在 Looker Studio 中透過圖表呈現重新識別作業的風險

本主題將說明如何使用 Sensitive Data Protection 測量資料集的k-anonymity，然後使用視覺化方式呈現在 Looker Studio 中。如此一來，您也可以更充分瞭解風險，並協助評估如要將資料遮蓋或去識別化時，可能必須在實用性上做哪些取捨。

雖然本主題的重點是呈現 k-anonymity 重新識別風險分析指標，但您也可以使用相同方法，以視覺化方式呈現 l-diversity 指標。

本主題假設您已熟悉 k-anonymity 的概念，及其用於評估資料集內記錄重新識別性的實用性。此外，您也應至少稍微熟悉如何使用 Sensitive Data Protection 計算 k-anonymity，以及如何使用 Looker Studio。

簡介

去識別化技術可以協助您在處理或使用資料時，有效保護當事人的隱私權。但是，您要如何得知資料集是否做了充分的去識別化呢？還有，如何察覺去識別化作業是否造成資料損失過多，而不適合您的用途？也就是說，您可以如何比較重新識別風險與資料的實用性，進而做出資料導向的決策呢？

計算資料集的 k-anonymity 值，有助於藉由評估資料集記錄是否能重新識別，來解答上述問題。Sensitive Data Protection 內建的功能可讓您根據指定的準識別項，計算資料集的 k-anonymity 值。這可以協助您快速評估將某一資料欄或某組資料欄去識別化，將使資料集能被重新識別的機率增加還是減少。

範例資料集

以下是某個大型範例資料集的前幾行。

為符合本教學課程的目的，user_id 將不在此說明，因為我們重點是在準識別項上。在現實生活中，您會希望確保 user_id 經過正確遮蓋或代碼化。score 資料欄專用於這個資料集，而攻擊者不太可能會利用其他方式來得知此內容，因此您不會將此納入分析範圍。其他 age 和 title 資料欄才是您的重點，因為攻擊者可能會透過其他資料來源知悉某一個人的資料。對於資料集，您要找出以下問題的解答：

• 這兩個準識別項 (age 和title) 對去識別化資料的整體重新識別風險有何影響？
• 運用去識別化轉換會如何影響這個風險？

您應確保 age 和 title 的組合不會對應到少數使用者。舉例來說，假設在資料集中只有一位使用者職稱為「程式設計師 I」且年齡是 69。攻擊者可能可以利用人口統計或其他可用資訊，交叉參照以上資訊，猜出這個人是誰，並得到分數值。k

步驟 1：對資料集計算 k-anonymity

首先，將下列 JSON 傳送至 DlpJob 資源，使用 Sensitive Data Protection 對資料集計算 k-anonymity。在這個 JSON 中，您將實體 ID 設為 user_id 欄，並將 age 和 title 欄識別為兩個準 ID。此外，也要指示 Sensitive Data Protection 將結果儲存到新的 BigQuery 表格中。

JSON 輸入：

POST https://dlp.googleapis.com/v2/projects/dlp-demo-2/dlpJobs

{
  "riskJob": {
    "sourceTable": {
      "projectId": "dlp-demo-2",
      "datasetId": "dlp_testing",
      "tableId": "dlp_test_data_kanon"
    },
    "privacyMetric": {
      "kAnonymityConfig": {
        "entityId": {
          "field": {
            "name": "id"
          }
        },
        "quasiIds": [
          {
            "name": "age"
          },
          {
            "name": "job_title"
          }
        ]
      }
    },
    "actions": [
      {
        "saveFindings": {
          "outputConfig": {
            "table": {
              "projectId": "dlp-demo-2",
              "datasetId": "dlp_testing",
              "tableId": "test_results"
            }
          }
        }
      }
    ]
  }
}

當 k-anonymity 工作處理完畢後，Sensitive Data Protection 就會將工作結果傳送到名為 dlp-demo-2.dlp_testing.test_results 的 BigQuery 表格。

步驟 2：將結果連結至 Looker Studio

接下來，您要將步驟 1 所產生的 BigQuery 表格連接到 Looker Studio 中的新報表。

1. 開啟 Looker Studio。

   開啟 Looker Studio

2. 依序點選「建立」 >「報表」。

3. 在「連結至資料」下方的「將資料新增至報表」窗格中，按一下「BigQuery」。您可能需要授權 Looker Studio 存取 BigQuery 資料表。

4. 在欄選擇器中，選取「我的專案」。然後選擇專案、資料集和資料表。完成後，按一下「新增」。如果看到「您即將在這份報表中加入資料」的通知，請按一下「加入報表」。

k-anonymity 掃描結果就會加到新的 Looker Studio 報表中。在下一個步驟中，您將會建立圖表。

步驟 3：建立圖表

如要插入及設定圖表，請按照下列步驟操作：

1. 在 Looker Studio 中，如果出現值表格，請選取並按下 Delete 鍵移除。
2. 在「插入」選單中，按一下「組合圖」。
3. 在畫布上按一下，然後在您要顯示圖表的地方畫一個矩形。

接著，在「資料」分頁下方設定圖表資料，讓圖表顯示改變值區的大小和值範圍會產生的影響：

1. 將游標指向下列標題下方的每個欄位，然後按一下 cancel X，清除這些欄位，如下所示：
   
   • 日期範圍維度
   • 尺寸
   • 指標
   • 排序
2. 清除所有欄位後，將「upper_endpoint」欄位從「可用欄位」欄拖曳到「維度」標題。
3. 將「upper_endpoint」欄位拖曳到「Sort」(排序) 標題，然後選取「Ascending」(遞增)。
4. 將「bucket_size」和「bucket_value_count」欄位拖曳到「指標」標題。
5. 指向「bucket_size」bucket_size指標左側的圖示，編輯圖示 edit 便會出現。 按一下「編輯」edit圖示，然後執行下列操作：
   1. 在「Name」(名稱) 欄位中輸入 Unique row loss。
   2. 在「Type」(類型) 下方，選擇「Percent」(百分比)。
   3. 在「比較計算」下方，選擇「總計百分比」。
   4. 在「累計計算」下方，選擇「累計加總」。
6. 對「bucket_value_count」指標重複執行上一個步驟，但在「Name」(名稱) 欄位中輸入 Unique quasi-identifier combination loss。

完成後，資料欄應顯示如下：

最後，設定圖表，針對兩個指標顯示折線圖：

1. 在視窗右側窗格中，按一下「樣式」分頁標籤。
2. 針對數列 #1 和數列 #2，選擇「線條」。
3. 如要查看最後的圖表，請按一下視窗右上角的「查看」visibility按鈕。

完成上述步驟後，圖表範例如下。

解釋圖表

在產生的圖表上，y 軸會繪製出為達到 x 軸上的 k-anonymity 值，可能損失的資料百分比 (包括不重複資料列和不重複準識別項組合)。

k-anonymity 值越高，表示重新識別的風險越低。不過，如要達到更高的 k-anonymity 值，您需要移除更高百分比的總資料列和更高比例的準識別項組合，這可能會降低資料的實用性。

幸好捨棄資料不是降低重新識別風險的唯一選擇。其他去識別化技術可以在損失和實用性之間取得較好的平衡。舉例來說，如要解決 k-anonymity 值偏高和這個資料集相關的資料損失問題，您可以試著將年齡或職稱進行特徵分塊，藉此降低年齡/職稱組合的獨特性。比方說，您可以嘗試將年齡分為 20-25、25-30、30-35 等範圍的特徵分塊。如要進一步瞭解如何操作，請參閱「一般化與特徵分塊」和「將文字內容中的機密資料去識別化」等文。