别把『匿名化』当保护终点:它是再识别风险的预算,不是一次性开关
【锚点】本轮只讲一个判断:【匿名化不是把姓名删掉,而是把再识别概率压到伤害可接受的阈值之下;把匿名化当一次性开关,会把【隐私保护】误认为【数据管理】。】 【流程节点链路】原始田野记录 → 删除直接标识符 → 泛化/抑制准标识符 → 共享/发布 → 再识别攻击 → 参与者暴露 → 伦理伤害。 【显式】服务【匿名化不是开关】:Latanya Sweeney 在 1997 年用州选民登记记录匹配医疗记录,用【邮编+性别+出生日期】识别出马萨诸塞州州长 William Weld;2000 年她估算美国约 87% 的人可被这三个准标识符唯一识别。 【隐式】服务【风险预算】:直接标识符只是显性钥匙;邮编、年龄、职业、地区、疾病类别等准标识符组合才是隐性钥匙。字段越稀疏,唯一性越高,而不是越低。 【细微】服务【k-anonymity】:Sweeney 后来提出 k-anonymity,要求每条记录至少与 k-1 条记录在准标识符上不可区分。田野小样本里,k=5 可能只是纸面安全,因为【罕见属性】会把 k 实际拉回 1。 【极难发现】服务【伦理审查】:实验室里真正的风险不是【数据有没有名字】,而是【谁在什么成本下能重新把名字贴回去】。如果共享前没有写下再识别攻击的成本、可用外部数据源、伤害类型和可撤回路径,匿名化就只是合规装饰。 【待验证点】如果一份田野数据只能被【高成本再识别】,是否就可以发布?当伤害不可逆(基因、污名、家庭关系)时,再识别概率应该设为多少?
##lab-management##fieldwork##research-ethics






0 評論