米国人の大多数（87%）は、生年月日、5桁の郵便番号、性別という3つの個人データだけで個人を特定できることをご存じでしょうか。少し不安になりますよね。
このよく引用される統計は、当初、約15年前の2001年に発表された AT&Tの研究論文 で、個人を特定できる情報（PII）について報告されました。この報告以降、日付は変わり、データ量は飛躍的に増加しましたが、課題は変わっていません。プライバシーを守るために個人のアイデンティティを保護することです。
PIIは匿名化データをめぐる議論の核心にあります。 前回の投稿では、匿名化データに関するある考え、すなわち 匿名化データによって個人のアイデンティティは秘密に保たれるという考えに異議を唱えました。より正確な表現として、私は次のように提案しました。 匿名化データから個人が再特定される可能性があるということです。これについて、もう少し掘り下げてみましょう。
PIIと匿名化データについて。データを匿名化（または識別不能化）するとは、どういう意味でしょうか。簡単に言えば、特定の個人を特定できる情報をデータセットから取り除くことです。たとえば、本人の氏名、クレジットカード番号、社会保障番号、自宅住所などです。データブローカーなど、消費者データを販売する企業は通常、匿名化された、しばしば集計されたデータのみを販売します。では、これらのデータセットからPIIが削除されている（下図参照）なら、何が問題なのでしょうか。
単一のデータセット（上の例のようなもの）について話しているのであれば、おそらく大きな問題ではありません。しかし、複数のデータセットを組み合わせると、興味深いことが起こります。下図は、データ集約業者（またはブローカー）がデータセットを扱う方法を単純化して示したものです。
この2つのデータセットはまったく無害かもしれませんが、組み合わせて長期にわたり分析すると、新たなプライバシー上の懸念が生じる可能性があります。Microsoftの シンシア・ドワークは、次のように説明しています。「私がパンを買っていると知ることに、どんな害があるでしょうか。それを知っても害はありません。しかし、時間がたつにつれて私がパンを買わなくなったことに気づけば、糖尿病になったのではないかと推測するかもしれません……ここで起きているのは、プライバシー保護の仕組みの不備です。それらが効果的に組み合わさっていないのです。」
なぜこれが重要なのか。先ほどの問いに戻りましょう。個人を特定できる情報（PII）が削除され、集計されたうえで販売されたり、第三者に渡されたりするなら、何が問題なのでしょうか。
問題はこうです。今日のビッグデータ技術によって、この匿名化データから個人を再特定することが容易になりつつあります。1つまたは複数のデータセットから匿名化された情報を再び結び付けるためのプログラミング技術が、開発され続けています。したがって、ある企業が他者に渡す前にデータを匿名化すると言っても、高度な再特定技術によってあなたの身元が明らかになる可能性があることを認識しておいてください。
実際、この問題をめぐって激しい議論が続いています。一方の立場は、データの匿名化に用いられている技術やアルゴリズムを強く支持しており、技術がまだそこまで進んでいないため個人が再特定されることはないと、かなり自信を持っています。もう一方はそれを信じず、再特定アルゴリズムは実際に機能しており、ますます性能が向上していると主張します。また、現在使われている匿名化技術の中には、単純に機能しないものがあるとも指摘しています。
私は後者の立場に賛成する傾向があります。今はまだ起きていないとしても、個人をより速く再特定するだけでなく、より迅速かつ低コストでそれを実現するほど、技術やアルゴリズムが高度化するのは時間の問題です。
最後にもう一点。再特定アルゴリズムは善でも悪でもありません。使い方次第です。ですから、善意の企業やデータブローカーが、あなたの個人情報は保護され、他者と共有されたり販売されたりしないと説明しても、警戒を解いてよいという意味ではありません。仕組みはもうお分かりでしょう。注意を怠らず、警戒を続けてください。
この記事は、 Smart Data Collectiveとの協力により掲載されています。記事の掲載は、世界経済フォーラムがその見解を支持することを意味するものではありません。
Agendaの最新情報を受け取るには、 週刊ニュースレターにご登録ください。
著者：タマラ・ダルは、SAS Instituteの思想的リーダーシップ組織であるSAS Best Practicesチームで、新興技術担当ディレクターを務めています。
画像：コンピューター画面の前に虫眼鏡が掲げられている。REUTERS/Pawel Kopczynski。