3.3標準
利用傾向と改善点を分析する。
利用者を不要に追跡しない。
設計として適切なものを2つ選べ。
× 不正解
AI利用分析は目的に必要な集計・仮名化・保持・アクセスを定め、個人識別子を分離する。小集団・結合・同意・削除の再識別リスクを確認する。
詳細解説
正しい目的に必要な集計・仮名化・保持期間・アクセスを定義し、個人識別子を分離する
分析とプライバシーを両立できる。
分析とプライバシーを両立できる。
問題の要件では、目的に必要な集計・仮名化・保持期間・アクセスを定義し、個人識別子を分離するが解決する範囲と、別の工程が担う範囲を分けて判断する。
正しい小集団の再識別リスク、同意範囲、データ結合、削除要求を評価する
集計データのリスクも扱える。
集計データのリスクも扱える。
問題の要件では、小集団の再識別リスク、同意範囲、データ結合、削除要求を評価するが解決する範囲と、別の工程が担う範囲を分けて判断する。
誤り利用分析のため会話全文と個人IDを無期限で結合する
目的と最小化に反する。
目的と最小化に反する。
問題の要件では、利用分析のため会話全文と個人IDを無期限で結合するが解決する範囲と、別の工程が担う範囲を分けて判断する。
誤り集計すれば常に匿名なので再識別を確認しない
小集団や外部情報で推測され得る。
小集団や外部情報で推測され得る。
問題の要件では、集計すれば常に匿名なので再識別を確認しないが解決する範囲と、別の工程が担う範囲を分けて判断する。
実際に確かめる
一時的な検証環境で実行できる例です。
AWS公式AIF-C01 Domain 5.1の仮名化、集計、再識別リスクを確認する。期待される結果
改善分析に必要な情報を残しながら、利用者追跡と再識別を抑えられる。理解のポイント
- 利用分析
- 仮名化
- 再識別
確認時の注意
- 確認環境: AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
- AWS公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
仮名化
識別子を別の値へ置換し、対応表を分離する処理。
再識別
集計・仮名化データから個人を推定できること。
問題IDAWS-AIF-510
確認環境AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
最終技術確認2026-08-20
誤り・権利侵害を報告