一句话回答
IP 匿名化(IP 截断或遮盖)是在存储或查询之前,把 IP 地址的末尾部分置零,例如 IPv4 地址的最后一个字节、IPv6 地址的后 80 位。它降低的是精度。结果是否不再是个人数据,取决于还有什么信息能识别到这个人。
IP 地址是个人数据吗?
在欧盟和英国的法律里,常常是,但答案是一个判断标准,而不是一个标签。GDPR 把个人数据定义为与已识别或可识别的自然人有关的任何信息,并把「在线标识符」列为识别一个人的方式之一(第 4 条第 1 款)。鉴于条款 30 把互联网协议地址(IP 地址)作为这类标识符的例子。鉴于条款 26 给出判断标准:要考虑所有「合理可能被用来」识别这个人的手段,并把识别所需的成本和时间算进去。
欧盟法院在 Breyer 案(C-582/14,2016 年 10 月 19 日)里用的就是这个标准。一家网站运营方保存了访客的动态 IP 地址。法院认为,运营方如果有合法途径,能把它和网络服务商掌握的该人的其他数据结合起来识别访客,那么动态地址对这个运营方就是个人数据。简单说:如果有人能合理地把地址和某个具体的人联系起来,它就是个人数据,而网络服务商的用户记录就是一条这样的联系。
本页讲技术并引用法规原文,不构成法律意见;你自己的数据算不算个人数据,应该问你的数据保护负责人或律师。
IP 匿名化是什么意思
IP 匿名化,也叫 IP 截断或 IP 遮盖,是在地址被存储或继续使用之前,把 IP 地址的末尾部分置为 0。IPv4 地址有四个字节,常见设置是把最后一个或最后两个字节清零;IPv6 地址则只保留前缀,比如前 64、56 或 48 位。
Google 旧版 Universal Analytics 的文档是个很清楚的公开例子:打开它的 IP 遮盖选项后,IPv4 地址的最后一段被置零(12.214.31.144 变成 12.214.31.0),IPv6 地址 128 位里的后 80 位被置零,这一步在内存里完成,在写入磁盘之前。
这个名字有点客气。这项技术做的事是降低精度,得到一个更粗的地址;这个更粗的地址是否仍然指向某个人,是另一个问题,下面会讲。想了解「让数据无法识别到人」的一般含义,见匿名化;想了解较弱的、补充信息就能还原的版本,见假名化。
算例:截断之后还剩什么
示例数据:一位访客,用文档保留网段的地址 203.0.113.42(IPv4)和 2001:db8:4a2b:7c10:a1b2:c3d4:e5f6:1(IPv6)。第二列是截断后剩下的地址,第三列是共用这个截断值的地址数量。
| 设置 | 保留的地址 | 看起来相同的地址数 |
|---|---|---|
| IPv4,不截断 | 203.0.113.42 | 1 |
| IPv4,最后 1 字节清零 | 203.0.113.0 | 2^8 = 256 |
| IPv4,最后 2 字节清零 | 203.0.0.0 | 2^16 = 65,536 |
| IPv6,不截断 | 2001:db8:4a2b:7c10:a1b2:c3d4:e5f6:1 | 1 |
| IPv6,保留 /64 | 2001:db8:4a2b:7c10:: | 2^64(约 1.8 × 10^19),一个子网 |
| IPv6,保留 /56 | 2001:db8:4a2b:7c00:: | 256 个 /64 子网 |
| IPv6,保留 /48 | 2001:db8:4a2b:: | 65,536 个 /64 子网 |
IPv4 每多清一个字节,人群就扩大 256 倍,但人群大只有在真有人填满它时才有用。大学网络里一个 256 个地址的网段可能有几百个活跃用户;一家小型地区运营商的网段里可能只有三个用户。
截断之后仍能认出某个人的情况
示例数据:一个小网站一周内记录了 30 位访客,截断最后一个字节后,他们落进 12 个同样大小的网段。其中 6 个网段只有 1 位访客,2 个网段有 2 位,其余 4 个网段分别有 3、4、5 和 8 位。
- 在自己网段里独自一人的访客:6 ÷ 30 = 20%。
- 所在网段只有 2 人或更少的访客:10 ÷ 30 = 33%。
- 所在网段有 5 人或更多的访客:13 ÷ 30 = 43%。
在这份日志里,每五位访客就有一位,仍然是自己所在网段里只有他一人的访客。再加上每一行的浏览器、语言和时间,更多行可以被区分开。第 29 条工作组(Article 29 Working Party)2014 年关于匿名化技术的意见 05/2014(WP216)给任何技术都提了三个问题:还能不能把某个人挑出来、能不能把关于同一个人的两条记录连起来、能不能推断出关于他的信息?清零一个字节,对这份日志里的一部分人,至少第一个问题的回答仍然是「能」,所以结果是风险更低的地址,不是匿名的地址。
截断、哈希与匿名化的对照
| 技术 | 做了什么 | 为什么不会自动变成匿名 |
|---|---|---|
| 截断 | 让地址变粗(见上表) | 网段里人很少,加上同一行的其他字段,仍可能挑出某个人 |
| 对地址做普通哈希 | 用固定长度的字符串替换地址 | IPv4 只有 2^32 = 4,294,967,296 个可能的取值,任何人都能把它们全部哈希一遍再对照;WP216 提醒过,已知输入范围时可以重放哈希 |
| 带密钥的哈希,密钥另外保管 | 没有密钥就算不出输出 | 仍然是假名化(第 4 条第 5 款):密钥有效期间同一输入总得到同一个 ID,这个 ID 能把一位访客的记录连起来 |
| 带密钥的哈希,按计划删除密钥或盐 | 昨天的 ID 无法和今天的连起来 | 跨天的可关联性没有了;同一天之内,这个 ID 仍然能挑出一位访客 |
| 聚合(只留计数) | 保留总数,丢掉行 | 很小的计数仍可能暴露个人;消失的是行级数据 |
WP216 明确写道:假名化不是匿名化的方法。它是一项有用的安全措施,降低了数据集与某个身份对应起来的难度。
常见误区
- 「把最后一个字节清零就匿名了。」它只是变粗了。上面几节说明了为什么在小日志里,更粗的地址仍可能指向某一个人。
- 「哈希过的 IP 是匿名的。」对 IPv4 地址做普通哈希,把所有地址试一遍就能还原。带密钥的哈希更强,但密钥保留期间它仍是一个稳定的假名。
- 「会变的地址不算个人数据。」 Breyer 案讲的恰恰是动态地址,法院认定,对一个有合法途径取得服务商记录的运营方,它是个人数据。
- 「我们不存 IP,所以没有个人数据。」地址只是输入之一。由它得出的访客 ID、用户 ID 或设备 ID,每一个都可能是个人数据。
- 「截断会毁掉位置数据。」它会模糊城市和地区。国家是否还准确取决于工具;TapCub 在截断之前就用完整地址读出国家。
- 「监管机构列的条件就是法律定义。」法国 CNIL 在受众测量免同意的条件中,列有截断 IP 地址的最后一个字节。这只是清单里的一条条件,不是「截断后的地址是匿名的」这样的裁定。
在 TapCub 里怎么处理 IP 地址
假设你运营的网站有欧盟和英国的访客,想让地址尽量轻地被处理。在 TapCub 里是这样走的:
- 地址从不写进事件。采集端读取它来查国家和城市、生成访客 ID,然后丢弃。限流用的 key 也是地址的截断形式或带密钥的形式,不是地址本身。
- 截断默认关闭。在 配置 › 合规中心 里,可以对 IPv4 清零 1 或 2 个字节,对 IPv6 保留 /64、/56 或 /48 前缀,可以整个项目统一设,也可以按地区设。截断只改变用于城市查询的那个地址,国家始终取自完整地址。
- 让合规中心来提醒。如果最近 30 天里有欧盟或英国的访客,合规中心会建议只对这些地区开启截断,其他地区保持不变。
- 清楚它不改变什么。访客 ID 是对地址、浏览器和站点盐做的带密钥哈希,截断不改变它,这个 ID 仍然是假名。默认的平衡模式下,盐按站点保存,所以能跨天认出回访访客;严格模式下盐每天更换,昨天的 ID 无法和今天的连起来。
- 要走 CNIL 免同意路径,就用预设。CNIL 预设会强制 IPv4 至少截 2 个字节、IPv6 至少保留 /64 前缀,地区规则不能放宽它。
每一步都可以用IP 匿名化演示看到,它在你的浏览器里运行同样的步骤。保留期和其他隐私设置,见IP 截断与保留期怎么运作。TapCub 不会告诉你,在你的情况下截断后的数据算不算个人数据;它只改变采集什么,这个判断仍然在你手里。
资料来源
- EUR-Lex,Regulation (EU) 2016/679(GDPR):第 4 条第 1、5 款,鉴于条款 26 和 30。
- 欧盟法院,Breyer,Case C-582/14,2016 年 10 月 19 日判决。
- 第 29 条数据保护工作组,Opinion 05/2014 on Anonymisation Techniques(WP216)。
- Google Analytics 帮助,IP masking in Universal Analytics(旧版)。
- CNIL,Sheet n°16: Use analytics on your websites and applications。
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
