「一般化」程序會擷取易於識別的值並將該值進行抽象化處理,轉換為較為一般且識別性較低的值。一般化程序會降低資料的可識別性,但同時嘗試保留資料的效用。
一般化可分為許多層級,視資料類型而定。您可以使用 Sensitive Data Protection 的風險分析等技術,在資料集或真實世界母體中評估需要多少一般化。
Sensitive Data Protection 支援的一種常見一般化技術是「分桶」。使用分桶法時,您會將記錄分組到較小的桶中,盡可能降低攻擊者將機密資訊與個人識別資訊建立關聯的風險。這麼做可以保留資料的意義和效用,而且也會隱藏關聯者過少的個別值。
一般化和分桶的使用時機
以下是一些常見用途:
- 模糊處理分析資料集中的數值離群值:將罕見的數值 (例如極端薪資、信用評分或交易規模) 分組到更廣泛的範圍,防止重新識別個人。
- 保留人口統計研究的統計效用:將確切年齡、收入或地理 ID 替換為類別區間,支援廣泛的分析模型,同時不揭露個別值。
- 降低準識別項的獨特性,以達到 k 匿名性:將各資料列的準識別屬性一般化,讓每個不重複組合都由足夠大的個體群組共用。
- 清理外部報表資料集:與第三方供應商或一般大眾分享報表前,請先將精細的客戶指標抽象化為高階層級 (例如「低」、「中」和「高」)。
值區分類情境 1
設想下列數值的值區分類情境:資料庫儲存了使用者滿意度分數,範圍從 0 至 100。資料庫看起來與以下內容相似:
| user_id | score |
|---|---|
| 1 | 100 |
| 2 | 100 |
| 3 | 92 |
| … | ... |
瀏覽資料後,您發現使用者很少使用某些值。事實上,有幾個分數只對應到一位使用者。舉例來說,大部分使用者均選擇 0、25、50、75 或 100,但有五位使用者選擇 95,而且有一位使用者選擇 92。您可以透過一般化程序將這些值進行分類,並消除關聯者過少的任何群組,而非保留原始資料。視資料的使用方式而定,以這種方式將資料一般化有助於防止資料遭到重新識別。
您可以選擇移除這些離群值資料列,也可以嘗試使用分桶來保留其效用。在本範例中,讓我們按照下列項目為所有值進行值區分類:
- 0-25:「低」
- 26-75:「中」
- 76-100:「高」
Sensitive Data Protection 的分桶功能是多種去識別化原始轉換之一。下列 JSON 設定說明如何在 DLP API 中實作這個分桶情境。這個 JSON 可包含在對 content.deidentify 方法的要求中:
C#
如要瞭解如何安裝及使用 Sensitive Data Protection 的用戶端程式庫,請參閱「Sensitive Data Protection 用戶端程式庫」。
如要向 Sensitive Data Protection 進行驗證,請設定應用程式預設憑證。詳情請參閱「為本機開發環境設定驗證機制」。
Go
如要瞭解如何安裝及使用 Sensitive Data Protection 的用戶端程式庫,請參閱「Sensitive Data Protection 用戶端程式庫」。
如要向 Sensitive Data Protection 進行驗證,請設定應用程式預設憑證。詳情請參閱「為本機開發環境設定驗證機制」。
Java
如要瞭解如何安裝及使用 Sensitive Data Protection 的用戶端程式庫,請參閱「Sensitive Data Protection 用戶端程式庫」。
如要向 Sensitive Data Protection 進行驗證,請設定應用程式預設憑證。詳情請參閱「為本機開發環境設定驗證機制」。
Node.js
如要瞭解如何安裝及使用 Sensitive Data Protection 的用戶端程式庫,請參閱「Sensitive Data Protection 用戶端程式庫」。
如要向 Sensitive Data Protection 進行驗證,請設定應用程式預設憑證。詳情請參閱「為本機開發環境設定驗證機制」。
PHP
如要瞭解如何安裝及使用 Sensitive Data Protection 的用戶端程式庫,請參閱「Sensitive Data Protection 用戶端程式庫」。
如要向 Sensitive Data Protection 進行驗證,請設定應用程式預設憑證。詳情請參閱「為本機開發環境設定驗證機制」。
Python
如要瞭解如何安裝及使用 Sensitive Data Protection 的用戶端程式庫,請參閱「Sensitive Data Protection 用戶端程式庫」。
如要向 Sensitive Data Protection 進行驗證,請設定應用程式預設憑證。詳情請參閱「為本機開發環境設定驗證機制」。
REST
...
{
"primitiveTransformation":
{
"bucketingConfig":
{
"buckets":
[
{
"min":
{
"integerValue": "0"
},
"max":
{
"integerValue": "25"
},
"replacementValue":
{
"stringValue": "Low"
}
},
{
"min":
{
"integerValue": "26"
},
"max":
{
"integerValue": "75"
},
"replacementValue":
{
"stringValue": "Medium"
}
},
{
"min":
{
"integerValue": "76"
},
"max":
{
"integerValue": "100"
},
"replacementValue":
{
"stringValue": "High"
}
}
]
}
}
}
...
特徵分塊情境 2
值區分類也適用於字串或列舉值。假設您想要分享薪資資料並加入職稱,但是 CEO 或傑出工程師等職稱會連結至單一使用者或一小群使用者,因此這類職稱很容易比對出擁有該職稱的員工。
值區分類在這種情況下也能提供助益。您可以選擇不加入確切的職位名稱,而是將職稱一般化並進行值區分類。例如,「資深工程師」、「初級工程師」和「傑出工程師」會一般化並歸類為「工程師」。下表說明如何將特定職稱歸入職稱系列。

其他情境
我們在這些範例中將轉換作業套用至結構化資料,但值區分類也適用於非結構化範例,前提是所有值皆可使用預先定義或自訂的 infoType 來分類。下面是部分情境範例:
- 將日期分類,並特徵分塊為不同的年份範圍
- 將名稱分類,並根據第一個字母 (A-M、N-Z) 特徵分塊為不同群組
資源
如要進一步瞭解一般化和值區分類,請參閱將文字內容中的機密資料去識別化。
如需 API 說明文件,請參閱:
projects.content.deidentify方法BucketingConfig轉換:根據自訂範圍將值分組。FixedSizeBucketingConfig轉換:根據固定大小範圍將值分桶。