World Sleep Industry ENCYCLOPEDIA

数据去标识化处理

6.4.2

定义、目标与法律含义

数据去标识化处理,是按照明确用途和攻击假设,降低睡眠数据与特定个人之间可关联性的技术与治理过程。它可用于科研分析、产品验证、跨机构协作、质量监测或统计发布,但目标不是简单删掉姓名,而是在保留必要数据效用的同时,把识别、关联和属性推断风险控制到经评估可接受的水平。处理对象既包括原始记录,也包括元数据、派生特征、标签、日志和导出文件。

去标识化、假名化与匿名化不能混用。可借助另存的映射表、密钥或其他信息重新对应个人的数据,通常仍是可识别数据,只是安全性得到增强;只有在适用规则下达到无法识别且不能复原的要求,才可能被视为匿名数据。不同法域对判断方法、责任和例外规定不同,因此项目应记录适用法律、数据角色、处理目的和结论依据,不能把软件按钮或供应商声明当作法律结论。

睡眠数据的识别面

清单应覆盖姓名、证件号、联系方式、病历号、账户号等直接标识,也要覆盖可组合识别的准标识。睡眠场景中的高风险字段常包括精确出生日期、邮编或位置、就诊机构、班次、入离院时间、精确入睡与起床时间、罕见诊断、设备序列号、IP 地址、手机广告标识符和家庭成员关系。单个字段看似普通,多字段组合后却可能只对应极少数人。

多导睡眠图、活动记录、心电与血氧波形、打鼾音频、卧室视频、自由文本、文件名、影像头信息和技术员备注都可能泄露身份。长期作息具有稳定模式,还可与社交发布、值班表、位置轨迹或其他数据源对齐。派生的睡眠分期、呼吸事件、疾病风险和依从性标签虽然不含姓名,也可能暴露敏感健康属性。资产发现必须追踪数据血缘,不能只检查主表的可见列。

风险模型与发布情境

风险评估先说明接收者是谁、能获得哪些外部数据、是否可以下载逐条记录、是否受合同和审计约束,以及攻击需要的成本与技能。评估应同时考虑单独识别、记录链接、群体归属、成员推断和敏感属性推断。可复制且稳定的特征、在外部来源中可获得的特征,以及在数据集中高度独特的组合,通常需要优先处理。

同一数据集在受控研究环境中可接受,并不意味着可以公开发布。常见交付模式包括公开统计表、经查询接口返回的受控结果、合成数据、受保护的数据沙箱或逐项审批的数据文件。应先选择满足用途的最小暴露模式,再决定字段变换;若删减后仍存在不可接受风险,应限制访问或停止发布,而不是不断降低质量直到数据失去意义。

处理方法与时间结构

常用方法包括删除直接标识、以随机令牌替换内部标识、把年龄和位置分组、压缩罕见类别、抑制小单元、截断极端值、对数值或时间加入受控扰动,以及只输出聚合结果。令牌映射表应与分析数据分离并实行独立权限和密钥管理。对低熵值直接做无盐哈希、把姓名改成固定编号,或仅遮盖显示界面,都不足以证明数据已完成去标识化。

睡眠研究尤其要处理时间结构。统一删除日期可能破坏夜间跨日关系、工作日与周末差异、季节效应和干预前后顺序;保留原始时刻又可能与公开事件对齐。可采用按人一致的日期偏移、相对研究日、时间分箱或受控精度,但必须验证持续时长、事件间隔和时区逻辑仍然正确。每一种变换都应有版本、参数、适用字段和可逆性说明。

效用验证与重识别测试

验收不能只检查“已删除多少字段”。应分别验证目标分析的偏差和方差、分布与相关结构、缺失模式、亚组覆盖、极端事件、时间序列连续性,以及模型训练后的性能和校准。对临床或安全相关用途,还要确认变换没有改变呼吸事件顺序、睡眠阶段持续时间、信号采样关系或关键阈值附近的判定。不同用途可能需要不同的发布版本,不能假设一份数据适合所有任务。

隐私测试可包括唯一性与等价组分析、基于合理外部信息的记录链接、最近邻或距离攻击、小单元检查、自由文本扫描,以及对模型或查询接口的成员与属性推断测试。指标、攻击知识、候选总体、成功标准和残余风险必须写入报告。某项指标达标不等于绝对安全;当外部数据、接收者、算法或发布范围变化时,应重新评估并设定复审或到期时间。

工程流程、控制与审计

成熟流程从数据发现、用途确认和影响评估开始,经字段分级、威胁建模、方案评审、隔离转换、隐私与效用测试、披露审查,再进入交付。原始区、映射区、处理区和发布区应逻辑隔离,采用最小权限、双人审批、传输与静态加密、密钥轮换、导出检查和不可抵赖审计。失败任务、临时文件、缓存、备份和调试日志也应纳入清除与保留规则。

可复现交付应保存输入数据版本、转换代码、依赖环境、规则清单、随机种子或密钥引用、测试结果和审批记录,但不能把可重识别密钥写进普通日志。自动化流水线要在发现未知字段、模式漂移或测试失败时停止发布。供应商交付应明确分包、远程运维、缺陷响应、事件通知、数据返还或删除,以及项目终止后的证据留存责任。

治理边界与采购验收

去标识化是风险降低措施,不会自动提供采集、使用、共享或跨境传输的合法基础,也不替代数据最小化、透明告知、主体权利、伦理审查和安全保障。健康、生物识别、位置及未成年人信息通常需要更严格控制。若仍保留重联能力,应把映射信息视为高敏感资产,并规定谁可在何种紧急或质量纠错情形下重联、由谁批准、如何通知和审计。

采购时应要求供应方用目标数据和目标接收环境演示,而非只展示通用证书。验收至少包括范围完整性、残余识别风险、关键分析效用、密钥与权限隔离、再处理触发条件、公开输出审查和可复现报告。合同应禁止未经授权的重识别与目的外使用,规定安全事件和下游转交责任,并明确“去标识化”“匿名化”“零风险”等表述的适用边界。最终决策应由数据负责人、隐私、安全、业务和必要的专业审查共同完成。