---
id: CP-308
slug: tokumeika-kameika-ai-saishikibetsu
lang: ja
title: AIに質問する前の匿名化と仮名化
description: 名前をコードに置き換えても、データは匿名になりません。AIに文章を貼り付ける前に、CNIL、ANSSI、NCSCが述べていることを紹介します。
canonical_url: https://startbrain.io/cyberpedia/ja/articles/tokumeika-kameika-ai-saishikibetsu/
markdown_url: https://startbrain.io/cyberpedia/ja/articles/tokumeika-kameika-ai-saishikibetsu.md
publisher: Brain (https://startbrain.io)
license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
cite_as: Brain, 「AIに質問する前の匿名化と仮名化」, Cyberpedia, 2026. https://startbrain.io/cyberpedia/ja/articles/tokumeika-kameika-ai-saishikibetsu/ (CC BY 4.0)
wing: 4
theme: protect_data
reflex: air-024
schema: G5
updated: "2026-11-14"
translations:
  ja: https://startbrain.io/cyberpedia/ja/articles/tokumeika-kameika-ai-saishikibetsu/
  fr: https://startbrain.io/cyberpedia/fr/articles/anonymisation-pseudonymisation-ia-reidentification/
  en: https://startbrain.io/cyberpedia/en/articles/anonymisation-vs-pseudonymisation-ai-reidentification/
  de: https://startbrain.io/cyberpedia/de/articles/anonymisieren-pseudonymisieren-ki-reidentifizierung/
  es: https://startbrain.io/cyberpedia/es/articles/anonimizar-seudonimizar-ia-reidentificacion/
  it: https://startbrain.io/cyberpedia/it/articles/anonimizzazione-pseudonimizzazione-ia-reidentificazione/
  nl: https://startbrain.io/cyberpedia/nl/articles/anonimiseren-pseudonimiseren-ai-heridentificatie/
  pl: https://startbrain.io/cyberpedia/pl/articles/anonimizacja-pseudonimizacja-ai-reidentyfikacja/
  pt: https://startbrain.io/cyberpedia/pt/articles/anonimizacao-pseudonimizacao-ia-reidentificacao/
sources:
  - "n": 1
    title: L’anonymisation de données personnelles
    publisher: CNIL
    url: https://www.cnil.fr/fr/technologies/lanonymisation-de-donnees-personnelles
    published: "2020-05-19"
    accessed: "2026-11-14"
  - "n": 2
    title: Le G29 publie un avis sur les techniques d’anonymisation
    publisher: CNIL
    url: https://www.cnil.fr/fr/le-g29-publie-un-avis-sur-les-techniques-danonymisation
    published: "2016-01-25"
    accessed: "2026-11-14"
  - "n": 3
    title: "ChatGPT and large language models: what's the risk?"
    publisher: NCSC (Royaume-Uni)
    url: https://www.ncsc.gov.uk/blog-post/chatgpt-and-large-language-models-whats-the-risk
    published: "2023-03-14"
    accessed: "2026-11-14"
  - "n": 4
    title: Security recommendations for a generative AI system
    publisher: ANSSI
    url: https://messervices.cyber.gouv.fr/documents-guides/security_recommandations_for_a_generative_ai_system.pdf
    published: "2024-04-29"
    accessed: "2026-11-14"
  - "n": 5
    title: "Développement des systèmes d'IA : Que faut-il vérifier ?"
    publisher: CNIL
    url: https://www.cnil.fr/sites/default/files/2025-07/ia_liste_de_verification.pdf
    accessed: "2026-11-14"
  - "n": 6
    title: Recommendations on shaping technology according to GDPR provisions - An overview on data pseudonymisation
    publisher: ENISA
    url: https://www.enisa.europa.eu/publications/recommendations-on-shaping-technology-according-to-gdpr-provisions
    published: "2019-01-28"
    accessed: "2026-11-14"
  - "n": 7
    title: "Data Pseudonymisation: Advanced Techniques and Use Cases"
    publisher: ENISA
    url: https://www.enisa.europa.eu/publications/data-pseudonymisation-advanced-techniques-and-use-cases
    published: "2021-01-28"
    accessed: "2026-11-14"
---

# AIに質問する前の匿名化と仮名化

名前をコードに置き換えてからAIツールに文章を貼り付けると、本人を守れているような気がします。CNILによると、この操作は仮名化にあたり、仮名化されたデータは個人データのままです [1]。

弱点は突き合わせです。名前がなくても、第三者のデータや珍しい値(年齢、住所)があれば、誰かを特定できることがあります [1]。欧州のデータ保護当局は、データセットが本当に匿名かどうかを判断するための三つの基準を定めています [1][2]。

## 30秒でわかる要点

- 発生する場面: 内容について答えを得るために、ときには非常に長い文書を、AIツールの入力欄にコピーするときです [3]。
- 問われること: 入力した内容は、ツールを提供する組織から見ることができ、保存され、サービスやモデルの開発に使われることがほぼ確実です [3]。
- とっさの行動: 必要なものだけを貼り付けること、突き合わせの手がかりになる細部を取り除くこと、機微なデータをオンラインの公開AIツールに決して送らないことです [1][4]。

## よくある質問

### 匿名化と仮名化の違いは何ですか。

匿名化は、どんな手段を使っても本人を特定することが実際上不可能で、しかも元に戻せない状態にすることです [1]。仮名化は、氏名のような直接識別できるデータを、別名や連番のような間接的に識別できるデータに置き換えることです [1]。

この操作は元に戻せます。第三者のデータがあれば、本人の身元を割り出せることが非常に多く、そのため該当するデータは個人データのままです [1]。欧州のデータ保護当局が集まるG29は、仮名化されたデータは匿名データではないと改めて述べています [2]。

### 名前を番号に置き換えれば、文章は匿名になりますか。

いいえ。CNILは、履歴書のデータベースで、氏名だけを一人にしか対応しない番号に置き換えた例を挙げています。このデータベースでは個人を選び出せるため、匿名化ではなく仮名化されたものです [1]。

### G29の三つの基準とは何ですか。

データセットが匿名かどうかを確かめるための基準です [1][2]。

- 個人の選び出し: データの中で、ある個人を選び出すことはできますか。[1][2]
- 関連付け: 同じ個人に関する別々のデータの集まりを、互いに結び付けることはできますか。[1][2]
- 推論: ある個人についての情報を導き出せますか。[2] CNILは、ほぼ確実に、と補足しています [1]。

個人の選び出し、関連付け、推論のいずれもできないデータの集まりは、原則として匿名です。基準の一つでも満たされない場合は、再識別のリスクを詳しく分析した後にはじめて、匿名とみなせます [2]。

### 項目をいくつか削除すれば足りますか。

いいえ、それでも足りません。CNILは、直接識別できる要素を削除するよう勧めていますが、容易な再識別につながる珍しい値も削除するよう勧めています。例として年齢を挙げ、100歳以上の人はそれで非常に簡単に見つかります [1]。

### AIツールは書き込んだ内容を保持しますか。

英国のNCSCは2023年に、AIモデルは利用者の要求を自動的にモデルへ追加するわけではないが、要求は提供者から見ることができ、保存されると述べていました [3]。ANSSIは、大半のサービスでは、送られたデータが提供者に収集され、モデルの最適化に使われると記しています [4]。

## 仕組み

CNILは、匿名化の技法を二つの系統に分けています [1]。ランダム化は、全体の分布を保ったまま属性を変更して、精度を落とします。推論に対して守る効果があり、CNILは誕生日の入れ替えを挙げています [1]。一般化は、属性の尺度を変えて、複数の人に共通する値にします。個人の選び出しを防ぎ、関連付けも抑えます。たとえば、生年月日を年だけにします [1]。

CNILのAIシステム設計者向けチェックリストも、同じ方向です。完全な生年月日より年齢層のように、侵襲の少ない形式を優先するよう勧めています [5]。

ENISAは、仮名化について二つの報告書を出しています。2019年1月に公表された一つ目は、概念とさまざまな技法を検討しています [6]。2021年1月の二つ目は、より複雑なシナリオ向けの高度な解決策を検討しています [7]。

## あなたの行動

- 必要なものだけを貼り付けてください。ANSSIは、念のため、オンラインの生成AIサービスへの要求に、組織の機微なデータを決して含めないよう求めています [4]。ANSSIは、このデータに、個人情報(連絡先、私的な情報)、契約・法務・財務のデータ、パスワードやAPIキーのような情報システムの秘密を含めています [4]。
- 突き合わせに使える細部を取り除いてください。珍しい値、正確な年齢、完全な生年月日です [1][5]。名前をコードに置き換えるだけでは足りません [1]。
- 公開されたら困る要求を、公開ツールに送らないでください。NCSCの推奨です [3]。
- 機微なデータについて、ANSSIはChatGPT、Gemini、Copilot、DeepL、Perplexityのような公開ツールを除外しています [4]。NCSCは、クラウド事業者が提供するか社内で運用する非公開モデルがあるが、クラウドで提供されるモデルの利用条件とプライバシーポリシーは理解する必要があると補足しています [3]。

## 落とし穴

- 名前の代わりのコード: 本人を守るどころか、個人を選び出せるようにします [1]。
- 他のデータとの突き合わせ: 住所のデータベースは、同じ住所に識別できるデータを付けた別のデータベースがある場合、匿名とはみなせません [1]。ANSSIも、匿名化されたデータへの攻撃の一つとして、他のデータセットとの照合による再識別を挙げています [4]。
- 推論: CNILの例では、税に関するデータセットで、回答した20〜25歳の男性がすべて非課税と示されています。24歳のX氏が回答したことがわかれば、X氏は非課税だと推論できます [1]。
- 尋ねる人によって決まる機微さ: NCSCは、経営者が従業員を解雇する方法を尋ねるかもしれない場合を挙げ、同じ識別子の下では要求ごとに情報が集約されることを改めて述べています [3]。
- 漏えい: 保存された要求は、ハッキングされたり、漏えいしたり、誤って公開されたりすることがあります。ツールの運営者が、プライバシーへの考え方の異なる組織に買収されることもあります [3]。
- 薄れていく匿名性: 匿名化と再識別の技法は進歩するため、匿名化したと主張する人には、定期的な動向の監視が強制されます [1][2]。

## 出典

1. CNIL, 「L’anonymisation de données personnelles」, 2020年5月19日. https://www.cnil.fr/fr/technologies/lanonymisation-de-donnees-personnelles (2026年11月14日閲覧)
2. CNIL, 「Le G29 publie un avis sur les techniques d’anonymisation」, 2016年1月25日. https://www.cnil.fr/fr/le-g29-publie-un-avis-sur-les-techniques-danonymisation (2026年11月14日閲覧)
3. NCSC (Royaume-Uni), 「ChatGPT and large language models: what's the risk?」, 2023年3月14日. https://www.ncsc.gov.uk/blog-post/chatgpt-and-large-language-models-whats-the-risk (2026年11月14日閲覧)
4. ANSSI, 「Security recommendations for a generative AI system」, 2024年4月29日. https://messervices.cyber.gouv.fr/documents-guides/security_recommandations_for_a_generative_ai_system.pdf (2026年11月14日閲覧)
5. CNIL, 「Développement des systèmes d'IA : Que faut-il vérifier ?」. https://www.cnil.fr/sites/default/files/2025-07/ia_liste_de_verification.pdf (2026年11月14日閲覧)
6. ENISA, 「Recommendations on shaping technology according to GDPR provisions - An overview on data pseudonymisation」, 2019年1月28日. https://www.enisa.europa.eu/publications/recommendations-on-shaping-technology-according-to-gdpr-provisions (2026年11月14日閲覧)
7. ENISA, 「Data Pseudonymisation: Advanced Techniques and Use Cases」, 2021年1月28日. https://www.enisa.europa.eu/publications/data-pseudonymisation-advanced-techniques-and-use-cases (2026年11月14日閲覧)

---

原典: Cyberpedia(Brainが公開するサイバーセキュリティとAIの公開百科事典)。正規版: https://startbrain.io/cyberpedia/ja/articles/tokumeika-kameika-ai-saishikibetsu/
この文章は、上記のURLへのリンクとともに「Brain, Cyberpedia」と明記すれば、ライセンス CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) のもとで自由に再利用できます。
