De-identification（去識別化）

你會在什麼時候遇到它

想用真實資料測 Agent、建知識庫、或把案例交給外部模型時，這是必經的一步。跳過它的代價在 PII 那條講過了；但更危險的是做了它、然後以為安全 —— 去識別化常常是可逆的，尤其當攻擊者手上握有旁側資訊。

最小範例

原始：「王小明，男，34 歲，某市某科技公司工程師，
       3 月 12 日因車禍送醫，診斷為左腿骨折」

去識別化：「一名 30-39 歲男性，居住於某地區，
       於某季因車禍就醫，診斷為下肢骨折」

攻擊者若握有旁側資訊（例如知道 3 月 12 日某區發生過
一起工程師車禍），第二條照樣能對回第一條。

注意泛化的方向：具體欄位被換成區間（34 → 30-39、日期 → 季節），分析價值保留了大部分；但每留下一個罕見組合，可逆性就多一分。去識別化是一場「保留多少 vs 暴露多少」的交易，不是一個開關。

最常搞錯的地方

• 把去識別化當成不可逆的「已安全」狀態。只要攻擊者握有旁側資訊 —— 其他資料集、新聞、內部知識 —— 組合起來就可能重新認出個人。這類重新識別攻擊在學術與實務上都有大量記錄。
• 以為「匿名化」和「去識別化」是一回事。嚴格意義上的匿名化要求不可逆，難度高得多；多數團隊實際做的是假名化或泛化，卻用「已匿名」的名義放鬆了所有後續保護。