十一月三日的发布会上,国家数据局提到将加快研究制定数据合规流通匿名化等指引,特别是针对人工智能技术应用所涉及的数据安全问题,探索新型治理机制,既提升数据安全保护能力,也为新技术新产品留出合规创新空间。这句话对企业的影响很直接:匿名化做到什么程度,会决定一批数据能不能确权、能不能入表、能不能对外授权。对正在准备语料、训练集与行业数据产品的企业来说,这条指引的分量不亚于一次登记制度调整。对正在准备语料、训练集与行业数据产品的企业来说,这条指引的分量不亚于一次登记制度调整;语料能否对外授权、能否作为资产入账,很大程度取决于匿名化是否站得住。训练集的匿名化还要额外考虑模型记忆问题,个别样本可能被模型复现,评估时要把这一层风险算进去。模型记忆带来的风险往往在小样本上更明显,评估时不能只看整体统计指标。
匿名化不等于删掉姓名。直接标识要去除,出生日期、邮编、职业这类准标识要泛化或扰动,还要评估再识别风险。匿名化不足,数据不敢流通,自然也难以作为可经营资产;匿名化过度,数据失去分析价值,评估价就撑不住。两者之间是一条需要专业判断的窄带,不是越彻底越好,也不是做一次就永久有效。数据更新、场景变化、关联数据增加,都可能让原本安全的处理重新变得可识别。数据更新、场景变化、关联数据增加,都可能让原本安全的处理重新变得可识别;因此匿名化不是一次性项目,而是要在数据每次更新后重新评估,评估记录随版本一起归档。每次更新后重新评估,工作量不小,但比事后解释为什么数据被重新识别要省力得多。重新评估的记录要与数据版本绑定,否则无法证明当时处理到了什么程度。
对入表的具体影响有两层。涉及个人信息的数据集,若无法证明已匿名化或已取得合法授权,通常不具备确权与入表的基础;由原始数据加工形成的衍生数据集,其加工投入能否资本化,取决于加工是否形成可独立使用、可单独计量的成果,而不是处理过一遍就算。前一层决定能不能入,后一层决定能入多少。两层都过关,资产才有稳定的原值可以挂账。两层都过关,资产才有稳定的原值可以挂账;只过第一层,说明数据能确权但不能证明可经营,入表金额会被压得很低,后续摊销与减值也缺少支撑。两层判断最好分开出具结论,一层讲能不能确权,一层讲能确认多少,避免混在一段话里。两层结论分开写,审计取数时也更清楚,不会把确权结论直接当成入账金额。
操作路径可以拆成三步:先做数据分类分级,识别个人信息、敏感数据与重要数据;再做匿名化处理与再识别风险评估,记录处理规则、参数与样本比对;最后形成匿名化说明,作为确权与入表材料的一部分,与登记凭证、成本底稿放在一起。三步都留痕,才谈得上可证明;少一步,材料就断在中间,后面想补也补不出当时的处理细节。三步都留痕,才谈得上可证明;记录里最好包括处理前后的样本对照、参与人员、工具版本与评估结论,任何一项缺失,复核时都要重新做一遍。复核时若发现记录缺失,最稳妥的做法是重新处理并留新记录,而不是补一份事后说明。补一份事后说明看似省事,实际在复核时最容易被推翻,重新处理反而更快。
资信树把匿名化说明写成可审计文件:处理规则、算法参数、处理前后样本比对、风险评估结论、残余风险与使用限制,逐项可复核。只写一句已完成脱敏,会计师无法验证,审计也无法采信,最后还是要返工,时间成本比一开始做扎实高出几倍。说明写得细,后续对外授权时也能直接复用,不必每次重新解释一遍处理逻辑。说明写得细,后续对外授权时也能直接复用,不必每次重新解释一遍处理逻辑;买方或合作方看到成套材料,谈判周期通常会缩短。买方看到成套材料,通常会把谈判重点从合规转向价格,这对卖方反而有利。谈判重点从合规转向价格,说明材料已经起到了作用,剩下的是商业博弈。
指引落地后,入表门槛不会降低,但会变得可预期。企业现在能做的,是把匿名化说明补上、把授权链条理清,别等到审计现场才临时找记录。资信树在这件事上的价值,是让合规从一句表态变成一叠能翻给人看的材料。材料在手,谈判与申报都不慌;材料不在手,再好的数据集也只能停在登记这一步。合规是入表的前置条件,不是最后的补丁。合规是入表的前置条件,不是最后的补丁;等到审计现场才发现匿名化说明缺失,往往已经来不及补做,只能把相关数据集整体移出入表范围。把匿名化写进入表清单的第一项,后面每一步都会顺,写在最后一项,往往就来不及了。把匿名化放在清单第一位,是提醒所有人:这一步不过,后面都是空转。

