匿名化・仮名化データのAI活用｜法的区分と再識別を管理する

匿名化・仮名化データのAI活用では、氏名を削除しただけのデータを「匿名だから自由に使える」と扱えません。日本の個人情報保護法には仮名加工情報と匿名加工情報という異なる制度があり、加工、利用、第三者提供、識別行為に別の規律があります。本稿では、社内分析用の仮名加工を想定し、適用区分と残余リスクを記録する「AIデータ加工判定票」を作ります。

匿名化・仮名化という呼び方の適用範囲

技術分野では、識別子を置換する処理を仮名化、個人を識別しにくくする広い処理を匿名化と呼ぶことがあります。しかし、日本の個人情報保護法上の「仮名加工情報」「匿名加工情報」は、単なる作業名ではなく定義と義務を伴う法定区分です。社内資料で「匿名化済み」とだけ表示すると、技術処理、法的区分、社内機密区分が混ざります。記録には、実施した加工、法務が判定した区分、許可用途を別欄で示します。

個人情報保護委員会が公開する公式ガイドライン「仮名加工情報・匿名加工情報編」は、令和8年4月一部改正版が現行です。同ガイドラインでは、仮名加工情報を「他の情報と照合しない限り特定の個人を識別できないように加工した情報」、匿名加工情報を「特定の個人を識別できず、元の個人情報を復元できないようにした情報」として、加工基準や取扱義務を説明しています^[1]。実際の該当性は、データ、加工方法、保有する照合情報、事業者の立場によって個別に判断します。

加工名ではなく、元データ、照合可能性、加工基準、利用者、提供形態の組合せで取扱区分を判断します。

本稿の中心は、日本国内の民間企業が、自社保有の顧客データを社内の需要分析AIで試す場面です。行政機関等、外国法の適用、医療・金融・通信などの業法、雇用上の監視、要配慮個人情報を含む案件は追加確認が必要です。一般的な匿名化記事の記述をそのまま適用せず、自社の個人情報保護責任者と法務が区分を確定してください。

元データと利用形態から法的区分を判定する

判定は、元データが個人情報か、個人データか、要配慮個人情報を含むか、個人関連情報に当たる項目があるかを確認するところから始めます。次に、加工後データ単体で識別できるか、自社が持つ対応表や他データと容易に照合できるか、復元可能な規則性が残るかを見ます。最後に、誰が利用し、どこへ提供し、何の目的で使うかを確認します。同じ加工ファイルでも、対応表を保有する作成元と、対応表を受け取らない利用先では評価が異なり得ます。

通則ガイドラインの2026年6月一部改正版は、個人情報、個人データ、安全管理措置、委託先監督などの基礎的な解釈を示します^[2]。仮名加工情報・匿名加工情報編だけを読んで、取得時の適法性や安全管理を省略しないでください。元データの利用目的、本人への通知・公表、第三者からの取得条件に問題があれば、後から加工しても過去の問題が自動的に解消するわけではありません。

判定記録の順序
1. 元データの区分と取得根拠
2. AI利用目的と必要項目
3. 実施する加工と削除情報等
4. 照合可能な別データの所在
5. 作成者・利用者・提供先の関係
6. 法的区分と社内機密区分
7. 適用条項・ガイドライン・業界規律
8. 残余リスクと承認者

判断できない項目を「匿名」と仮置きして開発者へ渡してはいけません。区分未確定のデータは個人データ相当の厳しい権限で隔離し、処理を停止します。特に、位置履歴、希少疾患、自由記述、詳細な時刻、少人数部署、複数サービスの行動履歴は、氏名を削除しても組合せで個人を推測しやすい項目です。外部で公開されている名簿やSNSと照合する攻撃者の情報も想定します。

加工前に満たすデータ条件と要件

加工を始める前に、目的に不要な列と行を抽出段階で除きます。需要分析の想定例なら、顧客名、連絡先、自由記述、正確な生年月日、番地、端末IDを原則除外し、年代、都道府県、商品カテゴリ、月単位の購入、金額帯へ一般化する候補を作ります。ただし、必要性を説明できない属性は一般化して残すのではなく削除します。データ最小化は、後工程の再識別リスクとアクセス対象を同時に減らします。

仮名加工情報を作成する場合、法第41条第1項と個人情報保護委員会規則に基づく加工基準、削除情報等の安全管理、識別行為や本人への連絡等の禁止などを確認します。匿名加工情報を作成する場合は、法第43条第1項と規則の加工基準、加工方法等情報の安全管理、作成時の項目公表、第三者提供時の公表・明示、識別行為禁止など、別の要件があります。呼称を変えるだけで相互に切り替わる制度ではありません。

開始ゲートは、目的、元データ区分、加工仕様、権限、法的区分、評価方法、削除期限の七項目です。一つでも未決なら本番データの抽出を行いません。サンプル設計には架空データを使い、法務確認と加工環境の準備を並行して進めます。この順序なら、実データを先に複製してから承認待ちになる状態を避けられます。

自社ルールへ落とす加工・分離・利用手順

第一に、元データのスナップショットへ変更不能な版IDを付け、抽出条件と件数を記録します。第二に、直接識別子を削除し、復元可能な規則性を持たない仮IDへ置き換える必要性を検討します。第三に、詳細住所や正確な日付などの準識別子を一般化・丸め・抑制します。第四に、希少な属性組合せと特異な記述を処理します。第五に、加工後データと削除情報等を異なる保管領域と鍵へ分離します。

第六に、固定した攻撃モデルで再識別リスクを評価します。第七に、利用目的に必要な有用性を確認します。第八に、権限テストとAI入出力テストを行い、承認済みの版だけを利用領域へ配置します。加工コード、パラメータ、例外、実行者、実行時刻を保存しますが、加工方法等情報自体が再識別に利用される可能性を考え、閲覧範囲を限定します。

仮IDを毎回変えると時系列分析ができず、固定すると長期追跡のリスクが増えます。用途ごとに名前空間を分け、別用途の仮ID同士を結合できない設計を検討します。鍵を持つ管理者と分析担当を分離し、分析担当が対応表の取得を申請できないようにします。緊急の本人対応などで元データへ戻る必要がある業務は、AI分析経路ではなく、承認付きの別手続きにします。

権限と責任分担を六つの操作で分ける

権限は、元データ抽出、加工実行、削除情報等の管理、加工後データ利用、AI環境への配置、外部提供の六操作へ分けます。一人が抽出から提供まで完結できると、目的外利用や再識別を検知しにくくなります。データベース管理権限を持つ技術者にも、業務上の提供承認を自動的に与えません。サービスアカウントは対象版の読取だけにし、外部ストレージへの書出しを拒否します。

アクセス申請には、利用目的、対象版、必要列、期間、出力可否を必須にします。権限は最長90日などの期限付きとし、プロジェクト終了、異動、委託終了で自動失効させます。出力ファイルには版と機密区分を付け、個人端末への保存、メール添付、未承認の生成AIへのアップロードを技術的に制限します。例外許可には、必要性、代替不能性、期間、監視方法、終了後の削除を記録します。

対応表への緊急アクセスは二名承認とし、利用後にログを個人情報保護責任者が確認します。誰が対応表を開いたかだけでなく、どの仮IDを何の案件で照合したかを残します。識別を目的とする利用が禁止される区分では、緊急だから自由に照合できるとは限りません。想定外の本人特定が必要になった時点で処理を止め、法務が法的根拠と手順を確認します。

再識別と有用性を別の式で評価する

再識別リスクは、攻撃者が利用できる外部情報を仮定して評価します。想定例では、年代、都道府県、購入月、商品カテゴリを知る攻撃者が候補者をどこまで絞れるかを測ります。同じ準識別子の組を持つ人数を同値類サイズkとし、kが小さい行の割合を確認します。「kが5未満の行数÷全行数×100」を小集団率とし、0％を目標にする例です。ただし、k匿名性だけでは属性推測や背景知識による再識別を防げないため、単独の安全証明には使いません。

NIST SP 800-188は、非識別化を測定可能な性能水準で評価し、再識別研究や審査体制を検討する考え方を示します^[4]。これは米国政府機関向けのガイダンスであり、日本法上の匿名加工情報該当性を判定する文書ではありません。本稿では、攻撃モデルと残余リスクを明示する技術評価の参考に限定します。

有用性総合の想定式は「集計精度×0.40＋分析結論一致率×0.35＋欠損・制約評価×0.25」とします。再識別指標をこの平均へ入れず、小集団、外部照合、識別子漏れ、権限違反を独立ゲートにします。有用性95点でも、識別子が一件残れば不合格です。評価セットと外部情報は加工担当から分け、結果の都合に合わせて攻撃条件を弱めないよう事前登録します。

時系列で同じ仮IDを追えるデータは、単月ではkが大きくても、複数月の行動列を結合すると対象が一人へ絞られることがあります。月ごとの小集団率に加え、3か月、6か月、12か月で連結した履歴の候補人数を測ります。分析に不要な長期連結は、期間別の仮IDへ分けるか、月単位の集計へ置き換えます。評価期間を短くしたために長期追跡リスクを見落とした場合は、法的区分の判定も再確認します。

攻撃評価の母数と外部情報は判定票へ明記します。例えば、公開企業名簿500件と加工後1万件を照合し、上位候補が一意になった件数を数えます。対象外の攻撃や未知のデータ源を試していない事実も残します。「再識別できなかった」ではなく、「定義した攻撃A、B、Cでは成功率が基準内だった」と報告することで、安全性の一般化を避けられます。

AIサービスへ入力する場合の追加統制

加工後データを生成AIや機械学習基盤へ入力すると、保管、ログ、学習利用、モデル出力、再委託という新しい処理が増えます。加工済みであることを理由にサービスのデータ取扱条件を省略しません。入力データがモデル改善へ使われるか、管理者が保存期間を設定できるか、削除要求がバックアップへ反映されるか、提供者が国外で処理するか、下請事業者がアクセスするかを契約と管理画面で確認します。

個人情報保護委員会は2023年6月2日に生成AIサービス利用の注意喚起を公表し、個人データをプロンプト等へ入力する事業者に、利用目的の範囲や第三者提供などを確認するよう示しています^[3]。この注意喚起の公表後にサービス仕様や法令が更新される可能性があるため、公開直前・契約更新時に最新情報を再確認します。仮名加工情報や匿名加工情報の具体的な義務は、現行ガイドラインと自社の立場に基づき別途判断します。

モデルの出力から元データを再構成できる可能性も評価します。学習用途では、メンバーシップ推定、属性推定、プロンプトによる記憶抽出を試し、公開APIの回数制限と監視を設けます。社内分析だけなら、出力は個人単位で返さず、最小集計単位と抑制規則を設定します。AIが個人らしい架空プロフィールを作った場合も、実在人物との一致や差別的な推定がないかを利用目的に応じて確認します。

集計出力にも二次的な識別リスクがあります。利用者が条件を少しずつ変えた二つの集計を差し引くと、一人分の値を推測できる場合があるため、最小集計人数、クエリ回数、期間内の類似条件を制御します。想定例では、集計対象10人未満を非表示にし、同一利用者が一時間に20回を超えて細分化クエリを行ったら結果提供を保留します。閾値は母集団と用途に応じて専門担当が設定し、固定値だけで安全を保証したとは扱いません。

ダウンロード可能な集計は画面表示より影響が大きいため、別権限にします。出力には集計条件、作成時刻、元データ版、抑制規則版を付け、別の集計と結合した場合の注意をリリース記録へ残します。少人数抑制を回避する目的で複数回の出力を試みた兆候があれば、アカウントを一時停止し、個人情報保護責任者が利用目的と操作履歴を確認します。

委託・共同利用・第三者提供を混同しない

外部AI事業者や分析会社へデータを渡す場合、「クラウドだから委託」「同じグループだから社内」と決めつけません。委託、共同利用、第三者提供のどれに当たるか、法的要件を満たすか、受領者が独自目的で利用するかを法務が確認します。仮名加工情報については、個人情報であるものか否か、作成者か取得者かなどで適用関係が変わり、原則として第三者提供が制限されます。本人同意を取れば通常の個人データと同じように自由に提供できる、という単純な扱いはしません。

匿名加工情報を第三者へ提供する場合も、作成・提供に伴う公表や明示、識別行為禁止などの規律を確認します。匿名加工情報という法的区分に該当しない単なる「匿名化データ」を、同じ制度で提供できるとは限りません。提供先の保有データと組み合わせた再識別リスク、再提供、公開、加工方法等情報の取得も契約で制限します。提供元だけの攻撃モデルでは、受領者の豊富な顧客情報を見落とすからです。

国外の本人や拠点が関係する場合、GDPRなど外国法の域外適用、越境移転、契約要件が生じる可能性があります。本稿は日本法の一般的な民間事業者を中心とするため、外国法の適用判断を扱いません。対象国、本人の所在地、提供者と利用者の拠点、サービス提供地域を一覧化し、国際データ移転を扱う法務担当へ渡します。

監査証跡、更新、停止条件を運用する

監査証跡には、元データ版、抽出条件、加工コード版、加工実行ID、法的区分の判定者、リスク評価、利用承認、配布先、削除期限を含めます。元の値や削除情報等を監査票へ直接コピーせず、権限管理された保管先の識別子を記録します。証跡へのアクセス自体もログ化し、四半期ごとに不要権限、期限超過、未承認の複製を確認します。

経済産業省・総務省のAI事業者ガイドライン第1.2版は、AIガバナンスを環境・リスク分析、目標、システムデザイン、運用、評価という継続的な取組として整理する最新の政府指針です^[5]。本稿では、法令とは別のガバナンス参考資料として、加工後データの用途変更やモデル変更を再評価する根拠に使います。

停止時は、元データ、加工後データ、対応表、AIモデル、キャッシュ、出力結果の所在を別々に確認します。加工後ファイルだけを削除しても、学習済みモデルや検索インデックスへ残る場合があります。再開判定には、原因修正、再加工、再識別評価、権限試験、削除確認、利用部門への通知を含めます。重大事象は担当チーム内で完結させず、個人情報保護責任者、セキュリティ、法務が事故報告や本人通知の要否を判断します。

属性の安全性は一列ずつではなく、組合せでも確認します。架空例として、年齢を5歳幅、住所を都道府県、職種を大分類へ一般化しても、「90歳以上・特定県・希少職種」の組合せが一人だけなら、外部情報との照合余地が残ります。加工担当は各組合せの最小人数を集計し、少数セルを統合または削除した後、分析担当が必要な集計精度を再計算します。安全性を上げた版で需要予測の誤差が許容幅を超えるなら、匿名性を緩めるのではなく、利用目的の縮小、アクセス制御された環境、集計結果だけの提供を比較します。

年次監査では、承認された全データ版から無作為に十版を選び、目的、区分、加工コード、提供先、期限、削除結果を証拠まで読み戻します。台帳上は削除済みでも、分析者のノートブック、共有領域、モデル成果物に残ることがあるため、代表的な派生先を照合します。削除証拠を取得できない委託先があれば、新規提供を止め、契約担当が是正期限と代替策を決めます。

制度改正時は、改正日だけでなく施行日、経過措置、対象事業者、既存データへの適用を整理します。ガイドラインの文言変更を検知しただけで全処理を停止するのではなく、影響する区分を法務が特定し、新規作成、既存利用、外部提供の順に再承認します。反対に、適用有無が判断できない高影響データは、確認が終わるまで安全側で限定停止します。

向かないケースと専門部署へ渡す条件

匿名化・仮名化が向かないのは、本人単位の正確な対応が目的、加工で重要な少数事例が失われる、母集団が非常に小さい、対応表を分離できない、外部提供先の保有情報を評価できないケースです。本人からの開示・訂正・削除対応、個別診療、与信判断などは、加工後データだけでは業務目的を満たさないことがあります。安全な実データ環境で目的を限定する方法や、集計結果だけを提供する方法を比較してください。

専門部署へ引き継ぐ条件

要配慮個人情報、子どものデータ、遺伝・生体情報、位置履歴、従業員監視、外国への移転、公開データセット、複数社での結合、識別の疑い、本人への不利益が大きいAI判断を含む場合は、試行前に法務・個人情報保護・セキュリティ・該当業法の担当へ引き継ぎます。技術担当だけで「十分匿名」と結論を出しません。

次の行動は、用途を「月別の商品カテゴリ需要の社内分析」に限定し、元属性を必要、一般化、削除の三欄へ分類することです。その後、作成者、利用者、対応表管理者、AIサービス提供者を判定票へ記入し、現行ガイドラインに基づく法的区分を責任者が確定します。区分が決まる前は、架空データで加工コードと権限テストだけを準備します。

安全なAI活用は、氏名を消したという一回の処理ではなく、目的の限定、法的区分、攻撃を想定した評価、権限分離、利用先の監視、停止後の回収まで続く運用です。AIデータ加工判定票を版ごとに残せば、用途や提供先が変わったときに、以前の承認を無条件で流用せず、どこから再確認するかを明確にできます。

参考文献・出典

1. 個人情報保護委員会「個人情報の保護に関する法律についてのガイドライン（仮名加工情報・匿名加工情報編）」（令和8年4月一部改正、2026年7月30日参照）。匿名化・仮名化データのAI活用で法的区分、加工、取扱義務を確認する公式一次資料。
2. 個人情報保護委員会「個人情報の保護に関する法律についてのガイドライン（通則編）」（令和8年6月一部改正、2026年7月30日参照）
3. 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」（2023年6月2日公表、版番号なし、2026年7月30日参照）
4. NIST「De-Identifying Government Datasets: Techniques and Governance」（NIST SP 800-188、2023年9月14日発行、ページ更新2024年11月18日、2026年7月30日参照）
5. 経済産業省・総務省「AI事業者ガイドライン」（第1.2版、2026年3月31日公表、掲載ページ最終更新2026年4月1日、2026年7月30日参照）