Skip to content

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