许 衡 张 楠 /文 顾 洁 / 译

一、引 言

近年来，以欧盟《通用数据保护条例》（GDPR）为代表的隐私保护法规接连出台，刺激了数据匿名化技术的扩散。一般来说，数据匿名化技术是作为组织或群体层面的解决方案被概念化，进而进行相应的技术开发的，其目的是用来平衡两种对立的利益：一是为了保护隐私，使数据与数据主体（即个人）脱离关联；二是保持数据的实用性。例如，苹果公司在收集iOS设备中的用户键盘输入时，部署了差分隐私技术。一方面，收集到的输入内容不再能轻易地关联到个人；而另一方面，苹果仍然可以利用收集到的数据来改进其自动纠正和预测性文本输入功能。由于将数据与数据主体脱离关联会降低数据的实用性，1Daniel Kifer and Ashwin Machanavajjhala, No Free Lunch in Data Privacy, Proceedings of the 2011 ACM SIGMOD International Conference on Management of Data, 2011, pp. 193-204.2Cynthia Dwork, Frank McSherry, Kobbi Nissim and Adam Smith, Calibrating Noise to Sensitivity in Private Data Analysis, Journal of Privacy and Confidentiality, vol. 7, no. 3, 2016, pp. 17-51.许多数据匿名化技术将隐私与实用性的权衡操作为一个可调整的参数，在组织层面进行设置。

将数据匿名化作为组织层面的解决方案予以实施符合监管要求，但可能不满足个人隐私偏好的特异性。3Alessandro Acquisti, Laura Brandimarte and George Loewenstein, Privacy and Human Behavior in The Age of Information, Science, vol. 347, no. 6221, 2015, pp. 509-514.同样，提升（或降低）数据实用性所带来的好处（或危害）也会具有很大的个体差异。4Evaggelia Pitoura, Panayiotis Tsaparas, Giorgos Flouris, Irini Fundulaki, Panagiotis Papadakos, Serge Abiteboul and Gerhard Weikum, On Measuring Bias in Online Information, ACM SIGMOD Record, vol. 46, no. 4, 2018, pp. 16-21.将组织层面的解决方案和个人层面的影响结合起来考虑，自然会出现一个问题：组织层面一刀切的隐私保护解决方案是否会对不同个体产生差异化的影响？对这一问题的回答具有政策意义，因为如果差异化的影响确实存在，立法者和监管者就需要对不同数据收集主体个性化隐私保护能力的强弱进行甄别。

遗憾的是，现有关于数据匿名化影响的研究主要集中整体数据效用的降低上，这也是在组织层面对所有数据记录进行计算的结果。……