Data Security & Privacy
去标识化与数据脱敏
制定去标识化策略，用一致的假名替换识别信息，同时保留文档在培训和研究中使用的效用。
ClaudeOpenAI节省时间
取决于案件复杂度和审阅深度。
准确度
最终法律结果仍需律师审阅。
类别
Data Security & Privacy
问题
- ✗保留文档效用
- ✗一致的标识符替换
- ✗关联风险评估
- ✗防止再识别
- ✗合规验证
AI 如何支持此工作流
Claude 协助制定并执行去标识化策略。识别直接与间接标识符、制定策略、创建一致替换、评估再识别风险并记录方法。
分步骤工作流
1
评估去标识化需求
确定去标识化的目的和范围
2
识别所有标识符
Claude 查找直接和间接识别信息
3
制定替换策略
创建一致的假名与泛化方案
4
应用去标识化
在文档集中执行替换
5
评估再识别风险
评估关联风险并验证方法
按工具划分的步骤
该提供商专用提示词即将上线；当前显示通用提示词。
并非所有工具都已提供专用提示词。若专用版本尚未准备好，将显示通用提示词。
立即执行
- 选择工具标签并复制提示词。
- 运行工作流并首先审查主要法律风险。
- 在分享前将输出与案件事实进行比对。
- 当任何升级检查触发时，提请律师审阅。
- 保存最终笔记并转到相关教程进行深入练习。
常见问题
与涂黑有何区别？
涂黑会删除信息。去标识化通过替换保留效用。
如何防止再识别？
评估唯一标识符组合。Claude 可帮助识别风险。
适用哪些标准？
视情况而定，如 HIPAA Safe Harbor、Expert Determination 等。