World Sleep Industry ENCYCLOPEDIA

睡眠数据匿名化评估

6.4.2

定义、目标与概念边界

睡眠数据匿名化评估,是针对特定数据、接收者、用途和发布环境,判断自然人被直接或间接识别的可能性是否已降至适用标准所要求水平的专业活动。它不仅检查姓名等显式标识是否被移除,还评估数据能否单独识别某人、能否与其他资料关联、能否推断新的敏感属性,以及这些手段在成本、时间、技术与动机上是否合理可用。结论应有范围、条件和有效期,而不是给文件永久贴上“匿名”标签。

匿名化不同于假名化、掩码和加密。将姓名替换为编号、保存可逆映射表、保留解密密钥或允许控制方重新连接记录,通常仍可识别数据主体;这些措施可以降低风险,却不自动成为匿名数据。去标识化是更宽泛的风险降低过程,也可能保留残余识别风险。评估服务应明确采用的法律或政策标准、术语和判定阈值,避免将某一地区的字段清单或安全港规则直接外推为全球通用结论。

评估范围、发布模型与威胁情景

同一数据在不同环境中的结论可能不同。内部受限分析、指定研究机构共享、安全计算环境、查询接口和互联网公开下载,对接收者能力、可取得辅助资料、转发可能性及控制强度有显著差别。评估必须确定数据版本、字段、记录粒度、时间范围、接收者、授权人员、用途、保存期、输出方式和后续组合机会,并把源数据、密钥、映射表及运行日志是否可接触纳入范围。

威胁情景应描述现实攻击者的知识、资源与动机,包括内部员工、合作机构、数据经纪商、熟悉个案的人员及获得泄露数据者。辅助信息可来自社交媒体、公开事件、可穿戴设备截图、地理和天气记录、医院排班、研究招募公告或同一机构的历史发布。不能只测试单份静态表;多个时间版本、统计表、合成数据、模型输出和其他数据集可能相互补充,形成原本不存在的识别路径。

睡眠数据识别线索与数据盘点

数据盘点应覆盖结构化字段、自由文本、文件名、目录、标头、元数据、影像像素、音轨、波形和嵌入特征。直接标识包括姓名、联系方式、病历号、账户和设备序列号;准标识可能包括精细年龄、邮编、精确日期、就诊机构、职业、罕见诊断和设备型号。注释、转诊说明和自由文本可能含有人名或地点,音频可能含语音,视频可能出现面部、房间布置、屏幕和时间信息,文件头也可能保留采集人员或设备身份。

生理与行为数据本身也可能具有可区分性。长时脑电、心电、呼吸节律、体动模式、睡眠时间表、多夜变化和特定设备伪影,可在不同数据源之间形成稳定线索。罕见睡眠障碍、极端年龄、独特手术史或某日特殊事件的组合更容易单独定位。评估应建立字段和模态清单,标注复制稳定性、群体稀有度、外部可得性、链接键和属性敏感性,并说明派生特征、模型向量或降采样波形是否仍保留身份信息。

识别风险分析与验证方法

评估至少应分别考察单独识别、关联和推断。单独识别关注能否从数据中稳定隔离同一人或其全部记录;关联关注能否把记录连接到有姓名的来源或跨版本连接;推断关注即使不知道完整身份,是否能从已知线索获知诊断、治疗、作息或其他敏感事实。记录唯一性、等价类大小、群体规模、近邻距离和匹配成功率可作为证据,但任何单一指标都不能覆盖全部模态、攻击者和环境。

验证应使用事先批准的防御性重识别测试和合理辅助数据,比较处理前后风险,并估计错误匹配与真实匹配。样本小、长尾或多模态数据不能只依赖平均风险;应专门检查稀有个案、异常值、重复人员和小型机构。k匿名等模型可以检查选定准标识下的可区分性,但不能自动抵御同质属性、背景知识或跨版本组合。形式化隐私方法可提供可量化保证,但其相邻关系、参数和实现仍需验证,不能只看产品名称。

风险处置与纵深控制

风险处置可以组合删除、泛化、分箱、截断、日期偏移、地理粗化、抑制小单元、随机化、置换、聚合、合成数据和差分隐私。每项处理应对应具体识别路径,并测试对研究或产品用途的影响。简单删除姓名后保留精确日期、地点和罕见诊断通常不够;对所有数值统一加噪也可能破坏临床关系却未消除可链接模式。音视频需要检查内容和元数据,波形应评估降采样、裁剪或特征化后仍可重识别的程度。

技术处理应与“安全项目、安全人员、安全环境、安全数据和安全输出”等环境控制结合。受控访问、最小权限、身份认证、禁止再识别和再分发条款、研究者培训、输出审查、下载限制、监测和制裁可以降低实际风险,但不能把仍可识别的数据在控制方手中自动变成匿名数据。若公开版本无法在可接受效用下满足风险要求,应改用安全环境、查询接口、受限数据集或不发布,而不是降低评估标准。

结论记录、复评与持续监测

评估报告应记录数据样本与版本、发布模型、适用标准、人员和方法、直接及准标识、辅助数据假设、攻击场景、指标、测试结果、处理措施、效用损失、残余风险、判定理由、限制、审批人和复评日期。结论应明确仅适用于所评估的接收者与环境;另一个接收者、额外字段、更细粒度、不同用途或公开发布都可能需要新的判断。专家意见需要可复核证据,而非只写“风险很低”。

匿名化是生命周期活动。新公开数据、更强匹配工具、数据泄露、组织合并、用途变化和后续版本都可能提高识别可能性。应监测异常查询、尝试关联、违规转发和新攻击研究,定期复评,并在新增字段、改变粒度、扩大接收者或重复发布前触发评审。发生识别事件时,要能停止访问、保全证据、通知责任方、评估已发布副本并改进控制;已经无限公开的数据通常难以收回,因此公开发布需要更保守的标准。

治理、采购验收与服务边界

数据控制方、隐私或法务负责人、数据管理员、睡眠领域专家、安全团队、独立评估者和接收方应明确责任并避免利益冲突。评估开始前应确认处理目的、合法依据、必要性、数据主体权利、跨境安排、保存期限和撤销条件。匿名化评估可以支持风险与合规判断,但不能替代主管机构、法院或适用法律的最终认定,也不能修复未经授权的原始采集或不当用途。

采购方应要求供应商提交方法标准、评估者资质与独立性、数据和发布模型、攻击者与辅助信息假设、字段和模态盘点、指标及阈值、重识别测试、效用报告、工具版本、残余风险、有效期和复评触发条件。验收应复现关键测试,核查最易识别的个案和跨版本组合,并确认结论没有把假名化误写为匿名化。对“删除十八类字段即可全球匿名”“通过k匿名即零风险”或“一次认证永久有效”等宣传,应要求改为有范围、有环境假设、可审计并承认残余风险的结论。