case03（再識別デモ）: 事例概要 — 1/7¶

再識別デモの流れ

この事例について（出典と位置づけ・重要）

この case03 は、2014年の米国ニューヨーク市タクシーデータの再識別（V. Pandurangan ほか）と、「ハッシュ化は匿名化ではない」という整理（EU 第29条作業部会）を参考に作成した、仮想の事例（デモ）です。データはすべて教材用の合成データで、実在の個人・事業者とは無関係です（詳しい出典は参照資料）。

法域についての注意: 参考にした事例は海外の事例です。本ページ以降で触れる日本の制度（個人情報保護法・委員会規則）への言及は、「もし同種の事象を日本の制度に当てはめて考えたら」という仮定の説明であり、この事例が日本で法的に判断された、という意味ではありません。

case01・case02 が「うまく加工する側」の話だったのに対し、この case03 は「弱い加工が破られる側」の話です。「IDをハッシュ化すれば匿名化できる」という誤解が、なぜ・どう破れるのかを、攻撃者の視点で追体験します。用語は用語集を参照。

あらすじ¶

タクシー事業者が、運転者の走行履歴（誰が・いつ・どこからどこへ運んだか）を外部に公開することにしました。運転者本人が特定されないよう 匿名化したつもりで、履歴の 運転者ID をハッシュ化（SHA-256）した「ハッシュ化済み履歴」を公開します。

ところが、ある利用者（攻撃者）が、次の2つの弱点を突いて、公開データの運転者IDをすべて復元してしまいました。

IDの形式が公知だった — 運転者IDは 100-000-000 のような決まった桁形式で、しかも先頭の事業者コードは公表・固定。取りうるIDの候補が少ない（低エントロピー）。
ハッシュ化が単純すぎた — 秘密鍵もソルトも使わない、素の SHA-256 を1回かけただけ。

攻撃者はまず、自分が乗ったタクシーの運転手のID（乗務員証で確認できる）を SHA-256 にかけ、公開データの中に同じ値を見つけました。これで「加工方法は無ソルトの SHA-256」だと確定します（弱点②）。次に、公知のID形式ですべての候補を総当りしてハッシュを計算し、ハッシュ→ID の対応表を作って、公開履歴の運転者IDをまるごと復元しました（弱点①）。

この事例の教訓 — 安易な匿名化は2つの意味で危険

運転者IDを「ハッシュ化しただけ」の安易な匿名化は、技術と法律の両面で危険です。

技術: 元の値の候補が少なく（低エントロピー）ハッシュが単純なら、総当りで元に戻せます（このデモで実演）。安全に使うには、ハッシュ・鍵・一般化などの技術の正しい理解が要ります。
法律（日本の制度に当てはめて考えると）: このデータは、匿名加工情報の作成基準（施行規則第34条）を満たさず、匿名加工情報とはいえません。かといって公表・第三者提供を前提にしている点で、仮名加工情報の取り扱いにも当てはまりません（仮名加工情報は原則として公表・第三者提供ができません）。どちらの制度にも乗らない中途半端な状態です。

→ 法令・委員会規則と、その実装例を正しく理解して運用する必要があります（詳しくは結果）。

なぜ「ハッシュ化＝匿名化」ではないのか¶

技術の面¶

ハッシュ関数は、同じ入力からは必ず同じ値を出します。裏を返すと、取りうる入力を片端から計算して一致を探せば、元の入力を言い当てられるということです。IDの形式が公知だと候補が絞れるため、この総当り（辞書攻撃／レインボーテーブル）が現実的な時間で終わってしまいます。ハッシュ化は仮名化の技術（安全管理措置）の一つではありますが、それだけで復元できない状態になるわけではありません。

法律の面¶

（以下は、もし同種の事象を日本の制度に当てはめて考えたら、という仮定の整理です。参考にした事例そのものは海外の事例です。）

匿名加工情報（case02）: 再識別も復元もできないよう、連結符号の削除・特異な記述の削除・一般化などの基準（施行規則第34条）で加工したもの。本件は運転者IDをハッシュ化しただけで基準を満たさず、匿名加工情報とはいえません。
仮名加工情報（case01）: 照合しなければ本人を識別できないように加工し、識別行為の禁止などの義務のもとで扱うもの。ただし原則として公表・第三者提供はできません。本件は外部公開を前提にしている時点で、仮名加工情報の取り扱いとも整合しません。

つまり本件は、匿名加工情報でも（適切に運用される）仮名加工情報でもない、制度上の位置づけがあいまいなまま公開されたデータです。制度の要件は最新のガイドライン・委員会規則で確認してください（参照資料）。

元データと公開データ¶

データ	内容	立場
運転者マスタ（`drivers`）	運転者ID・氏名・営業所	事業者だけが持つ（非公開）
走行履歴（`trips`）	運転者IDに紐づく乗降・料金の記録	事業者の内部データ
ハッシュ化済み履歴（公開）	走行履歴の運転者IDを `SHA-256` に置換したもの	一般公開される

攻撃者が手にできるのは公開されたハッシュ化済み履歴だけ。それでも、上の2つの弱点から元IDを復元できてしまう——というのがこのデモです。詳細は次ページのデータを見るへ。

出典: この事例は、実在の再識別事例を参考にした教材用のデモです。2014年、ニューヨーク市が公開したタクシー走行データは、運転者ライセンス番号等を MD5 でハッシュ化していましたが、番号形式が公知で候補が少なかったため、全候補の計算により短時間で再識別されました（V. Pandurangan ほか）。ハッシュ化が匿名化ではないことは、EU 第29条作業部会「匿名化技術に関する意見（05/2014）」等でも整理されています（参照資料）。