2023-06-21 | 강도림 기자

[转盘] 天下没有免费的午餐

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

被存储的数据以将来会被利用为前提。无论是为了在遥远的将来整理历史,还是为了更即时地汇集并分析数据,数据都至少隐含着可被利用的前提。如果完全没有被提取使用的可能,就根本没有必要存储数据。存储与管理当然也伴随成本,考虑到这一点,将来没有被利用可能的数据不如一开始就废弃。

那么,在需要使用数据的情况下,应如何提取并利用数据呢?有人可能会想,如果是含有个人信息的数据库(DB),做去识别化处理后再使用不就可以了吗。为了更具体地思考,不妨设想对包含多名患者数据的医疗数据进行去识别化处理的情形。把DB中的姓名、电子邮件地址,以及可能被用于识别的电话号码或患者编号等各类编号和日期数据删除后再使用,如何?

这种一并删除特定类型数据、使用剩余数据的方式,在美国的医疗数据领域已经被采用。然而对该方式存在截然相反的评价。首先,在删除包括编号在内的所有特定数据之后,几乎无法将该DB与其他数据结合分析或进行时间序列分析。因此有人负面地认为,由此难以得出具有医学意义的结果。另一方面,也有人主张,即使删除编号类数据,从DB中残留的各种属性信息仍可能识别出个人,因此该方式局限很多。

如此一并删除特定类型的数据项目,在方法论上非常简单明了,但同时也是非常不完善的方式。这是因为它既难以充分确保数据的有用利用可能性,又仍可能残留个人信息被再识别的可能性,两种局限同时存在。

学界与实务界为克服这种方法论局限已做出多种尝试。尤其近来与人工智能(AI)相关的数据需求激增,人们对在AI语境下既能保护个人信息、又有助于AI训练的方法有哪些,关注度大幅上升。其中包括在把握数据统计特性后据此生成新的合成数据的方法,以及不建立中央集中式DB、而是利用各终端设备上存储的数据进行AI训练后汇总结果值再做进一步训练的方法等多种方法论。

归根结底,并不存在轻松实现个人信息去识别化的方法。个人信息宝贵,围绕其的社会经济现实日趋复杂,相应地对其处理也需要同等深度的关注。去识别化处理亦然。需要比以往多得多的关注和实质性投入。一如往常,天下没有免费的午餐。

阅读韩文原文