外觀
Data Science › Responsible AI › 隱私與法規
隱私與法規 (Privacy and Regulation)
處理病歷、基因或任何個人資料前,要先回答三件事:這是哪一類資料、適用哪些法規、需要什麼保護措施才能合法使用。本篇整理隱私基本概念、GDPR、HIPAA 與台灣個資法的比較、基因資料的特殊性與受控存取,以及資料安全的基本控制。匿名化實作見 Python 匿名化;AI 專屬法規見 EU AI Act。
本篇是學習筆記,不是法律意見。實際專案請諮詢機構的 IRB、資料保護官或法務。法規條文以官方公告為準。
基本概念
| 概念 | 意義 |
|---|---|
| 個人資料 (personal data) | 能直接或間接識別特定自然人的資料 |
| 直接識別碼 | 姓名、身分證號、病歷號、email |
| 準識別碼 (quasi-identifier) | 單獨無法識別,組合起來可以:出生日期 + 性別 + 郵遞區號 |
| 敏感 / 特種個資 | 健康、基因、生物特徵、性生活、宗教、政治觀點等 |
| 假名化 (pseudonymization) | 以代碼取代識別碼,但保留對照表 → 仍是個資 |
| 匿名化 (anonymization) | 無法以合理手段再識別 → 多數法規下不再是個資;實務上很難達到 |
| 隱私 vs 資安 | 關心 |
|---|---|
| 隱私 (privacy) | 收集與使用是否正當、必要、受當事人控制 |
| 資安 (security) | 資料是否免於未授權存取、竄改、毀損(CIA:機密性、完整性、可用性) |
資安做得好不等於隱私做得好:資料可以被安全地保存,卻收集過多或被用在當事人無法預期的用途。
Privacy by Design
| 原則 | 實務 |
|---|---|
| 設計階段就納入隱私需求 | 不要上線後才補 |
| 資料最小化 | 只收集與保留必要的欄位;「先收再說」是常見錯誤 |
| 預設保護 | 預設不分享、預設最小權限 |
| 適時告知 (just-in-time notice) | 在收集的當下說明用途,而非埋在冗長條款 |
| 資料分級 | 依敏感度決定存取、儲存、分享規則 |
法規比較
| GDPR(歐盟) | HIPAA(美國) | 個資法(台灣) | |
|---|---|---|---|
| 適用對象 | 處理歐盟境內個人資料的組織(含境外組織) | Covered entities(醫療提供者、健康保險、清算機構)及其 business associates | 公務機關與非公務機關 |
| 保護的資料 | 所有個人資料;健康、基因、生物特徵為特殊類別 | 受保護健康資訊 (PHI) | 所有個資;病歷、醫療、基因、性生活、健康檢查、犯罪前科為特種個資(第 6 條) |
| 敏感資料處理 | 原則禁止,符合例外(明確同意、科學研究等)才可 | 治療、付款、營運外的用途需授權或符合例外 | 原則禁止,符合法定例外(如學術研究且資料經處理無從識別)才可 |
| 研究用途 | 有科學研究的特別規定,需適當保護措施(如假名化) | 需授權,或 IRB / Privacy Board 核准免除授權,或使用去識別化資料 / limited data set | 依第 6 條例外及人體研究法、IRB 規範 |
| 去識別化資料 | 匿名資料不適用;假名化資料仍適用 | 依 Safe Harbor 或 Expert Determination 去識別後不再是 PHI | 「無從識別特定當事人」的資料 |
| 罰則 | 最高 2,000 萬歐元或全球營業額 4%(取高者) | 民事罰款分級,嚴重者有刑責 | 罰鍰與刑責 |
研究計畫通常還受人體研究法、人體生物資料庫管理條例(台灣)、Common Rule(美國)等研究倫理規範約束,需經 IRB 審查。
GDPR 要點
| 原則 | 意義 |
|---|---|
| 合法、公平、透明 | 有合法基礎,且當事人能理解 |
| 目的限制 | 依特定目的收集,不得做不相容的二次使用 |
| 資料最小化 | 只處理必要的資料 |
| 正確性 | 保持資料正確 |
| 儲存限制 | 不保存超過必要的時間 |
| 完整性與機密性 | 適當的資安措施 |
| 可問責 | 控制者 (controller) 須能證明遵循 |
| 合法基礎 | 說明 |
|---|---|
| 同意 | 明確、知情、自由;不是唯一也不一定是最適合的基礎 |
| 契約 | 履行契約所必需 |
| 法律義務 | 法律要求 |
| 重大利益 | 保護生命安全 |
| 公共任務 | 公共利益或官方職權(公立研究機構常用) |
| 正當利益 | 需與當事人權利權衡;公部門執行職務時不適用 |
| 其他重點 | 內容 |
|---|---|
| 角色 | 控制者 (controller) 決定目的與方式;處理者 (processor) 代為處理(如雲端或 LLM API 供應商),需簽資料處理協議 (DPA) |
| 當事人權利 | 被告知、存取、更正、刪除、限制處理、反對、資料可攜 |
| DPIA | 高風險處理(大規模敏感資料、系統性監控、新技術、自動化決策)須做資料保護影響評估 |
| 第 22 條 | 對個人有法律或重大影響的純自動化決策(含 profiling),當事人有權要求人工介入、表達意見與提出異議 |
| 跨境傳輸 | 傳到歐盟以外需有適足性認定或標準契約條款等保障 |
用 GDPR 涵蓋的資料呼叫雲端 LLM API,等於把資料交給處理者:需要 DPA、確認資料存放區域、是否用於訓練(見 生醫 LLM 的隱私)。
HIPAA 去識別化
| 方法 | 做法 | 適合 |
|---|---|---|
| Safe Harbor | 移除 18 類識別碼,且不知道剩餘資訊可識別個人 | 規則明確、容易執行 |
| Expert Determination | 由專家以統計方法判定再識別風險「非常小」並記錄 | 需要保留較多細節(如完整日期)時 |
| Limited Data Set(不是去識別化) | 移除直接識別碼,但可保留日期、城市、郵遞區號等;需簽 Data Use Agreement | 研究、公衛 |
Safe Harbor 的 18 類識別碼重點:
| 類別 | 處理 |
|---|---|
| 姓名、地址(州以下)、電話、傳真、email | 移除 |
| 郵遞區號 | 可保留前 3 碼,但該區人口須超過 20,000,否則改為 000 |
| 日期(出生、入院、出院、死亡) | 只保留年份;89 歲以上的年齡合併為 90+ |
| 身分證號、病歷號、保險號、帳號、證照號 | 移除 |
| 車牌、裝置序號、URL、IP | 移除 |
| 生物特徵(指紋、聲紋)、全臉照片 | 移除 |
| 其他任何唯一識別碼 | 移除(研究用的重新編碼可保留,但不能由識別碼推導) |
臨床文字(病程紀錄、出院摘要)中的識別資訊散落在自由文字裡,去識別化要用 NLP 工具(如 Philter、Presidio)並人工抽查,見 Python 匿名化。
基因資料的特殊性
| 特性 | 隱私後果 |
|---|---|
| 本身就是唯一識別碼 | 移除姓名後仍可識別;全基因體資料幾乎不可能真正匿名化 |
| 涉及親屬 | 一個人的基因資料會透露父母、手足、子女的資訊 |
| 終身不變 | 外洩後無法「更換」 |
| 預測未來健康 | 可能影響保險、就業(各國對基因歧視的保護不一) |
| 已知的再識別途徑 | 說明 |
|---|---|
| 姓氏推論 | 由 Y 染色體 STR 比對系譜資料庫推出姓氏,再結合年齡、地區識別個人(Gymrek et al., 2013) |
| 長距離親屬搜尋 | 上傳到消費型系譜資料庫,透過遠房親屬比對身分(2018 年美國金州殺手案即以此破案) |
| 彙總統計推論 | 由 GWAS 的等位基因頻率,可推斷某人是否參與研究(Homer et al., 2008) |
| 表型連結 | 罕見疾病 + 年齡 + 地區即可能識別 |
受控存取 (Controlled Access)
因此基因資料分享多半不走「匿名化後公開」,而是:
| 機制 | 說明 |
|---|---|
| 受控存取資料庫 | dbGaP(NIH)、EGA(歐洲):個體層級資料需申請 |
| 資料存取委員會 (DAC) | 審查申請者身分、研究目的是否符合原始同意範圍 |
| Data Use Agreement (DUA) | 規定不得再識別、不得再分享、資安要求、發表規範、使用期限 |
| 彙總結果 | GWAS summary statistics 多可公開取得,但特定敏感族群仍可能受限 |
| 可信研究環境 (TRE / data enclave) | 資料不離開平台,研究者在平台內分析,只能匯出彙總結果(如 UK Biobank Research Analysis Platform、All of Us Researcher Workbench) |
| 聯邦式分析 (federated analysis) | 模型或查詢到資料所在地執行,只回傳結果 |
拿到受控存取資料後,DUA 通常禁止上傳到未經核准的雲端服務,包括把資料貼進外部 LLM。
資料安全
| 資料分級 | 例子 | 控制 |
|---|---|---|
| 公開 | 已發表的彙總結果、公開資料集 | 基本完整性保護 |
| 內部 | 實驗紀錄、內部文件 | 帳號驗證 |
| 機密 | 去識別化病歷、未發表資料 | 存取申請、加密、稽核紀錄 |
| 高度機密 | 可識別的病歷、基因資料、對照表 | 最小權限、隔離環境、多因素驗證、禁止下載 |
| 控制 | 實務 |
|---|---|
| 存取控制 | 最小權限、依角色授權、定期檢查帳號 |
| 驗證 | 多因素驗證 (MFA);憑證不寫進程式碼或 notebook |
| 加密 | 傳輸中 (TLS) 與儲存時加密;金鑰與資料分開管理 |
| 假名化對照表 | 與研究資料分開存放,僅限少數人存取 |
| 備份與復原 | 定期測試能否還原 |
| 稽核紀錄 | 誰在何時存取了什麼 |
| 事故應變 | 外洩時的通報流程與時限(GDPR:知悉後 72 小時內通報主管機關) |
| 供應商管理 | 雲端、LLM API 的資料處理條款 |
| 框架 | 用途 |
|---|---|
| NIST CSF | 以「治理、識別、保護、偵測、回應、復原」組織資安工作(2.0 版新增「治理」) |
| ISO/IEC 27001 | 資訊安全管理系統 (ISMS) 驗證 |
社交工程
多數資安事件從騙人開始,而不是攻破軟體。
| 手法 | 說明 |
|---|---|
| 釣魚 (phishing)、魚叉式釣魚 | 偽裝成可信來源騙取帳密或點擊;魚叉式針對特定對象 |
| 簡訊 / 電話釣魚 (smishing / vishing) | 透過簡訊、通訊軟體或電話 |
| 商業電子郵件詐騙 (BEC) | 冒充主管或廠商要求轉帳、提供資料 |
| 假託 (pretexting) | 編造情境取得信任(「我是 IT,需要你的密碼」) |
| 尾隨 (piggybacking) | 跟著別人進入管制區域 |
警訊:急迫或威脅語氣、異常的資料請求、可疑連結或附件、與平常不同的溝通方式。要讓人能安心暫停、查證、回報,不因回報而受責。
處理個資前的檢查
| 問題 | 對應段落 |
|---|---|
| 資料屬於哪一類?有哪些直接與準識別碼? | 基本概念 |
| 適用哪些法規?合法基礎是什麼?需要 IRB 嗎? | 法規比較 |
| 需要 DPIA 或同等的風險評估嗎? | GDPR 要點 |
| 去識別化用哪種方法?還剩多少再識別風險? | HIPAA 去識別化 |
| 基因資料的分享是否走受控存取?DUA 允許此用途嗎? | 受控存取 |
| 存取控制、加密、稽核、事故通報是否到位? | 資料安全 |