國泰資料外洩其實有咩implications?
國泰乘客資料外洩，洩漏咗940萬位乘客資料，令全城嘩然。市民大眾對一件大事過咗咁耐先公佈感到好憤怒同不可思議。政府個人資料私隱專員公署就只係講咗話難以接受，同乘客期望有落差云云。更有議員話係因為炒得太多IT 人，所以造成無人24小時監察住個網絡情況，令到被人攻擊之類。
圖片來源：國泰航空
但係喺眾多嘅討論之中，有一個重點往往被忽略：就係點解測試要用真實乘客嘅數據 ?
其實事情嘅源由，係因為國泰一個 Vendor 有晒國泰所儲落嘅個人資料，佢哋嘅網絡被人入侵，導致國泰嘅 Testing Network 都畀人入侵。咁大家如果有軟件開發嘅經驗，大家都知道有一樣野叫做 Testing Environment，即係專為測試而設嘅環境。咁入面嘅數據就理所當然理論上同實際上 Production Environment 嘅數據唔會共用。
但係大家都知道理想同現實總係⋯⋯
圖片來源：http://www.projectcartoon.com/cartoon/2
唔少 Vendor 甚至大公司，因為時間、資源問題，都會直接使用 Production Data 作為 Testing environment 嘅數據來源。就結果喺咁多個因素加埋一齊之下，就發生咗呢個大規模資料外洩事件。
其實方法不外乎兩大類：
- 自己作Testing Data
- 數據匿名化 (Data Anonymization)
自己作Testing Data
呢個方法大家都一定用過，因為如果要做好簡單嘅 Integration test 就會用到呢個方法。好處就係因為係自己整 Testing Data，基本上乜野組合都可以有齊，無身份證無年齡之類係現實世界好難遇到嘅問題你都可以做得到。
但係問題好顯而易見，就係要整咁多 Testing Data 係非常費時失事，而大家都明白整 Testing data 呢個感覺上吃力不討好嘅行為解釋畀 Non-technical 嘅人又要大費唇舌。可能你努力做咗幾日之後，換來嘅係上司嘅一句：「你倒個 Production DB 落去咪得囉！」
呢個亦都係上面理想同現實差咁遠嘅主要原因。
咁有無第 二個方法解決呢個問題呢？ 其實係有嘅！
數據匿名化(Data Anonymization)
所謂數據匿名化，係指將原本敏感嘅個人資料，經過數據處理後﹐變成唔會洩漏大家身份嘅普通資料。
圖片來源：https://phys.org/news/2016-03-hitachi-technology-anonymize-encrypted-personal.html
以下就分享幾個常見數據匿名化嘅技巧：
-
數據項移除 (Attribute Suppression) 簡單嚟講就係好似 Excel 入面咁成個欄移除咗，通常呢個技巧用係一啲好敏感嘅資料之上：例如：姓名、身份證號碼，因為呢一類資料一洩漏咗就好大問題，而除咗用嚟 verify 係咪佢本人之外實在無咩其他用途，所以除咗移除之外係無任何其他選擇。
-
自製數據代替 (Psuedonymisation) 呢個同上面作 Data 有啲相似，唔同嘅係唔一定要由頭作到尾，例如用 programming 常見嘅hashing 就可以將每一個人嘅姓名都匿名化，但係又唔會重覆。
-
少量改動數據 (Data Perturbation) 有一啲數據類型只要一少量改動就無任何意義，例如如果將每一列個人資料嘅出生日期提前五日，再加上其他數據匿名化嘅技巧，即使有駭客入侵，亦都無用武之地。
-
模糊數據 (Generalization) 好似年齡之類嘅資料，如果將年齡由一個數字改為 20-29, 30-39, 40-49，基本上亦會大大減低數據的用途，但係又唔會影響其他功能。
以上就係幾個常用嘅數據匿名化技巧，如果大家有興趣知多一點，可以去以下呢個網址，有詳盡的例子解說。
（按：無錯，係新加坡政府嘅官方文件⋯⋯）
希望大家下次接觸到相似嘅問題時候，會諗起數據匿名化呢樣野，咁資訊安全就更得到保障了。