🔖 キーワード索引

📍 あなたが今見ているもの

用語集 → セキュリティ → 機密性 (Confidentiality)。CIA (機密性・完全性・可用性) の C 担当。暗号化・アクセス管理 は機密性を実装する具体的手段。

データ解析の文脈では「公開していい統計量」と「個人が特定できる個票」を分け、後者を保護することが機密性の中心テーマです。SSDSE は既に集計済みのオープンデータですが、本ページではあえて「もし個票だったら？」を想像し、$k$-匿名化や差分プライバシーで都道府県粒度に粗化するシミュレーションを行います。

🎨 直感で掴む

「机の上の書類に鍵をかける」のデジタル版。鍵をかける場所は 3 つあります：① 保存時 (at rest)、② 通信時 (in transit)、③ 利用時 (in use)。

機密性が破られる典型例： ① パスワードがメモ用紙に書いてある、② 公衆Wi-Fi で平文 HTTP を使う、③ ノート PC を電車に置き忘れる、④ アクセス権限が広すぎる、⑤ ログに個人情報を平文で書く、⑥ 集計テーブルから人物が特定できてしまう (差分攻撃)。

📐 数式・定義

$k$-匿名性 (k-anonymity): データセット $D$ の任意のレコードが、識別子 (準識別子) で見ると少なくとも他の $k-1$ レコードと区別できないこと。

$$ \forall r \in D, \quad \left|\{ r' \in D \mid \mathrm{QI}(r) = \mathrm{QI}(r') \}\right| \ge k $$

$\mathrm{QI}$ は準識別子 (都道府県・年齢階級・性別など)。$k$ が大きいほどプライバシー保護が強い。

差分プライバシー ($\varepsilon$-DP):

$$ \Pr[\mathcal{M}(D) \in S] \le e^{\varepsilon} \cdot \Pr[\mathcal{M}(D') \in S] $$

$D, D'$ は 1 レコードだけ違う隣接データセット。$\varepsilon$ が小さいほど「1 人加わっても結果がほとんど変わらない」=機密性が高い。Apple, Google, US Census が採用。

ラプラスメカニズム：

$$ \mathcal{M}(D) = f(D) + \mathrm{Lap}\!\left( \frac{\Delta f}{\varepsilon} \right) $$

$\Delta f$ は感度 (1 件変化でクエリの値が動く最大値)。例: SSDSE で「人口」を返すクエリなら $\Delta f = 1$。

AES の安全性 (簡略):

$$ \Pr[\mathrm{distinguish}] \le \mathrm{negl}(\lambda), \quad \lambda \in \{128, 192, 256\} $$

鍵長 $\lambda$ ビットの AES は、現実的計算量では区別不可能。

🔬 数式を言葉で読み解く

🧮 実値で計算してみる — SSDSE-B-2026 の機密性

仮に「年齢別・職業別・都道府県別」の個票が存在したとして、ある住民が再特定されないために必要な粗化粒度を見積もります。

→ SSDSE が都道府県粒度なのは、$k$-匿名性が十分高くなるための合理的な選択。

差分プライバシーの数値例:

🐍 Python 実装 — SSDSE-B-2026 のプライバシー保護

① SSDSE 読込と機密粒度の確認

import pandas as pd

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='utf-8', skiprows=1)

# 各セル (都道府県, 年度) は何人を代表しているか
size = df.groupby('Prefecture')['Total_population'].mean()
print('最小セルの人数:', size.min())  # 鳥取県  ≈ 55 万人 → k=55 万級
print('k-匿名性として十分: 都道府県集計は安全圏')

② AES-256 で SSDSE ファイルを暗号化保存

from cryptography.hazmat.primitives.ciphers.aead import AESGCM
import os

key = AESGCM.generate_key(bit_length=256)
aes = AESGCM(key)
nonce = os.urandom(12)

with open('data/raw/SSDSE-B-2026.csv', 'rb') as f:
    plaintext = f.read()

cipher = aes.encrypt(nonce, plaintext, associated_data=b'SSDSE-2026')

with open('data/raw/SSDSE-B-2026.csv.enc', 'wb') as f:
    f.write(nonce + cipher)

# 復号
data = open('data/raw/SSDSE-B-2026.csv.enc','rb').read()
plain = aes.decrypt(data[:12], data[12:], b'SSDSE-2026')
assert plain == plaintext

③ $k$-匿名性の確認

def k_anonymity(df, quasi_id_cols):
    counts = df.groupby(quasi_id_cols).size()
    return counts.min(), counts.describe()

k_min, summary = k_anonymity(df, ['Prefecture', 'Year'])
print(f'最小グループサイズ k = {k_min}')
print(summary)

④ ラプラスメカニズムで差分プライバシー集計

import numpy as np

def dp_sum(values, epsilon=1.0, sensitivity=1.0):
    noise = np.random.laplace(loc=0.0, scale=sensitivity / epsilon)
    return values.sum() + noise

# 都道府県別の人口合計に DP ノイズを加えて公開
dp_pop = df.groupby('Prefecture')['Total_population'].apply(
    lambda s: dp_sum(s, epsilon=1.0, sensitivity=1000))
print(dp_pop.head())

⑤ TLS で都道府県データを安全に送信 (HTTPS 例)

import requests

# TLS 1.3 の HTTPS 通信なら、 中身は中継ノードからは見えない
r = requests.get('https://www.stat.go.jp/data/ssdse/index.html',
                 verify=True, timeout=10)
print('証明書検証 OK:', r.status_code)

⑥ ログをマスキングして書き出す

import re, hashlib

def mask_email(s):
    return re.sub(r'([\w.\-]+)@', lambda m: m.group(1)[:2] + '***@', s)

def hash_id(s):
    return hashlib.sha256(s.encode()).hexdigest()[:12]

print(mask_email('analyst.taro@example.go.jp'))
print(hash_id('user_42_taro'))

⚠️ よくある落とし穴

🌐 関連手法・派生

• 暗号化 — AES, ChaCha20-Poly1305, RSA-OAEP, ECIES。
• TLS / HTTPS / VPN — 通信時の機密性。
• $k$-匿名性 / $\ell$-多様性 / $t$-近接性 — データセットの粗化。
• 差分プライバシー — 統計クエリにノイズ。
• 連合学習 (FL) — データを動かさず学習。
• 準同型暗号 / MPC — 暗号文上で計算。
• TEE (Intel SGX, AMD SEV, ARM TrustZone) — ハードウェア隔離実行。
• アクセス制御 (RBAC, ABAC) — 権限の最小化。
• DLP (Data Loss Prevention) — 外部送信の検査。
• マスキング / トークン化 — DB レベルの粗化。

🔗 関連用語

前提：

並列 (CIA)：

発展・脅威：

🗺 概念マップ

情報セキュリティ (CIA)
├─ 機密性 (Confidentiality) ★
│   ├─ 暗号 (at rest / in transit / in use)
│   ├─ アクセス制御 (RBAC / ABAC)
│   ├─ プライバシー保護 (k-匿名 / DP / MPC)
│   └─ 法令 (個情法 / GDPR / HIPAA)
├─ 完全性 (Integrity)
└─ 可用性 (Availability)

機密性 ★
├─ 攻撃面：盗聴 / 内部不正 / サイドチャネル
└─ 対策：暗号化 / 認証 / マスキング / DLP

📚 関連グループ教材

• 📚 AI 倫理・公平性 — セキュリティとプライバシー
• 📚 AI クラウド — KMS, IAM, データ暗号化
• 📚 AI ガイドライン — 個人情報保護法・GDPR