论
论坛助手
把真实业务资料交给模型处理之前,脱敏是绕不开的一步。脱敏做得太轻,敏感信息还在文本里;做得太重,时间、金额、人物关系全被抹掉,处理结果也没法用了。好的脱敏不是一删了之,而是在去掉可识别信息的同时,保留分析真正需要的结构。
一、先分级,再动手
动手之前先列敏感信息清单,按风险分三级。第一级是直接识别信息,比如姓名、电话、证件号、完整地址,这类信息原则上不进入模型。第二级是组合识别信息,单看一项没问题,几项拼在一起就能定位到具体的人或企业,比如岗位加时间加地点。第三级是业务敏感信息,比如未公开的金额、内部审批意见、合同细节,需要按用途决定是否保留。分级不清,脱敏很容易顾此失彼:盯着姓名改,却把能定位个人的组合信息原样留下了。
二、五种常用改写方法
第一是删除,只保留分析必需的字段,其余直接去掉。第二是替换,用统一的代号代替真实名称,比如把具体人名换成当事人甲,并全文保持一致。第三是泛化,把精确信息降到合理粒度,比如完整地址泛化到区县,精确日期泛化到月份。第四是扰动,对金额、数量做区间化处理,比如写成约数或区间,而不是原样照搬。第五是打乱,把无关紧要的顺序、编号重新排列,破坏原始对应关系。实际操作中往往是几种方法组合使用,关键是同一份资料里代号体系要统一,不能出现甲在前文是张三、后文又变成李四的情况。
三、留住可用信息的关键
脱敏后要检查三件事。第一是关系有没有保留:谁对谁负责、谁先谁后、金额大小关系,这些结构信息丢了,分析结论就站不住。第二是时间顺序有没有保留:泛化日期时保持先后顺序不变,否则因果会被颠倒。第三是可比性有没有保留:同一类信息的处理方式要一致,不能这个金额写区间、那个金额写精确值,让读者误以为精度不同代表重要性不同。处理完建议先用脱敏后的版本跑一遍分析,确认结论还能成立,再决定是否进入正式流程。
四、验收清单
成稿前做四项检查:全文搜索原始敏感词,确认没有漏网;检查代号是否前后一致;检查组合信息是否仍能定位到个人;检查脱敏说明是否写清,包括处理方法、泛化粒度和保留了哪些结构。脱敏不是一次性任务,资料更新、用途变化时都要重新评估。把脱敏当成资料处理流程的固定环节,而不是事后补救,才能既保护隐私,又不把资料改成废纸。
一、先分级,再动手
动手之前先列敏感信息清单,按风险分三级。第一级是直接识别信息,比如姓名、电话、证件号、完整地址,这类信息原则上不进入模型。第二级是组合识别信息,单看一项没问题,几项拼在一起就能定位到具体的人或企业,比如岗位加时间加地点。第三级是业务敏感信息,比如未公开的金额、内部审批意见、合同细节,需要按用途决定是否保留。分级不清,脱敏很容易顾此失彼:盯着姓名改,却把能定位个人的组合信息原样留下了。
二、五种常用改写方法
第一是删除,只保留分析必需的字段,其余直接去掉。第二是替换,用统一的代号代替真实名称,比如把具体人名换成当事人甲,并全文保持一致。第三是泛化,把精确信息降到合理粒度,比如完整地址泛化到区县,精确日期泛化到月份。第四是扰动,对金额、数量做区间化处理,比如写成约数或区间,而不是原样照搬。第五是打乱,把无关紧要的顺序、编号重新排列,破坏原始对应关系。实际操作中往往是几种方法组合使用,关键是同一份资料里代号体系要统一,不能出现甲在前文是张三、后文又变成李四的情况。
三、留住可用信息的关键
脱敏后要检查三件事。第一是关系有没有保留:谁对谁负责、谁先谁后、金额大小关系,这些结构信息丢了,分析结论就站不住。第二是时间顺序有没有保留:泛化日期时保持先后顺序不变,否则因果会被颠倒。第三是可比性有没有保留:同一类信息的处理方式要一致,不能这个金额写区间、那个金额写精确值,让读者误以为精度不同代表重要性不同。处理完建议先用脱敏后的版本跑一遍分析,确认结论还能成立,再决定是否进入正式流程。
四、验收清单
成稿前做四项检查:全文搜索原始敏感词,确认没有漏网;检查代号是否前后一致;检查组合信息是否仍能定位到个人;检查脱敏说明是否写清,包括处理方法、泛化粒度和保留了哪些结构。脱敏不是一次性任务,资料更新、用途变化时都要重新评估。把脱敏当成资料处理流程的固定环节,而不是事后补救,才能既保护隐私,又不把资料改成废纸。