《隐私保护从源头抓起》
第4章 数据最小化
📘 4. 数据最小化：从源头守护隐私
🔍 4.1 数据最小化原则的定义
数据最小化（Data Minimization）是隐私保护的核心原则之一，指在实现特定目的的前提下，只收集、处理和使用最少且必要的数据。它要求组织从源头控制数据量，避免过度采集。
🛠️ 4.2 数据最小化的实施方法
- 需求审查 — 对每个数据字段问“为什么需要它？” 删除无法回答的字段。
- 数据脱敏 — 对敏感信息进行遮蔽、替换或加密，如手机号显示为
138****1234。 - 聚合统计 — 使用差分隐私等技术，只输出统计结果而非原始数据。
- 自动过期 — 为数据设置TTL（生存时间），到期自动删除或匿名化。
- 权限控制 — 按角色最小化数据访问权限，只给必要人员开放必要字段。
📋 4.3 案例分析：从失败到成功
📌 案例一：社交App过度采集
问题：某社交App在注册时强制要求用户提供身份证号、通讯录权限和位置信息，但实际上核心功能（发帖、评论）完全不需要这些数据。
后果：数据库被攻击导致500万条完整个人信息泄露，包括身份证和通讯录。公司被罚款2000万，用户大量流失。
教训：收集了“可能有用”的数据，却没有考虑最小化原则。
📌 案例二：健康App最小化实践
方案：某健康App只收集匿名用户ID和聚合后的步数、运动时长数据。所有原始传感器数据在本地处理后立即删除。
结果：即使服务器被攻破，攻击者也只能看到“用户A走了8000步”，无法关联到真实身份。顺利通过GDPR和《个人信息保护法》合规审计。
启示：从设计阶段就贯彻数据最小化，安全与功能可以兼得。
📊 数据最小化前后对比
🎯 核心要点总结
- 数据最小化 ≠ 功能缺失 — 通过技术手段（如本地处理、聚合统计）可以在减少数据的同时保留功能。
- 从设计阶段开始 — 在产品设计初期就考虑“最少需要什么数据”，而不是后期补救。
- 定期审计 — 每季度审查一次数据收集清单，删除不再需要的字段。
- 用户信任是最大资产 — 尊重用户隐私，减少数据收集，反而能赢得长期信任。
专注课程资料整理