跳到主要內容

發表文章

目前顯示的是有「Pseudonymization vs Anonymization」標籤的文章

Pseudonymization vs Anonymization:GDPR 框架下可逆假名化與不可逆匿名化的關鍵差異與實務應用

在 GDPR 框架下, Pseudonymization vs Anonymization 是資料保護的兩條核心路徑。選錯技術,不僅影響合規義務,更直接決定資料的再利用可能性。 假名化(Pseudonymization):可逆的身份遮蔽 假名化以 代號取代真實識別符 (如姓名、Email),並保留加密對照表。資料本身仍屬於「個人資料」,GDPR 第 4(5) 條明確定義此概念。由於可透過對照表還原身份,資料控制者仍須遵守完整的 GDPR 義務,包含資料主體權利與跨境傳輸限制。其優勢在於保留資料結構,適合醫療研究、A/B 測試等需要 縱向追蹤 但須保護隱私的場景。對照表本身必須以高標準隔離儲存,成為整個系統的安全核心。 匿名化(Anonymization):不可逆的個資消除 匿名化透過 破壞性技術 徹底切斷個人連結,使資料無法再識別任何個人。常用技術包含 k-匿名(k-Anonymity)、差分隱私(Differential Privacy)與資料泛化(Generalization)。GDPR 第 26 號前言明確指出,真正匿名化的資料 不受 GDPR 管轄 ,可自由用於統計分析與公開發布。然而,匿名化的挑戰在於驗證其有效性——重識別攻擊(Re-identification Attack)持續進化,單純移除姓名遠遠不夠。ICO 建議從「可能性」與「動機」雙維度評估殘餘風險。 # 假名化:保留對照表(可逆) import hashlib, secrets salt = secrets.token_hex(16) pseudo_id = hashlib.sha256((salt + "user@example.com").encode()).hexdigest() lookup_table[pseudo_id] = "user@example.com" # 安全隔離儲存 # 匿名化:泛化年齡欄位(不可逆) df["age"] = df["age"].apply(lambda x: f"{(x // 10) * 10}~{(x // 10) * 10 + 9}") 💡 關鍵差異整理 法律地位 :假名化資料仍受 GDPR 規...