìn)行更加概括、抽象的描述）和隱匿（不發(fā)布某些數(shù)據(jù)項）技術(shù)，發(fā)布精度較低的數(shù)據(jù)，使得數(shù)據(jù)集中的每個人都無法從其他人中識別出來，從而幫助保護(hù)數(shù)據(jù)集中的個人隱私信息。這是通過刪除或泛化每個人的唯一標(biāo)識符數(shù)據(jù)來實現(xiàn)的，例如姓名或社會安全號碼等。例如，在100個個體的數(shù)據(jù)集中，K的值為100，則沒有任何個體的信息可以與數(shù)據(jù)集中至少99或K-1個其他個體的信息區(qū)分開來。

K-匿名是一種流行的數(shù)據(jù)匿名化技術(shù)，廣泛應(yīng)用于醫(yī)療保健、金融和營銷等各個領(lǐng)域。K-匿名被認(rèn)為是保護(hù)隱私的有效技術(shù)，因為它限制了攻擊者根據(jù)其屬性識別特定個體的能力。針對這項技術(shù)的推薦工具是K2View，它通過其獲得專利的微數(shù)據(jù)庫技術(shù)，提供K-匿名技術(shù)作為其數(shù)據(jù)匿名化功能的一部分。這涉及到將具有類似準(zhǔn)標(biāo)識符（如年齡范圍或職位）的記錄分組到一個集群中。每個集群中的記錄共享準(zhǔn)標(biāo)識符的相同屬性，使得基于這些屬性識別個體變得困難。接下來，將唯一標(biāo)識符或值分配給集群，以取代原始的準(zhǔn)標(biāo)識符。敏感數(shù)據(jù)被映射到分配的唯一標(biāo)識符，而不是原始的準(zhǔn)標(biāo)識符，這使得更難跟蹤單個數(shù)據(jù)主體。

它是一種靈活且可擴(kuò)展的技術(shù)。K -匿名的其他變體，如L-Diversity（包括敏感屬性和一般屬性）和T - Closeness，通過考慮敏感屬性和一般屬性（如種族或醫(yī)療狀況）的數(shù)據(jù)多樣性和分布來增強(qiáng)隱私保護(hù)。

8. 差分隱私（Differential Privacy）

差分隱私（簡稱DP）是用來保護(hù)隱私的密碼學(xué)技術(shù)，通過對查詢的結(jié)果加入噪音，使得查詢操作的實際結(jié)果隱藏起來或模糊化，直至無法區(qū)分，從而實現(xiàn)對敏感數(shù)據(jù)的保護(hù)。這種受控噪聲不會顯著影響對數(shù)據(jù)進(jìn)行的任何分析結(jié)果的準(zhǔn)確性；因此，它是一種基于擾動的匿名化的具體方法。添加到數(shù)據(jù)中的噪聲量由一個稱為隱私預(yù)算的參數(shù)決定。

結(jié)語

如今，組織已經(jīng)認(rèn)識到云計算的可擴(kuò)展性和成本效益可以滿足其數(shù)據(jù)匿名化需求。由于這種數(shù)據(jù)匿名化是一種趨勢，隨著越來越多的組織認(rèn)識到基于云的解決方案對其數(shù)據(jù)管理需求的好處，這種趨勢預(yù)計將在未來幾年繼續(xù)下去。對于組織來說，投資于有效的數(shù)據(jù)匿名化解決方案以確保其數(shù)據(jù)的安全性和隱私性非常重要。

原文鏈接：https://dzone.com/articles/8-data-anonymization-techniques-to-safeguard-user