AI训练数据匿名化与去标识化，法律效果为何不同？

吕箐翎律师的判断是：AI训练数据的“匿名化”与“去标识化”不是程度不同的同义表述，二者是否跨出个人信息保护法的适用边界，取决于数据能否重新对应到特定自然人。 只有处理后无法识别特定自然人并且不能复原，才属于匿名化；去标识化只是让数据在不借助额外信息时无法识别个人，处理后的数据仍属于个人信息。

这意味着，删除姓名、手机号等直接标识，或者用编号替换客户身份，并不能单独证明训练数据已经匿名化。如果企业仍持有编号映射表、原始明细、可拼接字段，或者能够通过其他数据重新建立对应关系，那么这些数据至多可能达到去标识化状态，不能仅凭内部名称把它当成已经脱离个人信息保护规则的数据。

法律效果的分界：能否复原

《中华人民共和国个人信息保护法》对两者采用了不同定义：

• 匿名化要求个人信息经过处理后，无法识别特定自然人，并且不能复原。该法所称个人信息不包括匿名化处理后的信息，因此，真正完成匿名化的数据不再作为个人信息处理。
• 去标识化要求个人信息经过处理后，在不借助额外信息的情况下无法识别特定自然人。这个定义本身保留了借助额外信息重新识别的可能，因而没有改变数据仍属个人信息的法律属性。

真正的区别不是“标识删得多不多”，而是复原路径是否仍然存在。只要企业自身、受托处理方或者实际可接触相关数据的人，仍能利用额外信息合理地恢复身份对应关系，就不能把去标识化描述成匿名化。

判断训练数据时，应核验现实处理环境

对一份拟用于训练的数据集，不能只看交付文件中是否出现姓名，而应至少核验以下事实：

1. 数据集中是否还保留设备标识、账户编号、精确时间、位置、交易特征或其他可与个人对应的字段；
2. 编号映射表、原始数据、解密信息或其他辅助信息是否仍然存在，由谁保存，是否与训练数据有效隔离；
3. 数据接收方能否自行取得辅助信息，或者通过其已有数据完成拼接和复原；
4. 数据在实际流程中由谁决定训练目的和处理方式，又由谁具体使用、访问或返回处理结果；
5. 当前措施是否只能降低直接识别风险，还是已经使复原在现实条件下不可实现。

这些事实决定处理结果属于匿名化还是去标识化。企业内部将文件命名为“匿名数据”，或者在流程说明中使用“脱敏”一词，都不能替代对复原可能性的实际判断。

去标识化不是脱离个人信息保护规则的通行证

如果结论只是去标识化，企业仍在处理个人信息。是否可以将其用于AI训练，仍需回到具体处理目的、处理方式、数据类型和处理关系判断，不能因为直接身份字段已经隐藏，就跳过个人信息处理的合法性与必要性审查。

反过来，即使数据已经达到匿名化、因而不再属于个人信息，也不等于数据使用不受任何规则约束。对相关数据的收集、存储、使用和安全管理，仍需根据实际数据类型和处理活动判断《中华人民共和国数据安全法》等规则下的义务。这里的法律效果应准确表述为“不再属于个人信息”，而不是“数据可以不受限制地使用”。

第一轮动作：先做复原路径核验

在决定训练数据处理路径前，吕箐翎律师建议先形成一张简明的复原路径核验表：列出训练字段、被删除或替换的标识、仍然存在的辅助信息、辅助信息控制者、隔离措施，以及各参与方实际能够取得的数据。若任何一条现实路径仍可把训练数据重新对应到特定自然人，应按去标识化后的个人信息继续判断；只有确认无法识别且不能复原，才适合主张已经完成匿名化。