个保法颁布后企业数据“脱敏”处理的探讨

匿名化处理：在《个人信息安全规范》中明确了企业应当采取匿名化处理的情形，包括：

在一定的场景下，当信息经去标识化处理后无法重新识别或者关联到个人信息主体，即达到了匿名化处理后的效果。从《去标识化指南》的规定可见，去标识化和匿名化所采用的技术和模型是具有共通性的，故我们遵循其表述，统称为“去标识化技术/模型”。

《去标识化指南》列举了七种去标识化技术，包括统计技术、密码技术、抑制技术、假名化技术、泛化技术、随机化技术和数据合成技术。如抑制技术中的屏蔽技术，通俗来讲，屏蔽就是删除或隐藏数据里一些项目，例如我们快递盒上的姓名和联系电话使用“*”来代替其中一部分字体或数字，这是一种比较常用的去标识化技术。再如泛化技术，它实际上就是使用概括、抽象的方法去表达原来的数据项目，例如对于“1.747” 取整泛化处理为“1”。泛化技术中还有一种技术叫做“顶层与底层编码”，它其实就是为某个属性设定一个可能的最大或最小阈值，如对某个人的高薪资，我们可以设置该个人的薪水值为“高于X元”，这种做法就能够有效避免记录准确数值以实现保护个人信息安全，但它更适用于连续或分类有序的数据。同样适用连续数据的还有随机化技术中的噪音添加技术，它通常是指添加随机值到所选的连续属性值中来修改数据集的一种去标识化技术，如对于身高“1.80m”，产生随机数值“-0.33m”，把它加入原始数值后就变成了“1.47m”，在计算如分布、平均值、相关性等统计特性的场景中，这种去标识化技术能够在保护个人信息安全的同时尽可能地保持该属性在数据集中的原始统计特性。

因去标识化技术各有特点，在实践中可能会混合多种技术方法对个人信息进行去标识化处理方能达到目的。具体去标识化技术子类、适用数据类型及降低重标识风险等比较情况如下表：

因攻击者仍可能借助其他外部信息对采用去标识化技术的数据进行重标识以识别或关联到个人，因此除了选择合适的去标识化技术外还需要选择适当的去标识化模型。《去标识化指南》中介绍了两种模型：K-匿名模型和差分隐私模型。简单而言：

K-匿名模型用于隐藏一群相似人员中各个个人的身份，其中K是一个数字，表示相应群组内的总人数。对于数据集中的任何人，如果有至少（K-1）个人具有相同的属性，即表示该数据集已实现K匿名效果。举个例子，一个数据集对应的K是100，属性是邮政编码。如果我们查看该数据集中任何个人的相关数据，一定会发现另外99个人也有着相同的邮政编码。因此，仅根据邮政编码，我们无法辨识该数据集中任何人的身份。

差分隐私模型是一种向数据中添加数学噪声的技术。如果使用了这种技术，就无法确定任何个人是否属于某数据集，因为给定算法的输出结果看起来基本都一样，无论是否包含相应个人的信息。例如，假设我们正在衡量某地理区域的整体流感检索趋势，我们可增加或减少某个社区中搜索流感相关内容的人数，这样做不会影响我们在该地理区域这个大范围内衡量这一趋势，但会导致攻击者无法确认该社区的具体情况。但这种模型技术可能会导致数据变得不那么实用。

根据《信息安全技术 个人信息去标识化效果分级评估规范（征求意见稿）（2021年4月2日）》（以下简称《分级评估规范意见稿》）规定，评定个人信息去标识化处理后的效果分为4级，等级越高，重识别风险就越低。具体如下：

目前实践中更多对应的是2级，比如我们常见的快递信息、外卖订单上的手机号。但这种程度的去标识化，仍有比较大的几率通过大数据的对比、数据库撞库等方式来重新识别或关联到个人信息主体，属于“重标识风险较高”的信息数据。它和3级其实仅差距了一个阈值，这种定量性质的标准虽然在技术层面具备了一定的实操指导价值，但是仍然未能考虑不同的去标识化技术和模型的适用对基础算法逻辑的偏离影响及如何量化这些影响来适用不同行业不同业务下的不同场景。就当前立法对于匿名化处理后的个人信息豁免“知情同意”等原则要求的情况看，未来针对前述3-4级的去标识化处理后的数据有可能会适用匿名化处理的法律效果，允许个人信息处理者对相应的数据进行更加便捷的开发和利用，而1-2级则可能仍需受到个人信息保护相关原则及规范的约束【6】。未来规范标准显然都是需要不断细化和不断释义的。

当前我国对于个人信息去标识化处理的规定尚处于比较宽泛的阶段，一般是在特定场景下的数据安全指南之中举例说明典型情景下某一种数据类型的去标识化处理方法，并阐明去标识化处理所需要的达到的结果，并不要求企业选择特定的去标识化技术和模型。

以声纹为例，根据《信息安全技术 声纹识别数据安全要求（征求意见稿）（2021年4月28日）》（以下简称《声纹识别意见稿》）的规定，若用户所使用的软件仅为录制声音的工具，无需用户提供也不会自动采集用户声音的，不存在回传服务器，则该用户的录音音频不需要进行去标识化处理，《信息安全技术 个人信息告知同意指南（征求意见稿）（2020年1月12日）》附录G中亦有类似表述。若该软件需要传输、存储，则要求在存储、传输声纹识别数据时不在文件名中出现能识别用户的信息，通过人工监督的方式确保语音内容不包含用户完整的身份证号码、姓名、手机号码、账号口令等个人信息；若确需存储数据主体的身份信息、声纹特征和声纹模型时，应采用物理或逻辑隔离的方式分别存储这三类信息。在声纹并非用于身份识别的场景中（如智能音箱语音唤醒、自动语音翻译等），企业应通过语音转换等技术手段消除或破坏语音样本中的声纹信息后再进行处理。

例如，在网约车行程录音录像的场景下，根据《信息安全技术 网络预约汽车服务数据安全指南（征求意见稿）（2020年10月30日）》规定，驾驶员APP生成的行程录音文件应在上传完成后删除，不应在移动终端留存。网约车运营者需要对行程录音采取技术措施使录音可识别录音内容但无法识别用户身份，如对音频信息的基频进行改变等；同时，还需要对行程录像采取技术措施对乘客和驾驶员面部识别特征模糊化处理，如采取检测技术在视频中定位乘客面部位置，对面部识别特征遮挡处理等，但当涉及投诉处理必须使用行程录音录像中的原始音频基频和面部识别特征除外。若涉及共享，网约车经营者还需按照国家标准对录音录像进行加密等保护措施。当涉及委托第三方对行程录音进行处理时，网约车经营者需要将行程录音中的描述的个人身份信息内容提取并删除，随后将录音分割为最小听音分片并打散，并使之无法重新组装还原成原始文件。