資料隱私 是什麼？

Data Privacy — 資料隱私 的完整解釋

資料隱私是指保護個人資訊不被未授權存取、蒐集或濫用的原則與實踐，在 AI 系統中需遵循 PDPA 等法規要求

容易混淆

data-security 資安偏防攻擊，隱私偏防不當蒐集和使用。 常見混淆：資料隱私 vs data-security 資安偏防攻擊，隱私偏防不當蒐集和使用。

記住這句就好

能不能用，不等於能不能亂用。

實際案例

會員資料 姓名、電話、地址和消費紀錄都要限制存取。 醫療紀錄 病歷和檢查結果屬於高度敏感資訊，處理時要更嚴格。

深入了解

1. 隱私重點包含蒐集最小化、用途限定、存取控制和去識別化。
2. 它和資安有交集，但隱私更關注資料是否被正當使用。
3. 導入 AI 時，要同時看資料流程、授權和法規要求。

情境判斷

Q1：資料只要做匿名化，就一定安全嗎？ → 不一定，還要看是否能被重識別，以及使用場景是否合規。 Q2：如果模型效果會因為刪掉個資而下降，該怎麼想？ → 要看情況，不能為了效果就忽略隱私風險，應該找平衡方案。

資料隱私 在 iPAS 考試中的重點

根據歷年統計，資料隱私 相關題目 屬於高頻考範圍。

常見問題

資料隱私和資料安全有什麼差別？

安全偏向防止被攻擊，隱私偏向防止被不當使用。

去識別化就沒有風險嗎？

不是，還是可能被重識別。

AI 專案怎麼降低隱私風險？

可用最小化蒐集、權限控管、加密和去識別化。