数据脱敏最常犯的错是放在最后。等系统跑通了再补脱敏,等于要重做一遍链路。
脱敏该放在哪?
放在进入模型之前。任何外部模型调用,输入必须先脱敏。
这是唯一可靠的顺序。
哪些字段必须脱敏?
四类。身份标识、联系方式、金融账号、医疗信息。
四类之外,按行业规定补。
脱敏和加密有什么区别?
脱敏是替换,加密是可逆变换。脱敏后不可还原,加密后可还原。
给模型看的数据,用脱敏;存储的数据,用加密。
怎么脱敏才不影响效果?
三个手段。一是保留结构,把姓名换成代号但保留长度特征。二是保留关系,同一客户在不同表里用同一代号。三是保留分布,别把数值全改成零。
第三条最容易被破坏,一改分布,模型判断就偏。
脱敏会不会影响可追溯?
会。所以要做映射表,映射表单独加密存放,只有授权人能查。
没有映射表,出了问题查不到原始记录。
日志要不要脱敏?
要,而且更严。日志经常被随手导出,是最容易泄露的地方。
日志里的手机号、身份证号必须替换。
第三方工具怎么管?
三件事。一是确认数据流向,二是签数据处理协议,三是定期审计。
第二件很多企业会漏。
出了泄露怎么处理?
三步。定位范围、通知受影响方、上报监管。
三步都有时限要求,按当地法规执行。
一句话判断?
脱敏是前置条件,不是收尾工作。放在前面,成本低;放在后面,代价高。
先脱敏,再上线。
脱敏后还能做数据分析吗?
能,只要保留结构和分布。把身份标识替换掉,把数值区间保留,统计结论不变。
改分布才会让分析失真:把金额全改成零、把时间全改成整点,模型学到的就是假规律。脱敏的目标是去掉身份,不是抹掉特征。
同簇还有哪几篇值得一起看?
想就这个话题接着到论坛聊吗?
前往 ziyuanagi.com 论坛 参与讨论