# 匿名化の失敗と再識別 ## 定義 匿名化(anonymisation)とは、個人を識別する情報をデータから取り除き、識別可能な主体についての情報を漏らさずに有用な統計的研究ができるようにするという野心的な(aspirational)目標を指すが、その限界は4つの波の研究を通じて繰り返し実証されてきた。第一波(1970〜80年代、米国国勢調査)は統計的開示制御の理論的基礎を築いた。第二波(1990年代、医療記録の電子化)は、氏名・住所を除去するだけでは「リッチな」文脈データを持つレコードの非個人化に不十分であることを示した——Latanya Sweeneyは博士論文(1997年)で、米国医療財政庁(HCFA)の「公開利用」ファイルが商用データベースとの相関で再識別できることを示し、生年月日と郵便番号だけで全米居住者の69%を特定可能と実証、マサチューセッツ州知事William Weldの医療記録を実際に特定して公にした。第三波(2000年代半ば、嗜好・検索データ)はAOLの検索ログ流出とNetflix Prizeのデータ公開が引き金になった。第四波(2010年代、位置情報・ソーシャルメディア)では、携帯電話の基地局位置4点だけで個人を特定できること(Yves-Alexandre de Montjoye)や、Facebookの「いいね」からセンシティブな属性を推定できること(Michal Kosinski)が示された。(Source: [[@2020__Wiley__Security Engineering 3e - Chapter 11 Inference Control]] §11.1, §11.2.4〜§11.2.6) 再識別を評価する際の鍵となる区別が、**プライバシーセット**(自分について知られたくない相手の集合。多くの人にとって家族・友人・同僚の100〜200人程度)と**匿名性セット**(自分と混同されうる人々の集合)である。差分プライバシーのような**戦略的匿名化**(strategic anonymity)は匿名性セットを大きく保つことに数学的な保証を与えるのに対し、UK Anonymisation Network(UKAN)が推奨する**戦術的匿名化**(tactical anonymity)は、リスクベースの判断・比例原則によってプライバシーセットとの重なりを評価する組織的手続きにとどまり、差分プライバシーを"extreme"として退ける立場を取る。(Source: [[@2020__Wiley__Security Engineering 3e - Chapter 11 Inference Control]] §11.4, §11.4.1) ## 横断的知見 - **Sweeneyの再識別研究について本wikiが保持する2つの数値(69%と87%)は矛盾ではなく、用いた準識別子(quasi-identifier)の数の違いを反映する**: 本ページが集約するSecurity Engineering第11章は、Sweeneyが「生年月日と郵便番号」の2つの準識別子だけで全米居住者の69%を再識別可能と示したと報告する(§11.2.4)。一方[[データのプライバシーと同意]]および[[wiki/entities/Latanya Sweeney|Latanya Sweeney]]エンティティが集約する『信頼性の高い機械学習』第2章は、「性別・年齢・郵便番号」の3準識別子で87%が再識別可能という、同じ研究者による別の数値を報告する。両者を突き合わせると、Sweeneyの研究は単一の統計ではなく準識別子の組み合わせごとに複数の再識別率を示したものであり、識別子を1つ追加するごとに再識別率が上昇するという一貫した傾向(2識別子で69%、3識別子で87%)を跡付けられる。これは「郵便番号+生年月日+性別」というごく少数の一般的な属性の組み合わせだけで再識別が成立するというSweeney研究の核心的主張を、異なる引用元を通じて相互に補強する。(Source: [[@2020__Wiley__Security Engineering 3e - Chapter 11 Inference Control]] §11.2.4, [[@2024__OReillyJapan__信頼性の高い機械学習 - Chapter 2 データマネジメント]] §2.1) - **英国HESデータベースについて、第10章担当分野(組織的・法的失敗)と本章(技術的な脱識別化失敗)は同一の一次資料を補完的な角度から扱う**: [[医療記録プライバシー]]が集約するSecurity Engineering第10章は、HES(1998年以降の英国全病院受診記録、約10億件)が「匿名化済み」の名目で1000社超へDVD販売されたcare.dataスキャンダルを、BMAポリシー・NPfIT・HIPAAとの規制格差という組織的・法的文脈で報告する。本ページが集約する第11章は、まさに同じHESデータベースについて、暗号化IDへの置換だけでは不十分であること——元英首相Tony Blairの入院日をウェブ検索で特定すれば暗号化IDが判明すること、多くのシステムで平文の郵便番号と生年月日が残り、この組み合わせだけで英国居住者の約98%を特定できること——という技術的な失敗モードを詳述する。同一のデータベースについて、「なぜ組織はそれを許したか」(第10章)と「なぜその匿名化技術は実際に破られるか」(第11章)という異なる問いへの答えが、別々の概念ページに分散して蓄積されている。(Source: [[@2020__Wiley__Security Engineering 3e - Chapter 11 Inference Control]] §11.2.4, [[@2020__Wiley__Security Engineering 3e - Chapter 10 Boundaries]] §10.4.4.3) - **UKANが差分プライバシーを"extreme"として退けた2016年の立場は、2020年米国国勢調査での差分プライバシー採用という後続の事実によって相対化される**: 本ページが集約する第11章§11.4.1は、UKANの「戦術的匿名化」ガイダンス(2016年、ICOの承認済み)が差分プライバシーを検討した形跡がなく、ガバナンス手続きと比例原則を重視する姿勢を報告する。同じ第11章の§11.3は、その4年後の2020年に米国国勢調査局が差分プライバシーを採用し、2010年国勢調査データの再構成攻撃実験(38%の変数を完全に復元、対象は人口の約20%)によって、まさに古典的な統計的開示制御(スワッピング等)が実質的な保護を提供できていなかったことを実証したと報告する。同一書籍の同一章の中で、「戦術的な組織的手続きで十分」という2016年の業界標準と、「数学的な保証(差分プライバシー)が必要」という2020年の国勢調査局の判断が並置されており、著者自身がどちらの立場にも与せず両方の限界(戦術的匿名化は法的責任の盾にはなるが技術的な保証ではない/差分プライバシーはユーザビリティを犠牲にする)を記述していることがわかる。(Source: [[@2020__Wiley__Security Engineering 3e - Chapter 11 Inference Control]] §11.3, §11.4.1) ## 未解決の問い - Google DeepMindの倫理委員会が「見せかけ(window-dressing)」だったと委員自身が認めた事例(§11.4.4)は、企業のAI倫理委員会一般にどこまで一般化されるか。[[プライバシーエンジニアリング]]が扱う「倫理ウォッシング」との関係を今後の ingest で突き合わせたい。 - 1940年代の米国国勢調査データが日系アメリカ人の強制収容に転用された事例(§11.4.4)は、「公開された(publicly-advertised)プライバシー機構の存在が、根底にあるデータ濫用から目をそらさせる」という著者の警句の歴史的原型である。この構造は現代の位置情報企業(第四波)にどこまで当てはまるか、具体的な検証事例はまだ本wikiに乏しい。 - 戦術的匿名化(UKAN)と戦略的匿名化(差分プライバシー)のどちらを採るべきかは「その匿名化の限られた寿命(他データセットとの将来的な三角測量によりいずれ破られる)」への態度によって変わるはずだが、本章はこの寿命をどう見積もるかの具体的な方法論には踏み込まない。 ## 関連 - ソース: [[@2020__Wiley__Security Engineering 3e - Chapter 11 Inference Control]](§11.1, §11.2.4〜§11.2.6, §11.4〜§11.4.4) - 概念: [[統計的開示制御]](本ページが集約する失敗事例の背後にある技法) / [[差分プライバシー]](戦略的匿名化の数学的基盤) / [[医療記録プライバシー]](HESデータベースの組織的・法的側面) / [[データのプライバシーと同意]](Sweeney研究の別の引用文脈) - 実体: [[wiki/entities/Latanya Sweeney|Latanya Sweeney]] / [[Cynthia Dwork]] ## 出典 - Ross Anderson, *Security Engineering: A Guide to Building Dependable Distributed Systems*, 3rd Edition, John Wiley & Sons, 2020, Chapter 11, §11.1, §11.2.4-§11.2.6, §11.4-§11.4.4.