定義、保護目標與適用範圍
睡眠資料差分隱私處理,是透過隨機化演算法限制某個保護單位的資料是否參與,對統計結果、模型或其他發布物所造成影響的技術與服務。其核心比較兩個只相差一個保護單位的相鄰資料集,要求演算法輸出分布足夠接近,從而降低觀察者依結果判斷某人是否出現或推論其敏感屬性的能力。差分隱私適用於睡眠群組統計、裝置使用趨勢、公共衛生分析、研究資料發布、合成資料產生及機器學習訓練等場景。
差分隱私提供的是有條件、可量化的輸出隱私保證,並非對原始紀錄加密,也不等同於刪除姓名或實現絕對匿名。原始PSG波形、腦電、心電、呼吸、血氧、體動、音訊與影像、診斷標籤和裝置識別碼在進入私有機制前仍可能被系統營運者看見,因此還需要存取控制、加密、最小化、保存和刪除措施。服務必須說明保護對象、攻擊者可能擁有的輔助資訊、允許發布的內容及保證未涵蓋的環節。
保護單位、相鄰關係與信任模型
真實保證首先取決於相鄰關係,也稱保護單位。按紀錄層級保護時,相鄰資料集只增減一筆紀錄;按人員層級保護時,則增減某人的全部紀錄。睡眠場景中,同一人可能有多個夜晚、多個裝置、連續視窗和重複就診。若只保護單一視窗,攻擊者仍可從其餘數百個視窗識別此人的習慣或病況。因此應依風險選擇人員、人員每日、人員每次檢查或家庭等單位,並明確每個單位的最大貢獻。
信任模型決定雜訊在哪裡加入。中心差分隱私假定受信任的資料管理方可見原始資料,在發布結果前執行私有機制;本地差分隱私在資料離開裝置或個人前隨機化,降低對中心方的信任,但通常需要更多樣本或產生較大誤差;分散式方案可藉安全彙總或多方計算分散信任。無論採用哪種模型,都應說明誰能看見未加雜訊資料、隨機數和中間結果,以及系統遭入侵、參與方串謀或裝置離線時保證是否仍成立。
隱私參數、敏感度與機制設計
純差分隱私常用ε表示隱私損失上界;ε越小,兩個相鄰世界的輸出越難區分,通常隱私越強、誤差越大。近似差分隱私還使用δ描述保證允許的極小例外機率,δ必須結合受保護群體規模和失敗含義評估,不能隱藏在預設設定中。ε與δ沒有脫離情境的通用合格值。選擇時應考慮資料敏感性、攻擊者能力、分析目的、發布次數、可接受誤差和罕見個體風險,並公開參數及其理由。
機制所需雜訊取決於查詢敏感度,也就是一個保護單位可使未加雜訊結果改變多少。計數通常較易控制,總和、平均數、分位數、相關性和模型訓練則需要預先限定每人的紀錄數及取值範圍,或執行裁剪。睡眠時長、呼吸中止低通氣指數、血氧下降次數等若未設合理上下界,極端值會放大敏感度;界限若直接從私密資料選擇,又會產生額外洩露。拉普拉斯、高斯、指數機制或專用演算法應與隱私定義、資料型態和查詢結構匹配,而非對任意結果簡單加入固定雜訊。
隱私預算、組合與發布流程
對同一保護單位反覆發布結果會累積隱私損失。每日更新儀表板、研究人員互動查詢、重新訓練模型、分亞組統計和重新產生合成資料,都可能消耗同一預算。服務應建立預算帳本,在執行前登記機制、參數、保護單位、資料版本、接收者和預計消耗,在達到上限時拒絕、降低精度或進入審批。不能透過更改任務名稱、複製資料集或由不同團隊查詢來規避組合計算;跨系統使用同一批人員資料時,也需要組織層級的預算協調。
發布計畫宜在查看私密結果前確定查詢集合和預算分配,利用層級直方圖、工作負載最佳化或一次私有結果的後處理來重複使用資訊。後處理不會增加已發布結果的差分隱私損失,但再次存取原始資料、依私密結果自適應選擇新查詢或洩露未受保護的中間量,會產生新風險。快取必須確保相同查詢不會因重複抽取雜訊而形成平均消噪;取消、失敗和重試如何記帳也要預先規定,避免利用錯誤路徑無限試探。
效用、公平性與模型應用
驗收不能只報告整體平均誤差。應依樣本規模、地區、年齡、性別、裝置類型、睡眠障礙類別和罕見事件評估偏差、變異、信賴區間、排序穩定性、偽陽性與偽陰性。雜訊對小型醫院、小群體和低發生率事件影響通常較大,可能產生負數、不一致層級或臨床上不可用的波動。約束推論和一致性後處理可改善呈現,但不得掩蓋原始雜訊、選擇偏差或群體差異;用於診療或資源配置的結果仍需獨立臨床驗證和人工監督。
用於機器學習時,應明確保證針對訓練人員、訓練紀錄或預測查詢。DP-SGD通常透過裁剪單一樣本梯度並加入雜訊,再由隱私會計累計抽樣與訓練輪次的損失;批次抽樣方式、裁剪門檻、步數和會計方法必須與實際程式碼一致。同一人的多個夜晚若被視為獨立樣本,紀錄層級保證不能直接宣稱為人員層級保證。模型驗收需同時測試整體與亞組效能、校準、成員推論風險、訓練穩定性與重現實驗,並記錄因隱私約束無法學習的罕見模式。
實作驗證、資料安全與稽核
差分隱私機制容易因敏感度計算錯誤、雜訊尺度錯誤、浮點精度、偽隨機數、截斷順序、異常分支或除錯輸出而失效。應使用經過評審的程式庫和明確版本,對相鄰資料集進行統計測試,複核數學證明與程式路徑,並測試空資料、小樣本、極端值、溢位、併發和重試。隨機來源應適合安全目的,種子和未加雜訊中間結果不得進入日誌;將雜訊固定為可預測值以便重現,會破壞預期保護。
生產環境仍須保護原始資料庫、分析沙箱、暫存檔、快取、模型檢查點和備份。稽核鏈應記錄資料版本、保護單位、貢獻界限、查詢或訓練程式、機制、ε與δ、預算消耗、隨機化工作識別碼、輸出接收者和核准者,但避免保存可用於還原雜訊或原始值的秘密。應持續監測查詢組合、異常預算消耗、越權匯出和效用漂移;發現實作缺陷後要能暫停發布、界定受影響輸出並通知相關方,而非僅在下一批資料中修正。
治理、採購驗收與服務邊界
資料控制方、隱私負責人、統計或機器學習團隊、平台營運者及結果使用者應共同確定風險容忍度和效用要求。部署前需要完成目的限制、合法依據、資料最小化、資料主體權利、保存期限、跨境處理和事件回應安排。差分隱私可降低發布物對個人的額外洩露,卻不能修復非法採集、錯誤標籤、歧視性用途或已洩露的原始資料,也不能自動判定發布物已符合某項法律上的匿名標準。
採購方應要求供應商提交相鄰關係、保護單位、貢獻界限、信任模型、機制與證明、ε和δ、組合會計、預算治理、隨機來源、實作相依套件、效用報告、已知限制和獨立評估。驗收應重現相鄰資料測試,驗證重複查詢與跨版本預算累計,檢查小群體和臨床指標誤差,並確認原始及中間資料仍受安全控制。對「加入雜訊即匿名」「ε為某個數就絕對安全」或「任意次數發布均不增加風險」等說法,應要求改為附帶參數、範圍、證據和殘餘風險的可稽核承諾。