データ匿名化関数

データ匿名化とは、個人のプライバシーを保護するために、データセットから個人を特定できる情報（PII）を変更または削除するプロセスです。その目的は、分析、調査、テストにおけるデータの有用性を維持しながら、特定の個人に結び付けられないようにデータを変換することです。

匿名化の一般的なデータカテゴリ

効果的な匿名化戦略では、通常、機密データの特定のカテゴリを対象にします。

• 直接識別子（PII）: 氏名、メールアドレス、電話番号、政府発行のIDなど、個人を明示的に特定する情報です。
• 間接識別子（準識別子）: 生年月日、性別、郵便番号、役職など、他のデータソースと組み合わせることで個人を特定できる属性です。
• 機密性の高いビジネスデータ: 財務トランザクション、給与の詳細、独自の社内記録など、本番以外の環境で保護が必要な機密情報です。

TiDB Cloud Lake の匿名化手法

TiDB Cloud Lake は、データマスキング、仮名化、合成データ生成など、さまざまな匿名化手法を実装するための一連の関数を提供します。

• データマスキング: OBFUSCATE テーブル関数 を使用して、カラムにマスキングルールを自動的に適用し、元の値を本物らしく見える人工的な値に置き換えます。
• 仮名化: FEISTEL_OBFUSCATE を使用して、識別子を決定論的な代替値に置き換えます。これにより、データの整合性とカーディナリティが維持されるため、結合キーの管理に適しています。
• 合成データ: MARKOV_TRAIN と MARKOV_GENERATE を使用して、元のデータセットと統計的に類似している一方で、実際のレコードとは直接の関連を持たない機械生成データを作成します。