你知道吗？仅凭三项个人数据：出生日期、五位数邮政编码和性别，就能唯一识别出大多数美国人（87%）。这多少有点令人不安，对吧？
这项经常被引用的统计数据最初于近15年前在一篇2001年的 AT&T研究论文 中报告，该论文讨论了个人身份信息（PII）。尽管自该报告发布以来，日期已经改变，数据量也呈指数级增长，但挑战依然相同：以保护隐私为由，保护个人身份。
个人身份信息（PII）是匿名化数据争论的核心。在我 上一篇文章中，我驳斥了一种关于匿名化数据的看法，即： 匿名化数据会保护我的个人身份隐私。我提出的更准确说法是： 匿名化数据仍可能让人重新识别出个人身份。让我们进一步探讨这一点。
关于个人身份信息（PII）和匿名化数据。数据匿名化（或去标识化）意味着什么？简单来说，就是从数据集中移除任何可能识别特定个人身份的信息，例如此人的姓名、信用卡号、社会保障号码、家庭住址等。销售消费者数据的公司（例如数据经纪商）通常只出售匿名化数据，而且这些数据往往经过汇总。因此，如果从这些数据集中去除了个人身份信息（如下图所示），这有什么大不了的？
如果我们谈的是单个数据集（如上面的例子），那可能没什么大不了的。不过，多个数据集结合起来时，事情就变得有意思了。下图简单展示了数据聚合商（或经纪商）如何处理数据集：
这两个数据集单独来看可能完全无害，但将它们结合起来并随着时间推移进行分析，就可能带来新的隐私问题。微软的 Cynthia Dwork这样解释：“知道我买面包有什么危害？知道这一点本身没有危害，但如果你注意到，随着时间推移，我不再买面包了，你可能会推断我也许患有糖尿病……这里的问题在于隐私机制失效了；它们无法有效地组合起来。”
为何这很重要。回到我之前的问题：如果我的个人身份信息（PII）在出售或转交之前已被移除并汇总，这有什么大不了的？
问题在于：借助当今的大数据技术，人们越来越容易从这些匿名化数据中重新识别出个人身份。人们持续开发编程技术，以便从一个或多个数据集中重新拼合这些匿名化的信息。因此，如果一家公司声称会在将你的数据转交给他人之前进行匿名化处理，请注意，先进的重新识别技术仍可能暴露你的身份。
实际上，围绕这个问题的争论十分激烈。一方坚定支持用于数据匿名化的技术和算法，并相当确信无法重新识别个人身份，因为相关技术尚未发展到那一步。另一方则不以为然，认为重新识别算法确实在发挥作用，而且只会越来越完善。他们还指出，目前使用的一些匿名化技术根本不起作用。
我倾向于赞同后一方。即使现在还没有发生，技术和算法发展到足够成熟的程度也只是时间问题；届时不仅能更快地重新识别个人身份，而且成本也会更低。
最后一点想法。重新识别算法本身没有好坏之分，关键在于如何使用。因此，当一家出于善意的公司或数据经纪商告诉你，你的个人信息受到保护，不会与他人共享或出售时，这并不意味着你可以放松警惕。现在你已经了解其中的运作方式——务必留心，保持警觉。
本文由 Smart Data Collective合作发布。发布本文并不意味着世界经济论坛认可其中的观点。
想了解更多议程动态， 请订阅我们的每周简报。
作者：Tamara Dull 是 SAS Best Practices 团队新兴技术总监。该团队是 SAS Institute 的思想领导力组织。
图片：一只放大镜置于电脑屏幕前。路透社/Pawel Kopczynski。