---
title: "資料隱私（Data Privacy）"
slug: data-privacy
language: zh-TW
source: https://aiterms.tw/terms/data-privacy
updated_at: 2026-04-29
tags: [資料隱私, 法規合規, PDPA, iPAS初級, iPAS中級]
ipas_term: true
---

# 資料隱私（Data Privacy）

> **你有沒有在處理個資或敏感資訊時，還在想這件事到底該怎麼看？**
>
> 把它想成先問清楚誰能看、能看多少、能不能拿去別的地方用。
> 隱私重點不是資料不能用，而是資料不能被不該看的人拿走或濫用。
> AI 專案若忽略隱私，常常不是先壞在模型，而是先壞在合規和信任。
>
> 就像先用生活中的例子抓住核心用途，再回頭看名詞和公式，理解會穩很多。

### 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。

### iPAS 考題
> **Q1：AI 系統中，資料隱私最核心的目標是什麼？**
> → 保護個人資訊不被未授權存取、蒐集或濫用。

### 常見問題
> **Q：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。
> **Q：去識別化就沒有風險嗎？**
> 不是，還是可能被重識別。
> **Q：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。

### 相關術語
> - **AI治理**：看完這個後，再回來看 資料隱私 會更容易把脈絡接起來。
> - **資料血緣追蹤**：看完這個後，再回來看 資料隱私 會更容易把脈絡接起來。
> - **資料品質監控**：看完這個後，再回來看 資料隱私 會更容易把脈絡接起來。

---

來源：https://aiterms.tw/terms/data-privacy
快查頁：https://aiterms.tw/terms/data-privacy
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-data-privacy