メインコンテンツにスキップ
自媒科技企業向けAI・開発から導入まで
日本語JA
プロジェクト相談
プロジェクト相談

企業AIプロジェクトWiki · データ・知識・モデル

マスキング済みデータ

別名Masked data · 非識別化データ · 仮名化データ · 匿名化データ · サニタイズ済みデータ · データマスキング · 脱敏数据

定義

マスキング済みデータとは、明示した目的、受領者、環境及び脅威モデルに対し、元データの直接識別子、結合可能属性、機微内容及び関係へ、記録された削除、置換、一般化、摂動その他の保護処理を行い、用途適合性と残余の開示リスクを検証したデータである。これは管理された処理と結果を表す言葉であり、データが匿名、不可逆、公開可能又は保護不要になったことを自動的には意味しない。

マスキングは処理を表し、名称だけでは安全性を証明できない

案件では、氏名の削除、電話番号の一部非表示、顧客 ID の置換、テスト用複製の生成、さらには暗号化保存まで「マスキング」と呼ぶことがある。これらは変更対象、攻撃面及び可逆性が異なる。ISO/IEC 20889 は非識別化技法の用語と分類を、ISO/IEC 27559 はデータライフサイクル全体の再識別リスク管理を示しており、曖昧なラベルで具体的な処理説明を置き換えるものではない。

有効性は、誰が受領し、何を実行でき、どこで処理し、対応表や他データを取得できるか、攻撃者がどの程度の背景知識を持つか、漏えいの結果が何かで変わる。厳格に管理されたテストチーム向けに許容できる複製でも、一般公開には全く適さない場合がある。

したがって成果物は「マスキング済み」という項目だけでは足りない。元・出力データセットの識別、目的、項目単位の方法とパラメータ、可逆資料、受領者と環境、検証、残余リスク、承認者、有効期限及び消去方法を残す。

保護対象、許可目的、受領者及び攻撃能力を先に定める

同じデータでも、社内試験、委託先、公開研究では必要な保護が違います。誰を守るか、残す用途、受領者が使える補助情報、想定する再識別方法を定めます。強度はこの文脈に対してだけ判断できます。

本人と業務対象

自然人、従業員、顧客、取引先、患者、機器、口座、契約、価格、認証情報、営業秘密等を特定する。個人の識別リスクと企業秘密のリスクは併存し得るが、根拠と影響は異なる。

承認済み目的

機能・性能テスト、分析、モデル学習、障害再現、デモ又は組織間研究のどれに使うか、各項目がなぜ必要かを示す。便宜を理由に不要データを残さない。

受領者と権限

チーム、供給者、テナント、サービスアカウント及び自動処理を列挙し、照会、出力、結合、再配布及び元システム担当者への接触能力を示す。

処理環境

開発、テスト、分析、クラウドサービス、モデル基盤、ログ又は端末へ移る際のネットワーク、保存、バックアップ、管理者及び越境の境界を記す。信頼度が低い環境ほどデータを減らすか処理を強める。

利用可能な補助情報

公開名簿、SNS、取引記録、社内名簿、時刻・位置、別データセット及び照会サービスを評価する。単独では目立たない属性も、結合すると人を特定できる。

脅威と影響

偶発閲覧、内部不正、侵入、対応表漏えい、総当たり、頻度分析、差分照会、モデル抽出を分け、身元暴露、差別、詐欺、事業損失及びセキュリティ事故の影響を評価する。

直接識別子だけでなく組合せ、内容、メタデータ及び関係を調べる

氏名と電話を消しても、珍しい職位、正確な時刻、場所、自由文、関係グラフから特定できる場合があります。リスクはレコード全体と外部情報の組合せにあるため、項目、添付、ログ、メタデータを一緒に見ます。

直接識別子

氏名、公的番号、口座番号、正確な連絡先、生体情報又は制度上の一意番号など、対象を直接指す値は通常、削除、置換又は厳格な分離が要る。

間接・準識別子

年齢、郵便番号、役職、組織、日付、場所又は希少事象は単独で識別しなくても、組合せや外部結合で一人又は少人数へ絞れる。

機微属性

健康、財務、給与、評価、苦情、取引、権限、契約価格又はリスク判断は身元がなくても害を生む。氏名を隠すだけを保護目的にしてはならない。

自由記述と文書

備考、メール、チケット、履歴書、契約及び OCR テキストには氏名、住所、署名、文脈上の身元手掛かり及び秘密があり得る。正規表現は既知形式を発見するだけで、全件処理を証明しない。

画像、音声及び動画

顔、声、車両番号、画面、背景地点、埋込みサムネイル及び医用画像の注記は身元又は秘密を露出し得るため、媒体別の検出、編集及び抜取確認が要る。

メタデータと技術痕跡

作成者、パス、機器 ID、時刻、GPS、DB キー、ログ相関 ID、版履歴及び非表示シートは本文の墨消しを迂回する。出力形式と添付も範囲に含める。

関係、頻度及び希少値

一意な上下関係、珍しい購入、極端値、少数集団及び事象時系列は指紋になる。各項目が安全に見えても、行、表又は複数表の結合が安全とは限らない。

派生値とモデル特徴量

スコア、ベクトル、クラスタ、埋込み及び特徴量は元情報を符号化し得る。元列を消しても、所属推論、属性推論又は近似復元のリスクは残る。

保護目的に合わせて技法を選び、失われる用途も記録する

置換、一般化、撹乱、切捨て、合成生成は別の問題を解き、別の用途を壊します。強い処理が常に良いとは限りません。日付順、実体関係、境界値を壊せば試験結論も誤るため、リスク低減と効用損失を併記します。

削除と墨消し

目的に不要な列、行、文章範囲、画像領域又は添付を除く。非表示項目、改訂履歴、キャッシュ及びバックアップに原値が残らないか確認する。

静的・動的マスキング

静的処理は変換済み複製を作る。動的処理は照会結果だけを置換し、保存値は原値のままである。後者は通常表示を制限するが、元データが変換されたとは言えない。

置換、シャッフル及び仮名

架空値、同一領域値、レコード間交換又は安定仮名で形式や表間結合を保てる。安定性と可逆性はテスト用途を高める一方、結合、頻度及び対応表漏えいリスクを増す。

トークン化

意味のないトークンで原値を置き換え、管理された保管庫又はサービスで復元する。強度は生成、保管庫、権限、分離、監査、可用性及び侵害対応で決まり、匿名化と同義ではない。

一般化と集計

年齢を区分、地点を地域、明細を集団統計へ変えて一意性を下げる。区分、集団及び最小単位は固定ひな形でなく、分布と攻撃テストから決める。

摂動と交換

数値、分類、日付又は関係へノイズ、丸め、ずらし又は交換を加える。業務制約、合計、相関、裾及び異常パターンが目的に適するか検証する。

暗号化

保存中又は通信中の機密性を守り、鍵で平文へ戻す。復号権限者が見る情報は減らず、非識別化ではない。鍵管理とアクセス制御は別の制御面である。

合成データ

規則又はモデルで生成し、元レコードへの依存を減らせるが、一般的な合成は学習レコードを記憶したり希少組合せを残したりする。機構と証拠が支える保証だけを主張する。

マスキング、仮名化、非識別化及び匿名化は共通の直線的段階ではない

用語の意味は標準や組織で完全には一致しません。可逆対応を持つ仮名データは再結合でき、匿名化は利用可能な外部情報と合理的手段を含めて評価します。安全そうな名称ではなく、実処理と残余リスクを示します。

処理状態導ける限定的結論
表示マスキング特定画面又は照会で完全な値を表示しない。保存原値、別照会、管理者又は推論攻撃から取得できる場合がある。
静的マスキング複製出力複製の指定項目は変換済みである。処理漏れ、表間関係、外部結合、希少値及び可逆性は別途調べる。
仮名化データ識別子を仮名にし、別管理の追加情報で関連を戻せる。英国 GDPR では個人データのままであり、他制度は各々評価する。
非識別化データ身元との関連を定めた目標に向けて減らした。受領者、攻撃モデル、尺度、共有方式及び継続評価を明示する必要がある。
匿名データ適用制度と具体的状況における識別可能性についての高い閾値の結論であり、変換ボタンではない。復元情報を保持する当事者は通常、自身の保有分を匿名とは扱えない。
一般公開データ無制御の受領者、長期に増える外部情報及び無制限複製を前提に再評価する。管理環境で許容できても公開可能とは限らない。

元データから利用可能な複製まで、再確認できる処理連鎖が要る

データを取得し、スクリプトを動かして結果を置くだけではありません。元範囲、承認、処理環境、規則版、効用検証、配布先、期限廃棄を一つの連鎖にし、一時ファイルとログからの漏えいも防ぎます。

  1. 1. 依頼を登録する

    目的、項目、対象範囲、受領者、環境、期間、業務責任者及び低リスクデータで代替できない理由を記録する。

  2. 2. 発見して分類する

    表、項目、関係、文書、媒体、メタデータ、派生値及び秘密を棚卸しし、個人・業務・セキュリティ上の機微性と正本を確定する。

  3. 3. 範囲を最小化する

    不要なレコード、列、履歴、添付及び精度を除く。抽出、集計又は生成で足りるとき、本番全体を複製しない。

  4. 4. 脅威モデルを作る

    受領者の能力、補助データ、照会回数、可逆資料、攻撃経路及び許容残余リスクを明示し、責任者の承認を得る。

  5. 5. 項目・関係の処理を設計する

    各対象に削除、仮名、トークン、一般化、摂動又は合成を選び、表間整合、業務制約、時間、自由記述及び添付も扱う。

  6. 6. 隔離領域で実行する

    元データへのアクセスを制限し、ツール、コード、規則及びパラメータの版を固定する。中間ファイル、失敗出力、ログ及び一時認証情報も同等に保護し消去する。

  7. 7. 用途とリスクを検証する

    スキーマ、関係及び業務結果を確かめた後、処理担当と適切に独立した役割が開示確認、結合試験、抜取及び攻撃テストを行う。

  8. 8. 承認して納品を封装する

    承認版だけを、用途制限、残余リスク、アクセス条件、チェックサム、有効期限、再識別・再配布禁止条件及び連絡責任と共に渡す。

  9. 9. 監視、再評価、処分する

    環境、受領者、外部データ、項目、モデル又は目的が変われば再評価する。期限時にアクセスを取り消し、管理可能な複製、キャッシュ、索引、ログ及びバックアップを処理する。

マスキング版ごとに再現可能な処理記録を持つ

どちらもマスキング済みという二ファイルでも、元範囲、規則、鍵が違うことがあります。版記録から処理を再現し、逆変換できる人を知り、元項目や目的変更後も旧複製が適格か判断します。

  1. データセット識別

    出力 ID・版、生成時刻、元 snapshot、抽出条件、件数及び完全性検査を記録する。

    台帳、snapshot ID、照会・出力版、チェックサム

  2. 目的と受領境界

    承認作業、利用者・システム、許可環境、照会・出力能力、地域、期間及び禁止用途を示す。

    依頼、承認、データ利用条件、環境一覧

  3. 項目・内容規則

    全項目と非構造化対象について、保持、削除、置換、一般化、摂動、パラメータ及び維持する関係制約を記す。

    項目対応、規則庫、文書・媒体方針、データ辞書

  4. ツール・コード基準線

    変換コード、ツール・依存版、構成、乱数種又は鍵参照を保存し、実鍵は記録へ露出しない。

    管理済み commit、build 成果物、構成要約、鍵参照

  5. 可逆資料

    トークン保管庫、仮名対応、鍵又は再識別サービスの所有者、場所、権限、用途及び破棄条件を示し、出力と分離する。

    鍵・対応台帳、権限・監査記録

  6. 検証と残余リスク

    用途適合、漏れ走査、一意性・結合分析、攻撃、問題、受容制限及び再評価条件を残す。

    検証報告、抜取確認、リスク判断、問題完了証拠

  7. 承認とライフサイクル

    実際に責任を負う業務、データ、プライバシー、セキュリティ及び利用側が確認し、配布、受領、変更、取消及び破棄を記録する。

    承認記録、配布台帳、期限処理、破棄証明

検証は「まだ使えるか」と「まだ識別できるか」の両方を問う

機微項目の消失だけを見れば安全でも使えない殻になり、業務動作だけを見れば識別手掛かりが残ります。実タスクで関係、分布、境界を試し、攻撃者視点で結合、推論、希少組合せも確認します。

構造完全性

型、長さ、形式、必須、一意性、外部キー、階層及び表間参照を確認し、孤児、無効列挙又は取込不能データを作っていないか調べる。

業務用途

承認された代表作業で状態遷移、規則組合せ、金額集計、時間順、境界及び異常経路を実行する。平均値や非空率だけでは足りない。

統計忠実性

分布、相関、希少分類、極値、時間傾向及び集団差を調べる。性能又は AI 用途では件数密度、文長及び難例の維持も検証する。

内容の処理漏れ

自由記述、添付、媒体、メタデータ、非表示項目、出力履歴及びエラーログを走査し、高リスク標本を人が確認する。検出器の見逃しも測る。

一意性と小集団

希少な役職、場所、日付、疾患、事象、金額及び関係を中心に、属性組合せが一人又は少人数へ絞れるか調べる。閾値は状況別に決める。

結合・推論攻撃

受領者が合理的に得られる公開・内部情報との結合、頻度、辞書、総当たり、差分照会、所属推論及び属性推論を試す。氏名の空欄確認だけで終えない。

復元制御

通常の受領者が鍵、トークン保管庫又は仮名対応へ届かず、承認復元には強い本人確認、最小権限、二者確認又は ticket、監査及び警告が要ることを検証する。

独立確認と再評価

高リスクデータは変換規則作成者とは別の適切な役割が確認する。新項目、受領者、出所、外部情報又は攻撃手法は以前の結論を無効にし得る。

マスキングはアクセス、鍵、環境及びライフサイクル管理を代替しない

リスクを下げたデータも機微性が残り、対応表、旧版、外部資料との結合で再識別され得ます。最小アクセス、隔離、監査、鍵、複製制限、期限削除を続け、ファイル名だけで共有領域へ開放しません。

元データ領域と処理領域

元データは承認された処理 ID だけへ開き、隔離領域で変換する。個人端末への download や一般的な共同作業ツールでの移送を禁止する。

対応表と鍵の分離

仮名対応、トークン保管庫及び復号鍵を出力データと分け、同じ汎用アカウントへ両権限を持たせない。アクセス、復元及び出力を監査する。

最小アクセスと目的制限

必要なレコード、項目及び期間だけを渡し、大量出力、DB 間結合、複製及び再配布を制限する。動的マスキングには行列権限、監査及び照会悪用対策も組み合わせる。

供給者とクラウド

入力保持、サービス学習、ログ生成、再委託、越境、削除及び事故通知能力を確認する。「マスキング済みを送る」という説明は審査を代替しない。

版と変更管理

元 schema、規則、ツール、パラメータ又は目的の変更ごとに新版とする。旧承認は新項目・新受領者を自動的に覆わず、変換失敗時は納品を停止して証拠を残す。

漏えい・再識別事故

誤配布、処理漏れ、対応表侵害、異常照会又は再識別発見に対し、停止、隔離、取消、調査、通知、修正及び再発行の経路を定める。

期限と廃止

期限に出力、中間物、モデル入力 cache、検索索引及び管理可能な backup を削除又は保管し、アカウント、トークン及び鍵を無効化する。法令・契約上必要な監査証拠は保持する。

調達プロセス用テスト複製の構成例

以下の顧客と無関係な調達試験複製で、項目置換だけでなく時間、関係、自由文、対応権限を扱います。試験に必要な業務構造を残しながら、残余の識別リスクと許可用途を明示することが目的です。

目的と範囲

隔離テスト環境で申請、承認、ERP 送信及び照合を再現する。承認期間・状態の必要申請だけを選び、無関係な履歴、mailbox 又は全取引先台帳を複製しない。

人と組織

従業員名と連絡先を整合する架空値へ置換し、本人、代理及び承認関係のため安定テスト仮名を使う。組織階層は必要層まで一般化し、対応表をテスト担当へ渡さない。

取引先と支払情報

法人名・登録番号を置換し、口座は支払不能なテスト形式にする。実支払認証情報、税務添付及び高リスク連絡内容を削除し、実番号の一部だけを隠して残さない。

金額と日付

承認済みのずらし又は区分化で通貨、税及び閾値上下の関係を保つ。関連日付は一貫して移動し順序と期間を保持した上で、合計、境界及び異常を再検証する。

文章と添付

備考、契約及び請求書を検出規則で標識し、高リスク内容を人が抜取確認する。文書構造だけ必要なら同形式の架空添付に替え、作成者、path、thumbnail 及び改訂履歴を除く。

検証と納品

表間参照、承認経路、金額照合、ERP 冪等及び回復を検証し、社内名簿、時間及び希少組合せによる結合も試す。データ版、規則版、用途結果、残余リスク、アクセス期限及び消去処理を渡す。

企業 AI のマスキング境界は学習、検索、モデル、ログ及び出力まで含む

AIデータは学習集合、ベクトル庫、プロンプト、ツール、ログ、人のフィードバック間を移動します。モデル送信前の数項目置換だけでは、埋込み漏えい、自由文の秘密、出力再構成、下流複製を制御できません。経路ごとに保護します。

データ経路全体を図示する

事前学習・追加学習データ、検索知識、埋込み・ベクトル庫、prompt・会話、tool 入出力、人手 feedback、評価セット、運用ログ、cache 及び監視を別々に棚卸しし、構造化 upload だけを処理しない。

学習材料を処理しても、モデルが後で手掛かりを漏らさない証明にはならない

モデルは希少な断片を記憶し、無害に見える属性を組み合わせて識別情報を作る場合があります。元データ処理後も所属推論、属性推論、学習内容抽出を試し、モデル、ログ、出力利用を制限します。マスキングは一つの統制で、モデル安全性の証明ではありません。

検索前に決定的な権限を適用する

全件検索後にモデルへ秘密削除を任せない。テナント、利用者、対象、属性及び目的で検索前に絞り、最小断片だけを返し、prompt injection による権限迂回や tool 出力を防ぐ。

文書の根拠関係を維持する

氏名、番号及び組織の置換後も質問、回答及び根拠を整合させる。毎回異なる置換は段落間推論を壊し、安定仮名は結合リスクを増すため、評価目的で選ぶ。

埋込みは匿名複製ではない

ベクトルは元文の話題、所属又は機微属性を漏らし、類似検索で断片を露出し得る。ベクトル庫は元の権限、削除、テナント分離、版及び事故対応を継承する。

プロンプトとログを別途処理する

利用者は自由記述へ個人情報、契約、秘密及び認証情報を入力し得る。外部モデル、telemetry 又は人手 feedback 前に最小化と検証可能な墨消しを行い、失敗時は停止、隔離又は人手処理する。

出力検出を唯一の防線にしない

filter は一部の形式化識別子や秘密を見つけても、モデルが機微事実を推論・言換えしていないとは証明できない。元権限、tool 最小権限、内容方針、抽出試験及び人手引継ぎを組み合わせる。

保護と用途を同時評価する

言語、文書種、希少 entity、攻撃 prompt 及び利用者役割別に、見逃し、過剰削除、回答品質、根拠整合、tool 動作及び遅延を測る。規則、モデル、prompt、知識又は検出器の変更後に回帰する。

削除を派生資産へ伝播する

元記録の期限切れ又は撤回時、データセット、索引、埋込み、cache、評価セット、feedback 及び管理可能なモデル派生物を評価・処理する。精密削除不能なら、その限界、代替制御及び再構築条件を事前に示す。

隣接概念との違い

マスキング、仮名化、非識別化、匿名化、合成データはいずれも識別リスクを下げ得ますが、目的、可逆性、法的意味が違います。広い呼称だけで終わらず、実際の方法、攻撃想定、残余リスク、許可目的を示します。

概念マスキング済みデータとの境界
データマスキング表示又は複製中の値を変える技法群である。マスキング済みデータは目的、処理、検証及び残余リスクに結ぶ管理結果であり、技法だけで十分性は証明しない。
非識別化身元との関連低減を目的とし、再識別リスク評価を要する。実務上の「マスキング」は営業秘密や認証情報も含み得るため、法的同義語とは限らない。
仮名化識別子を仮名へ替え、別管理の追加情報で関連を戻せる。時系列又は表間関係を保てるが、対応表分離と継続保護が要る。
匿名化適用制度と状況における非識別性の結論で、通常は内部の管理マスキング又は仮名化より高い閾値を持つ。方法名だけで案件チームが宣言できない。
トークン化トークンと管理された対応サービスで原値を置換する可逆保護の一つである。形式、保管庫、権限及び結合動作がリスクを決める。
暗号化鍵で保存・通信を守り正確に復元できる。主に無権限閲覧を防ぎ、正規復号後の識別可能性は下げない。
墨消し文章、画像又は文書から機微範囲を除く局所技法である。文脈手掛かり、メタデータ及び処理漏れは別途試験する。
合成データ規則又はモデルで生成し、元レコードと一対一で対応しない場合がある。実データ利用を減らせても、匿名性や形式的プライバシーを自動保証しない。
データ最小化取得、利用及び保持を元から制限する。過剰複製後の処理より直接的なことが多く、マスキングは過剰収集の理由にならない。
アクセス制御誰がどの条件でデータへ届くかを決め、マスキングを補完する。弱いアクセスを弱いマスキングで補えず、マスキング後も最小権限が要る。
テストデータテスト目的の入力、状態及び参照を提供する。マスキング複製は、追跡、網羅、期待結果及び reset 方法を持って初めて適切なテストデータになる。

出典と適用範囲

本項は企業案件におけるマスキング済みデータを説明する。これは個人、組織又は業務上の機微情報が不適切に識別、閲覧、結合又は悪用されるリスクを下げるため、データの複製、照会結果又はデータフローへ管理された変換を施したデータである。ここでの「マスキング済みデータ」は実務上の総称であり、世界共通の法的・技術的状態ではない。マスキング、墨消し、仮名化、非識別化、匿名化、トークン化、暗号化、一般化、摂動及び合成データは目的、可逆性及び残余リスクが異なり、単に「サニタイズ済み」と呼ぶだけでは相互代替できない。本項は適用法上の匿名性判断、プライバシー影響評価、情報分類、アクセス制御、暗号設計、情報漏えい対策、合成データ技法、テストデータ、データ統治又はセキュリティ体系を完全には定義しない。利用・共有の可否又は規制上の取扱いは、適用地域、業界、契約、受領者、処理環境及び合理的に利用可能な外部情報に基づき別途判断する。