技術 Day 15：案例——AI 幫忙抓到一個原本會漏掉的可識別資訊組合

前言 「單獨看每個字眼都很技術性、很通用，怎麼會被抓出識別風險？」 這正是最容易被人工複查漏掉的一種情況——不是某個字眼本身敏感，而是好幾個各自看起來無害的技術...

技術 Day 09：案例——一條去識別化規則怎麼從「漏抓一次」變成一支自動化掃描工具

前言 「人工複查已經很仔細了,為什麼還要另外寫一支掃描工具？」 因為「已經很仔細」跟「不會漏」是兩件事。這個系列的寫作規範裡明白寫著一句話:已經整理過的素材筆記...

技術 Day 08：去識別化不是「發文前掃一次」,是動筆當下就要做的決定

前言 「反正寫完會跑掃描工具檢查,動筆的時候先寫,寫完再一起改不就好了？」 這個順序聽起來省事,但實際上把風險留到了最不該留的地方。草稿一旦寫進磁碟,就已經是一...

技術 [第二十九夜] 資料隱私問題 Part.2--考慮真實資料去識別化（De-Identification）的方法

前言 我們回想一下顧慮資料隱私的方法目標，基本上主要是希望目標部屬模型 不要看到原本完整的真實資料，如果我們沒有考慮Federated learning那種使用...