第一章 数据隐私与匿名化基础

说起数据隐私，我得先跟你讲个故事。之前在保险公司做项目，客户想把几百万条保单数据开放给第三方做风控建模。数据脱敏？他们一开始觉得把身份证号抹掉就完事了。结果我一查，光是「出生日期 + 性别 + 邮编」这三项组合，就能唯一标识超过87%的人。嗯，这就是经典的重识别攻击风险。

说白了，匿名化不是把名字去掉那么简单。你想想看，如果匿名后的数据还能被还原，那还不如不做。

1.1 我们为什么要保护数据隐私

隐私保护这几年被推到风口浪尖。原因很简单——数据太值钱了，盯上它的人太多。

• 法规在收紧： GDPR 开了个头，国内个人信息保护法跟进。罚款不是闹着玩的，我见过有企业因为违规被罚了全年营收的 4%。
• 用户在觉醒： 现在用户会问「你们拿我数据干什么」。信任崩塌了很难修复，而且一旦出事就是公关灾难。
• 商业上也有刚需： 数据要流通才有价值，但裸数据谁敢给出去？不做匿名化，合作方都不敢接。

我见过不少团队，只想着怎么「合规交差」，结果做出来的方案形同虚设。其实法规只是底线，真正的高手会把隐私保护做成数据产品的一部分。

1.2 几个容易混淆的概念

先理清楚三个词：匿名化、去标识化、假名化。很多文章混着用，其实差别不小。