完整定義
歐盟通用資料保護規範(General Data Protection Regulation, GDPR)是一項於 2018 年生效的歐盟法律,旨在保護歐盟公民的個人資料和隱私權。它對個人資料的收集、使用、儲存、傳輸和處理設定了嚴格的規範,並賦予個人對其數據更大的控制權,例如資料可攜權、被遺忘權等。GDPR 具有域外效力,即使企業位於歐盟境外,只要處理歐盟公民的個人資料,就必須遵守。違規企業將面臨高額罰款,最高可達全球年營業額的 4% 或 2000 萬歐元(取兩者較高者)。這對全球企業,特別是 AI 和數據驅動的產業,產生了深遠影響,促使其重新審視數據處理實踐和隱私保護策略。
白話說明
你有沒有訂閱過網站服務,卻一直擔心自己的個資被怎麼用?
你可以把 GDPR 想成一套很嚴格的個資規則,要求企業清楚說明怎麼蒐集、使用、保存和刪除資料。
它重要,是因為只要處理到歐盟居民資料,很多公司不管總部在哪裡,都可能要面對它的要求。
記住這句
不是只看你有沒有資料,而是你怎麼收、怎麼用、怎麼保護。
比喻:GDPR 就像是個人資料的「保鑣」和「守門員」-- 它確保你的個人資料不會隨便被亂用,並且你有權利決定誰能看、誰能用,違規者會被重罰。
容易混淆
GDPR vs 資料隱私
資料隱私是大方向。
GDPR 是其中一套很具體、很嚴格的法規。
GDPR vs 差分隱私
GDPR 是法律規範。
差分隱私是技術方法,常拿來幫助系統更好地守住隱私。
實際案例
網站註冊
使用者想刪除帳號時,系統要有合理流程處理資料刪除與存取請求。
AI 產品上線
如果模型使用了歐盟用戶資料,團隊通常要檢查同意、用途限制和資料保存策略。
深入了解
GDPR 重視合法性、透明度、最小必要原則和資料主體權利。
對做 AI 的團隊來說,不只是法律問題,也會直接影響資料收集、模型訓練與供應鏈管理。
GDPR 對 AI 專案實際會踩到的四件事
GDPR 是歐盟的《一般資料保護規範》(General Data Protection Regulation),2018 年 5 月生效。它的適用範圍不看公司在哪裡,而看你處理的是不是歐盟境內個人的資料,所以台灣公司只要有歐盟使用者就適用。
對 AI 專案而言,最常踩到的是下面四件事。
第一,處理個資要有合法性基礎。 六種基礎裡最常用的是同意(consent)與正當利益(legitimate interest)。拿使用者資料去訓練模型,屬於原本蒐集目的之外的用途,多半需要重新取得合法性基礎,不能靠當初那份註冊條款帶過。
第二,資料最小化與目的限制。 只能蒐集達成目的所必要的資料,也只能用在當初說明的目的上。「先全部存起來以後再想怎麼用」在 GDPR 下是明確違規的做法。
第三,自動化決策的權利(第 22 條)。 對個人產生法律效果或類似重大影響的決定,當事人有權不受純自動化決策拘束,並有權要求人為介入與說明。信用評分、履歷篩選、保費核定這類 AI 應用直接落在這一條裡。
第四,被遺忘權(第 17 條)。 當事人可以要求刪除其個資。問題是資料已經被拿去訓練模型了,刪掉資料庫那筆不代表模型忘了它。這是目前技術上仍未完全解決的問題,機器遺忘(machine unlearning)就是為此而生的研究方向。實務上的處理方式通常是重新訓練,或在蒐集階段就做好去識別化,避免落入這條的適用範圍。
幾個常見誤解
「資料匿名化就不受 GDPR 管」不完全對。 真正的匿名化(無法還原)確實不受管,但多數所謂的匿名其實只是假名化(pseudonymisation),只要能透過其他資料還原身分,仍屬個資。
「我們沒有歐盟客戶所以不用管」要小心。 只要網站以歐盟使用者為對象(提供歐元計價、歐盟語言版本),就可能落入適用範圍。
罰則不是象徵性的。 上限是全球年營業額 4% 或 2,000 萬歐元,兩者取高者。
另外要注意歐盟《人工智慧法案》(EU AI Act)是另一部法律,用風險分級管理 AI 系統本身,跟 GDPR 管的個資是兩套規範,會同時適用。
情境判斷
Q1:如果公司在美國,但有歐盟用戶資料,還需要管 GDPR 嗎?
需要,重點是資料主體在哪裡,不只看公司所在地。
Q2:只要把資料匿名化,就完全不用管 GDPR 嗎?
不一定,是否真的去識別化要看方法和風險,不能只靠名義上的匿名。
常見問題
個資蒐集、使用同意、資料刪除、跨境傳輸和違規罰則。
常算,因為訓練資料本身就是個資治理的一部分。
同態加密是技術工具,可能幫助在合規前提下處理敏感資料。
不是,它是有實際義務和罰則的法規。
出現在這些考古題
官方公告試題的逐題解析裡,這 3 題把歐盟通用資料保護規範列為延伸術語。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本