狠狠撸

Tech x Marketing meetup #2 2020.06.17
Web Privacy Survival Guide
Presented by Katsunori Kanda @potix2

? 2020 DENTSU DIGITAL Inc. 2
今日のはなし
● 匿名化とは
● After 3rd party cookie
● フィンガープリント
● アンチフィンガープリント

とあるアンケートで???
年齢、性別
生年月日、会社名
病状、趣味嗜好氏名

氏名は削除されているけど個人が特定できる
A社で、20代、女性って
私しか居ないじゃない！
PROFILE
? 20代
? 女性
? 港区在住
? A社在勤
? お洒落感度高い
? お菓子好き
年代性別勤務先
30代男 A社
30代女 B社
30代女 B社
20代男 A社
30代女 B社
20代男 A社
20代女 A社
アンケート結果（匿名化されてる？）

個人識別子の削除 ≠ 匿名化
年齢、性別
生年月日、会社名
病状、趣味嗜好氏名
個人識別子(Explicit Identifiers)
※単独で個人特定が可能
準識別子(Quasi Identifiers)
※組み合わせることで個人特定可能
機微情報
→知られたくない情報

匿名化とは再特定リスクを減らすためのデータ加工
生年月日性別勤務先
1990/11/28 男 A社
1989/6/10 女 B社
1986/4/15 女 B社
1992/1/2 男 A社
1988/3/3 女 B社
1995/8/4 男 A社
2000/10/10 女 A社
年代性別勤務先
30代女 B社
30代女 B社
30代女 B社
20代男 A社
20代男 A社
20代男 A社
「一般化」と「秘匿」という変換で
再特定リスクを減らす
一般化
20代A社勤務の女性は特定可能なので削除
秘匿
元データ匿名化済みデータ
3-匿名化 =
1グループ
3レコード以上を保証

WEBの世界ではクッキーが個人識別子として使われている
UserAgent / DNT
Canvas / Plugins
/ System Fonts
サイト来訪履歴
（購買履歴等）
Cookie /
LocalStorage
個人識別子(Explicit Identifiers)
※単独で個人特定が可能
準識別子(Quasi Identifiers)
※組み合わせることで個人特定可能
機微情報
→知られたくない情報
3rd-Party クッキーはオワコンに???

ブラウザーフィンガープリントとはブラウザーから得られる情報からデバイスを識別する技術
特徴によって識別情報をどの程度与えるかが異なる（個人の環境に左右されるので以下は参考情報）
https://panopticlick.eff.org/
ブラウザーから得られる特徴情報量
User Agent 大
Canvasフィンガープリント大
フォント大
IPアドレス大
言語中
DNT設定小
プラグイン小
など???
下記サイトで
識別可能性を確認できる

アンチフィンガープリント技術がWebプライバシー保護には必要という機運が高まっている
課題感は一致しているが、対応状況はブラウザーごとにまちまち
Chrome
UserAgentの廃止: 今年の1月にアナウンスがあって段階的な停止中。2020年9月にリリース予定
のM85で最終段階に。今後は、HTTP Clients Hintsを使う。
https://www.zdnet.com/article/google-to-phase-out-user-agent-strings-in-chrome/
Firefox
Firefox 72 blocks third-party fingerprinting resources: フィンガープリントは有害と断
言している。Disconnect社と提携しフィンガープリント提供会社のリストを取得。
https://blog.mozilla.org/security/2020/01/07/firefox-72-fingerprinting/
Safari
Safari Privacy Overview: アンチフィンガープリント機能は、デフォルトONになっていてユー
ザーが制御できる部分はない。
https://www.apple.com/safari/docs/Safari_White_Paper_Nov_2019.pdf
Mozilla/5.0って誰使ってるの?

W3Cによるとフィンガープリントによる被害軽減にはいくつかのレベルがある
● フィンガープリント採取面(Fingerprinting Surface)を減少させる
● 匿名性を高める（標準化、実装の一般化）
● フィンガープリントを検出可能にする
● ローカルの状態をクリアできるようにする
https://w3c.github.io/fingerprinting-guidance/
「Mitigating Browser Fingerprinting in Web Specifications」によると
これらの対策はいずれもプライバシー保護の改善に貢献することがわかっている

UserAgentが廃止されると、UserAgent Clients Hintsで必要な情報を取得する必要がある
Client Server
GET: /foo.html
Sec-Ch-UA: "Google Chrome"; v="83"
Accept-CH: UA-Platform, UA-Full-Version
GET: /bar.html
Sec-Ch-UA: "Google Chrome"; v="83"
Sec-Ch-Platform: "Mac OS X"; v="10_14_4"
Sec-Ch-Full-Version: "83.0.4103.106"
初回アクセス時は
最低限の情報のみ
サーバー側で必要な
情報を要求する
要求を受け付けた次の
リクエストから情報を付加
する
chrome://flags から
Experimental Web Platform Features を
有効にすると確認できます
参考: User-Agent Clients Hints Draft Community Group Report, 27 May 2020
https://wicg.github.io/ua-client-hints/

まとめ
● 匿名を実現するには
○ 個人識別子の削除だけでは不十分
○ 準識別子の扱いに注意を払う必要がある
● WEBの世界では、クッキー = 個人識別子、ブラウザー情報 = 準識別子
● WEB上でのプライバシー保護のため個人識別子への対策はとられてきた
● これからは、ブラウザーフィンガープリントへの対策が重要になって
きている
○ 各ブラウザーで対策の足並みは揃ってない
○ Http Clients Hintsなどの標準仕様の提案も行われている

参照
● [WEB] Mitigating Browser Fingerprinting in Web Specifications
○ https://w3c.github.io/fingerprinting-guidance/
● [WEB] Valve/Fingerprintjs2
○ https://github.com/Valve/fingerprintjs2
● [WEB] Brave - Fingerprinting Protections
○ https://github.com/brave/brave-browser/wiki/Fingerprinting-Protections
● [WEB] User-Agent Client Hints
○ https://wicg.github.io/ua-client-hints
● [WEB] HTTP Client Hints
○ https://httpwg.org/http-extensions/client-hints.html
● [書籍] データ匿名化手法 ―ヘルスデータ事例に学ぶ個人情報保護
○ https://www.amazon.co.jp/dp/4873117240/

プライバシー保護データマイニング
世に出回っているあらゆるデータのうち、ビジネス上価値が高いパーソナルデータを
利活用する上でプライバシーを保護するために個人が特定されないために施すデータ
加工
Privacy Preserving Data Mining : PPDM
21世紀に入って発展してきた分野
PPDMの手法の中で「匿名化」がある（その他、攪乱、秘密計算法など）
※パーソナルデータ
個人情報に該当しない可能性のある情報も含めた情報

Link Attack
k-匿名性（後述）を提唱した Sweenyによると、マサチューセッツ州知事の医療記録が
公開情報から特定可能であることが実証された。
両方のデータを照合すると、 6名が知事と同じ生年月日、うち 3名が男、うち1名が同じ郵便番号。
? 来院日
? 診断内
容
? 処方薬
? 支払額
? 名前
? 政党
? 投票
歴
? 郵便番
号
? 生年月
日
? 性別
病院記
録
選挙人名
簿

k-匿名性（k-anonymity）
生年月日性別
1990/11/28 男
1989/6/10 女
1986/4/15 女
1992/1/2 男
1988/3/3 女
1995/8/4 女
1960/10/10 男
生年月日性別
80年代女
80年代女
80年代女
90年代人
90年代人
90年代人
Latanya Sweeney氏が提唱
匿名化手法のひとつ
同様の属性を持つ人を k人以上存在するように加工す
る
具体的には
?準識別子の抽象度を上げる（一般化）
?特異なデータ項目は削除（抑制）
×削除（抑制）
1グループ3レコード以上を保証
＝3?匿名化されたデータ

k-匿名性の問題点
生年月日郵便番号性別趣味嗜好
80年代 105-* 女お菓子好き
80年代 105-* 女お洒落好き
80年代 105-* 女お洒落好き
90年代 105-* 人自動車好き
90年代 105-* 人自動車好き
90年代 105-* 人お洒落好き
趣味嗜好など機微情報を含めて考えたときに、各グループ内で偏りが出ると、
特殊な趣味の場合、やはり個人が特定されやすい。
グループ内では少数の趣
味

識別と特定の違い
匿名化された情報とは
? 一人のデータである事は識別出来たが、個人まで特定出来ない情報（識別非特定情報）
? 一人であることも分からないし、個人とも特定出来ない状態（非識別非特定情報）
＝識別出来なければ特定は出来ない
識別性
特定性
あるデータが、ある一人のデータであること判断出来るかどうか
例）ある一名であると判断出来ると、「識別可能」と呼ぶ
あるデータが、誰のデータであることを判断出来るかどうか
例）一名とは限らない個人が特定出来ると、「特定可能」と呼ぶ

狠狠撸

Web Privacy Survival Guide

More Related Content

Web Privacy Survival Guide