📚 课程目录第1章课程导入

1. 课程导入

自动驾驶研发每天产生海量道路数据：多路摄像头视频、激光雷达点云、毫米波雷达回波、GNSS/IMU轨迹、车内语音与驾驶员监控画面。这些数据既是算法迭代的燃料，也是合规风险的高发区——人脸、车牌、地理位置、语音声纹都属于个人信息甚至敏感个人信息。本课程的目标，是把"数据脱敏"与"访问控制"从零散的脚本技巧，升级为一套可落地、可审计、可扩展的工程体系。

一、学习目标：从"会脱敏"到"能治理"

完成本课程后，你应当具备四层能力。第一层是识别能力：能判断一段自动驾驶数据中哪些字段属于直接标识符（车牌、人脸）、准标识符（时间、地点、车型）与敏感属性（轨迹、语音）。第二层是处理能力：能针对图像、点云、文本、结构化日志分别选择模糊、掩码、泛化、差分隐私等脱敏算子。第三层是管控能力：能设计基于角色与属性的访问控制策略，让标注员、算法工程师、外包团队各取所需而不越权。第四层是工程能力：能把脱敏与鉴权嵌入数据流水线，做到自动化、可回溯、可度量。

核心判断标准：脱敏不是"把数据改乱"，而是在保留算法可用性的前提下，让数据无法关联到具体自然人。可用性与隐私性是一对需要持续调优的张力。

二、核心概念：四个必须分清的对象

个人信息（PII）：可单独或结合其他信息识别到自然人的数据，如车牌号、人脸图像、手机号。
敏感个人信息：一旦泄露易导致人格尊严或人身财产受损的信息，如行踪轨迹、生物识别、语音。
脱敏（De-identification）：通过删除、替换、泛化、扰动等手段降低数据与个人的关联度，分为不可逆脱敏与可逆假名化。
访问控制（Access Control）：决定"谁在什么条件下能对哪些数据做什么操作"，主流模型包括RBAC（角色）、ABAC（属性）、PBAC（策略）。

需要特别区分脱敏与加密：加密保护的是传输与存储通道，密钥一旦泄露原文即恢复；脱敏改变的是数据本身的可识别性，即使拿到明文也难以定位到人。二者在工程中通常叠加使用，而非互相替代。

三、整体框架：一条数据从采集到销毁的治理链

下图给出本课程贯穿始终的工程框架。数据从车端采集进入云端，依次经过分类分级、脱敏处理、存储加密、访问鉴权、审计留痕，最终按生命周期策略销毁或归档。每一环都有对应的技术手段与合规要求。

四、方法流程：一次典型脱敏任务的执行顺序

以"将一段城区行车视频交付给外部标注团队"为例，标准流程如下：

数据登记：记录采集时间、地点、车辆ID、数据等级，写入元数据目录。
敏感识别：用检测模型定位人脸、车牌、可读文本，输出坐标与置信度。
脱敏执行：对人脸与车牌做高斯模糊或像素化，对语音做变声或静音，对轨迹做降精度处理。
质量校验：抽样回看，确认目标区域已处理且未破坏车道线、交通标志等算法关键信息。
授权下发：为标注团队签发短期令牌，限定数据集范围、操作类型与有效期。
审计归档：记录谁在何时访问了哪些文件，脱敏前后哈希一并留存。

# 脱敏任务配置示例（YAML）
task: urban_video_deid
input: s3://av-data/raw/2024-06-01/cam_front/
output: s3://av-data/deid/2024-06-01/cam_front/
operators:
  - type: face_blur
    method: gaussian
    kernel: 31
  - type: plate_mask
    method: pixelate
    block: 12
  - type: gps_truncate
    precision: 0.01   # 约1km精度
access:
  role: annotator
  ttl: 72h
  scope: read_only

五、案例与场景：三个真实痛点

场景一：外包标注泄露。某团队将原始视频直接给外包标注，视频中清晰可见车主面部与小区门牌，被截图外传。复盘结论：脱敏应在数据出域前完成，而非依赖合同约束。

场景二：脱敏过度导致模型退化。为追求"绝对安全"，团队把整帧画面做重度模糊，结果车道线检测模型精度下降明显。复盘结论：脱敏要区分"标识区域"与"任务区域"，只处理前者。

场景三：权限长期不回收。离职员工账号仍持有生产数据读取权限，数月后才被发现。复盘结论：访问控制必须与人事流程联动，采用短周期令牌与定期权限复核。

六、常见误区与复盘清单

误区	后果	正确做法
认为脱敏一次即可永久使用	新数据、新模型带来新泄露面	建立持续脱敏与再评估机制
只做图像脱敏，忽略日志与轨迹	时间+地点可反推个人行踪	结构化字段同步泛化
权限按部门粗放授予	越权访问难以发现	RBAC+ABAC 细粒度策略
脱敏后不做质量校验	漏检目标或破坏算法特征	抽样回看+指标度量
无审计日志	泄露后无法定位责任	全链路留痕与告警

学习建议：本课程后续章节会分别深入图像脱敏算子、点云匿名化、RBAC/ABAC 策略引擎、密钥管理、审计与合规报表。建议边学边在自己的数据集上做小规模实验，把每个算子都跑通一遍。

合规红线：行踪轨迹、生物识别信息、车内语音属于敏感个人信息，处理前必须取得单独同意并做影响评估。任何"先用了再说"的做法都可能带来高额处罚与业务停摆。

总结来看，自动驾驶数据脱敏与访问控制工程的核心，是把隐私保护从"事后补救"变成"设计内置"。你需要同时掌握数据侧的脱敏技术与系统侧的管控技术，并让二者在同一条流水线上协同工作。接下来的章节将逐一拆解这条流水线上的每个关键环节。