World Sleep Industry ENCYCLOPEDIA

睡眠數據脫敏規則引擎

6.4.2

定義、功能與適用邊界

睡眠資料脫敏規則引擎,是依據資料分類、使用者身分、處理目的和輸出環境,自動識別敏感元素並執行遮罩、替換、泛化、假名化、代碼化、抑制或隨機化等規則的軟體元件。它可用於產生測試副本、限制客服或營運介面顯示、保護研究匯出、清理日誌、處理介面回應,以及為後續匿名化評估準備資料。規則引擎的價值在於把政策轉成可重複、可版本化、可稽核的執行,而非依賴人工逐欄修改。

脫敏不天然等於匿名化。部分字元遮罩、可逆代碼、可重複假名或動態檢視仍可能讓控制方或接收者連結個人;直接識別碼處理完成後,也可能留下日期、地點、罕見診斷、波形或音訊與影像等識別線索。規則引擎應被視為風險控制和資料最小化工具,不能單獨證明資料可公開發布,也不能取代存取控制、加密、用途授權、匿名化評估或法律判斷。

資料發現、分類與涵蓋範圍

上線前應建立資料清單和分類字典,涵蓋資料庫欄位、巢狀JSON或XML、訊息佇列、物件儲存、檔名、壓縮檔、備份、快取、日誌和報表。睡眠資料還可能存在於PSG或其他波形檔案標頭、裝置序號、檢查日期、自由文字註解、轉診說明、臥室音訊和影像、影像疊字及模型輸入輸出。只掃描正規化表格會遺漏大量敏感資訊;衍生特徵和嵌入向量也需判斷能否連結個人或推論健康狀態。

發現機制可組合資料目錄、模式定義、欄位標籤、正規表示式、校驗和、詞典、統計特徵、自然語言處理和媒體中繼資料解析。自動分類會有誤報與漏報,尤其是「5/97」這類可能是日期、比例或訊號值的內容,因此應由資料管理員和睡眠領域專家複核。未知欄位、模式變更和無法解析的檔案應預設隔離或拒絕匯出,而非未經處理直接放行。涵蓋率要以真實樣本和邊界樣本驗證,並記錄無法掃描的格式。

規則模型、優先順序與情境

規則應由資料分類、欄位或路徑、使用目的、角色、接收環境、地域、紀錄狀態和風險等級共同決定。每條規則需要唯一識別碼、適用條件、轉換方法、參數、輸出型別、可逆性、金鑰或代碼依賴、例外、負責人、生效時間和版本。應明確定義規則優先順序及衝突策略,例如診斷欄位同時符合「研究可見」和「高敏感抑制」時採取更嚴格結果;禁止依賴不確定的載入順序或最後一次覆蓋。

情境一致性往往比單一欄位遮罩更重要。同一人在多張表、多個夜晚和不同檔案中的假名應依授權需求維持一致,以便合法連結;不同專案間則可使用不同範圍的代碼,避免橫向拼接。日期偏移應在同一人內保持間隔關係,同時防止與真實日曆事件對應;年齡分箱、地理泛化和小群體抑制也應聯動。規則必須區分空值、無效值與真實零值,避免脫敏後製造看似有效卻錯誤的臨床紀錄。

轉換方法與可逆性控制

遮罩適合介面顯示,例如只顯示識別碼末尾少數字元,但未顯示部分仍存在後端。隨機替換可降低直接識別,卻可能破壞跨表一致性。確定性假名或代碼可保留連結能力,但相同輸入產生相同輸出會暴露重複模式;可逆方案還依賴獨立代碼庫、金鑰、嚴格解碼權限和完整稽核。格式保持轉換便於舊系統測試,卻可能被誤認為真實聯絡方式或有效裝置編號,輸出應使用保留範圍或明確標示,避免接觸真實第三方。

刪除、泛化、分箱和抑制可降低細粒度,但需驗證資料效用與組合風險;置換和加雜訊要維持合理的聯合關係;合成資料及差分隱私屬於更複雜處理,不應僅以一個規則名稱代替參數和保證。自由文字脫敏需識別人名、地址、機構、日期和罕見描述,並保留否定、時序與臨床語義。音訊與影像可能需要靜音、變聲、裁剪或遮擋,波形檔案還要處理標頭及伴隨索引;只替換資料庫姓名無法涵蓋這些模態。

靜態、動態與鏈路內執行

靜態脫敏在複製或匯出時產生經過轉換的資料,適合測試和分析環境,但原始資料庫、暫存區、失敗檔案與中間副本仍需保護。動態脫敏在查詢或顯示時依角色改變傳回值,通常不修改底層資料;具有底層權限的管理員、備份工具或旁路介面仍可能看見明文。鏈路內脫敏可用於API、訊息、日誌和串流處理,必須處理批次、重試、亂序、部分失敗和模式演進,並確保任何錯誤分支不會退回原始值。

架構應避免先把完整明文複製到低信任區再脫敏。規則執行宜靠近受控來源端,輸出寫入獨立位置並帶資料及規則版本。資料庫檢視、應用層過濾、代理閘道和檔案轉換器可能同時存在,需要一致的政策中心和清楚責任邊界。快取、搜尋索引、監控追蹤、當機傾印、電子郵件附件與使用者下載常形成旁路,必須納入端到端測試。服務不可在無法連接規則中心時靜默放行,應依資料等級安全失敗或使用已簽署的最近有效規則。

測試、效能與可稽核性

測試應建立包含所有敏感類別、格式變體和故意衝突的黃金標準資料集,檢查應遮罩項全部處理、應保留項不被破壞、跨表參照一致、輸出模式有效且無真實聯絡人。還要涵蓋自由文字的拼寫變化、多語言、檔案標頭、巢狀物件、超長值、空值、編碼異常、批次重試和新欄位。負面測試應證明未經授權角色、旁路查詢和匯出工作無法取得明文;可逆代碼則需驗證只有獲准服務在雙重控制下解開。

生產驗收需測量吞吐量、延遲、尖峰記憶體、失敗率、重試一致性和大體積PSG及影像處理能力。稽核紀錄應包含資料集與規則版本、觸發路徑、符合規則、處理數量、例外、呼叫身分、輸出位置和核准,但不得寫入原始敏感值或金鑰。每次規則變更要經過評審、測試、簽署、灰度和回復,並監測漏脫敏、誤脫敏、模式漂移與異常解碼。稽核應能回答某個資料副本在何時由哪套規則產生。

治理、採購驗收與服務邊界

資料控制方、隱私負責人、資料管理員、睡眠專家、開發測試團隊、安全營運和接收方應共同維護分類與規則。例外必須有用途、最小範圍、核准人和到期日,不能以永久白名單取代治理。用於開發的脫敏副本仍需存取控制、保存期限和安全銷毀;生產故障排查也不應預設允許查看全部明文。規則變更應與資料模式、介面和業務版本同步,防止新增欄位未經分類即進入下游。

採購方應要求供應商提交支援的資料來源與模態、發現方法、規則語言和衝突語義、靜態與動態能力、假名及代碼架構、金鑰管理、模式漂移處理、效能資料、測試涵蓋、稽核、版本回復、漏洞回應和退出方案。驗收要用採購方真實模式的受控樣本驗證所有出口及旁路,並檢查不同專案的範圍隔離。對「遮住姓名即完成匿名化」「動態介面不顯示所以資料已刪除」或「規則命中率高即無洩露」等說法,應要求改為有範圍、可重現測試且說明殘餘風險的承諾。