合作方拿到已剥掉姓名、手机号的客服微调所用语料,却用少见病种、到访日期和城市链到公开帖。去标识化在哪一层断了?发布前用哪些攻击手法估计重识别风险?
题目
合作方拿到已剥掉姓名、手机号的客服微调所用语料,却用少见病种、到访日期和城市链到公开帖。去标识化在哪一层断了?发布前用哪些攻击手法估计重识别风险?
参考答案
点击展开参考答案
- 删除直接标识符只拿掉了姓名、号码、邮箱,没有处理准标识符,也挡不住和外源做链接。
- 城市、病种、日期、罕见商品、原话里的独特句法都可以拼出唯一个人。
- 发布前要换成攻击者视角:用公开资料做链接、看等价类有多大(k-匿名)、看敏感属性在等价类里是否仍单一(l-多样性);高风险切片做泛化、抑制、加噪声,或根本不落地文件。
- 再扫一遍正则当不了匿名化完成。
- 失败的数据流是:命名实体/正则去掉姓名电话 → 导出 JSON → 对方直接分析。
- 攻击数据流是:导出表与论坛、新闻、讣告按地点、时间、罕见事件拼接 → 落到大小为 1 或极小的等价类。