運用地端模型解析隱私資料的
去識別化過程
醫療教學評量資料（Mini-CEX/WBA）的實務去識別化
吳維喬 · 〔場合〕 · 〔日期〕
對話紀錄裡，個資一直都在
另：清單外真名 45+、身分證型 1,236、Email 7——15 份對話全程僅地端模型處理
貼一段病程，個資就進了 prompt
病程紀錄自由文字
貼進對話報錯/截圖
prompt進模型上下文
JSONL 落地完整留存
照護者手機Key Person：Wife（09xx••••••）
病歷號-姓名破折鏈#06xx••••-[姓名]
半遮蔽姓名陳O枝（標籤後綴仍外洩）
新生報告母名[姓名]之子・母 [姓名]
傳出去，就收不回來
雲端 API
傳輸與留存日誌・備份・訓練再用
合規違規特種個資未脫敏外傳
紀錄鏡像外部無法徹底清除
個資法§6 病歷・醫療等六類特種個資，原則禁止蒐集處理利用
醫療法§72・§67 保密義務（§103 處罰）・病歷定義
GDPR 假名化參照
- 姓名
- 地理區域（州以下）
- 日期（出生・入院…）
- 電話碼
- 傳真
- Email
- 社保號
- 病歷號
- 保險受益號
- 帳戶號
- 證書/執照號
- 車牌/裝置序號
- URL
- IP 位址
- 生物特徵
- 全臉照片
- 其他唯一號
- 親屬/雇主同欄
HIPAA Safe Harbor 45 CFR 164.514(b)(2)
全地端，是唯一合理的架構
本機資料與對話不出機
Tailscale 私有網
橋Agemma-4-26b-a4b
橋Bqwen-local（thinking off）
禁用外部付費 API
13/13 會話僅見地端模型
五段管線，身份與資料實體隔離
wba原始 16 檔・含真名
merge整併 30,138 筆
wash清洗・破損姓名刪列
sampled抽樣＋稽核
anon去識別主站
release合成釋放
codes/ 對照表（評碼↔姓名↔人事號）：獨立保管，勿隨主檔外流
名單遮不完，規則來補，還要防誤遮
受評者姓名
人事號→ 評碼 E0001…（1,527）
臨床教師
同名併碼→ 師碼 T0001…（743）
來源檔名→ 來源碼 S01…S16
精確日期→ yyyy-mm 降精度
名單式遮蔽已知姓名→[姓名]
規則式 14 條姓名標籤・破折鏈・身分證・病歷號
白名單防誤遮LDH(334)・尺寸不誤傷
不釋放遮蔽真值，釋放合成資料
遮蔽真值檔
間接識別殘留：罕見病例・小細胞群可定位
對照表若在，遮罩只是暫存
合成檔 29 欄 × ~8,000 列
地端 LLM 重生：學期・地點・診斷・評量重點・改善計畫
聚合趨勢保留，個人推論不可能
Real
Transformed
Synthetic
禁止個人級推論・比對・重識別；合成欄不得作臨床事實引用
五閘全綠，才准釋放
閘1 PII2,125 姓名掃描・0 命中
閘2 k≥513 組合・抑制 62 列 (0.78%)
閘3 防抄5-gram 0.0000 ≤ 0.02
閘4 效度TV 0.048 / 0.020
閘5 誠實synthetic 聲明齊全
釋放檔醫院指紋掃描（含 臺/台 摺合）：0 筆
宣稱 0 殘留
獨立複查推翻
revise2–4 迭代
全閘通過
四件事，帶回去
對話即個資貼文即進 prompt
全地端唯一合理架構
地端≠安全程序才是
獨立驗證優於自我宣稱
吳維喬