高考申論題
105年
[資訊處理] 資訊管理與資通安全
第 二 題
「開放資料」（Open Data）因公共利益之必要，發布統計資料以供研究時，需將資料進行去識別化（De-identification）處理。請說明何謂「去識別化」？並解釋需去識別化的資料中，何謂「直接識別」資料與「間接識別」資料？（10 分）請說明「K 匿名框架」（k-Anonymity Framework）或「單元抑制」（Cell-suppression）其中任一種「去識別化」技術的實作方法。（15 分）
📝 此題為申論題
思路引導 VIP
看到「去識別化」考題，應立刻聯結《個資法》與隱私保護技術。作答時先精確定義「去識別化」的概念，並舉例說明「直接與間接識別資料」的差異（單一比對 vs. 組合推論）；接著挑選最主流的「K 匿名化」展開實作說明，依序論述「屬性分類、移除直接識別、概括化、抑制」等實作步驟，以展現技術與實務的結合。
🤖
AI 詳解
AI 專屬家教
【破題】 本題測驗開放資料（Open Data）發布時的核心隱私保護機制「去識別化」，以及落實去識別化之具體技術框架（如 K 匿名模型），旨在平衡資料開放之公益性與個人隱私之安全性，為我國政府推動開放資料與遵循《個人資料保護法》之關鍵實務。 【論述】
▼ 還有更多解析內容
開放資料去識別化
💡 兼顧資料開放公益性與個人隱私權，採技術手段去除識別性。
🔗 k-Anonymity 去識別化實作流程
- 1 屬性分類 — 區分直接識別碼、準識別碼(QI)及敏感屬性。
- 2 移除/加密 — 徹底刪除姓名、身分證號等直接識別欄位。
- 3 概括化 — 將精確值（如27歲）轉為區間（20-30歲）。
- 4 抑制處理 — 抹除或刪除無法湊滿K筆相同QI組合的離群值。
- 5 驗證發布 — 確認每一組QI組合頻率均 ≧ K 值後發布。
↓
↓
↓
↓
🔄 延伸學習：延伸學習：去識別化技術在資料「可用性」與「安全性」之間的權衡（Utility vs. Privacy）。
