資料隱私是一種治理與商業實務，旨在維持對個人資訊的完整生命週期掌控。
目錄
什麼是資料隱私？
資料隱私 (也稱為資訊隱私) 是指一般人對企業蒐集、使用、儲存、分享及保存其個人資訊的方式擁有掌控權的一項原則。
在商業領域，資料隱私並非一個抽象的概念，而是一整套用來判斷個人資料是否以合法、透明及符合比例原則的方式處理的決策與控管措施。
絕大多數的隱私缺失都可追溯到一些從未獲得明確解決的問題：
我們到底是否需要蒐集這些資料？
誰應該能夠存取？針對何種目的？
我們要保留多久？我們有辦法將它確實刪除嗎？
它會被分享、複製或同步到原始系統之外的哪些地方？
萬一帳號遭到入侵或裝置遺失會發生什麼事？
資料隱私與資料防護
資料隱私管的是企業蒐集與使用個人資料的行為是否恰當，重點在於目的、公平性、透明度以及個人權利。
資料防護管的是資料是否受到保護以防止未經授權的存取、揭露、變更或遺失，重點在於安全機制，例如：存取控管、加密、監控，以及安全的組態設定。
假使企業蒐集的資料超過必要範圍，或是以人們不預期的方式使用這些資料，那麼企業就算擁有強大的資安控管，也可能違反資料隱私。同樣地，隱私不可能在缺乏資安防護的情況下達成：如果個人資料遭到外洩，那企業早已失去掌控。
為何資料隱私對企業很重要
資料隱私之所以重要，是因為它會將一般的商業活動變成監管上的風險。個人資料會出現在日常工作流程、客戶登記資料、人力資源流程、行銷活動、支援工單、發票、通話錄音等等當中。這其中任何一個環節若出了問題，其衝擊將不只是營運中斷而已，很可能會演變成權利侵犯的問題。
實務上的挑戰是，個人資料很少會乖乖待在單一系統上，每一次的轉手都會製造新的曝險，而且資料會在下列位置之間流動：
雲端應用程式與 SaaS 平台。
電子郵件與協同作業工具。
端點 (筆記型電腦、行動裝置、未受管理的裝置)。
第三方服務與整合。
此外，AI 還會放大這個現象，當員工將個人資料貼到提示當中，或者將 AI 工具與內部知識來源相連接時，資料就會移動到一些並非專為處理受監管資訊而設計的地方。這不是理論風險，而是無法掌控誰可以存取資料、資料可以移動到哪裡，以及資料會存續多久。
這就是為何有效的隱私工作無法簡化成只是一道政策，有效的資料隱私要能在遇到壓力時展現出管控能力：您擁有哪些資料、資料在哪裡、誰可以存取這些資料，以及當攻擊或錯誤發生時，有哪些安全機制可以避免資料外洩。
資料隱私的疑慮與風險
要了解資料隱私的疑慮，最有效的方式就是聚焦在一些真正會造成企業曝險的情況。這些是發生頻率最高的隱私風險，同時也是隱私無法光靠政策來解決的原因。
過度蒐集與過度保存
蒐集超過您所需的資料，會加大資料外洩的衝擊、合規範圍以及營運複雜性。將資料無限期保存，會讓昨日的「無害資料」變成明日的負債。
雲端與 SaaS 組態設定錯誤
組態設定錯誤一直是資料外洩的原因之一，因為這很容易發生、但卻很難大規模偵測，尤其容易發生在腳步很快的團隊以及多重雲端服務。趨勢科技一再點出組態設定錯誤是一項重大的雲端資安問題，也是重大風險的持續來源。
第三方與供應鏈曝險
廠商經常擁有系統或資料的合法存取權限，其風險在於這類存取會默默成長，但監督會延遲，而且當問題發生時，問責性會變得模糊不清。
過度的存取權限與「權限蔓延」
絕大多數的資料外洩都不需要精密的駭客攻擊，只需要一些為了方便而授予 (但卻從未經過審查) 的存取權限。
內部人員風險 (意外或惡意)
人們會為了完成工作而分享檔案，這很正常，當資料沒有伴隨著控管時，就會衍生隱私風險，所以很可能一個按鍵就引發必須通報的資安事故。
資料外傳
個人資料可能經由電子郵件、上傳、同步工具、協同作業應用程式以及遭到駭入的帳號而外洩。企業機構通常很晚才發現資料遭到外傳，原因是可視性分散在各種工具當中。
資料隱私權法律與規範
英國或全球並無一套共通的資料隱私權法律，但大多數的隱私權制度其核心期望都相同：
光明正大地說明您蒐集些什麼以及為何蒐集。
將蒐集與使用侷限在合法用途上。
妥善保護資料。
尊重個人權利。
透過記錄與控管來證明問責性。
以下是對英國民眾可能最相關的法律與規範，以及一個您要求納入的全球重要範例。
UK GDPR 與 2018 年資料保護法
英國的國內法中也保留了通用資料保護法 (GDPR)，也就是所謂的 UK GDPR，並且與修訂後的 2018 年資料保護法 (DPA 2018) 版本並列。根據英國資訊委員辦公室 (Information Commissioner's Office，簡稱 ICO) 指出，其主要的原則、權利和義務在這框架內大致上相同。
對企業來說，這將對營運帶來一些實際的要求：
明確的合法基礎與透明度。
個人資料處理方式的嚴格治理。
控管措施要能支援權利請求。
適當的資安措施。
可辯護的資料移轉與第三方風險管理作法。
PECR (英國境內的 Cookie、追蹤與電子行銷)
在英國境內，隱私與電子通訊規範 (PECR) 與 UK GDPR 並列。ICO 指引強調，PECR 涵蓋的領域包括電子行銷以及 Cookie 或類似追蹤技術的使用等等。
這一點之所以重要，是因為 PECR 的問題經常出現在日常營運當中：
Cookie 同意視窗與數據分析標記。
電子郵件與文字簡訊行銷同意。
廣告與個人化當中使用的追蹤技術。
資料隱私合規與最佳實務原則
您必須能證明自己可以掌控個人資料、資料所在位置、誰可以存取資料，以及資料的移動方式時，才有可能達成資料隱私合規。這就是為何那些「只有政策」的方案在遇到稽核和資安事故時將無用武之地：因為證據都在系統、權限、記錄檔以及真實的資料流動當中。
同樣重要的是，現代化隱私風險已不再侷限於單一管道。趨勢科技研究指出，單靠傳統的資料外洩防護 (DLP) 已經無效，因為它是針對網路邊界明確的情況而設計，而今日的資料會在雲端應用程式、端點、混合環境，甚至 AI 資料集之間不斷移動。同樣的研究也點出為何老舊的 DLP 常常捉襟見肘：僵化的規則令團隊沮喪、與使用者行為的關聯性薄弱 (內部人員風險的情境)，以及針對個別管道的監控無法完整持續地檢視敏感資料的曝險狀況。
資料隱私合規在實務上的樣貌
現代化資料隱私最佳實務原則
與其將隱私當成一份檢核清單，倒不如將它當成一個資料生命週期控管問題。以下最佳實務原則能符合現代化資料防護所應該提供的：
1) 將資料發掘與分類自動化
由於您無法保護您找不到的資料，所以請務必要找到端點、SaaS、雲端儲存以及資料庫內的敏感資料，然後加以標示，好讓控管流程能夠追蹤。
2) 維護一份活的資料盤點
隨時掌握敏感資料的存放位置與存取狀況，靜態的盤點很快就會過期，因此在稽核與資安事故發生時可能造成盲點。
3) 追蹤資料移動與分享路徑
了解敏感資料如何流動：上傳、下載、外部連結、轉寄、同步工具，以及 API 整合。這一點之所以重要，是因為絕大多數的外洩都發生在移動和分享時，而非資料「靜止不動」時。
4) 將外洩 (而非只是敏感) 列為優先
並非所有敏感資料都同樣危險，將重點優先擺在可能被廣泛存取、公開曝光、對外分享，或控管不良的系統上的敏感資料，這通常比全部控管更能快速降低風險。
5) 採用能適應情境的政策
套用一些能考量到使用者、位置、裝置狀態及行為 (如異常下載或大量分享) 的規則，而非只仰賴靜態關鍵字比對 (這容易造成雜訊並錯過真正濫用的情況)。
6) 減少經由多重管道的滲透路徑
什麼是資料隱私框架？
資料隱私框架提供您一種可重複的方法來改善成熟度、指派責任歸屬，以及衡量進度。它將「隱私意圖」變成一種運作模式。
NIST 隱私框架
NIST 隱私框架 (Privacy Framework) 的設計是要協助將隱私風險管理納入企業風險管理的一環。當您需要一套結構化方法來評估當前的控管措施、定義目標狀態，以及判斷改善的優先次序時，它會非常有用。
ISO/IEC 27701
ISO/IEC 27701 進一步延伸了資訊安全管理方法，針對個人身分識別資訊 (PII) 提供隱私相關的控管與問責實務。通常，當客戶希望看到正式的保障與治理結構以及資安控管時，這項認證會很好用。
什麼是 AI 資料隱私？
AI 資料隱私是指防範個人或敏感資料經由 AI 工作流程外洩，尤其是經由提示、連接的資料來源 (RAG/知識庫)、記錄檔，以及模型輸出。
AI 會讓資料隱私變得特別複雜的一個原因就是：它鼓勵人們迅速掌握資訊。這意味著敏感資料更有可能：
為了方便而被貼入提示當中。
- 從內部儲存庫自動擷取。
- 包含在記錄檔或聊天歷史記錄中。
在存取控管不足的情況下被包含在輸出當中。
AI 系統的工作流程如何危及資料隱私
1. 透過提示注入引導模型取得敏感資料
根據趨勢科技「Link Trap」研究的解釋，提示注入是一種透過精心製作的輸入來操弄 GenAI 系統以達成駭客意圖的攻擊。很重要的是，該文指出，即使 AI 沒有太大的權限，這類提示注入仍可能導致敏感資料外洩，這就是為何「不讓它連上任何東西」並非一套完整的安全策略。
駭客注入的提示可能指示 AI 執行以下動作：
蒐集敏感資料 (對於公有的 GenAI，這可能包括含有個人資料的聊天記錄；對於私有的 GenAI，這可能包括內部密碼或提供給 AI 參考的機密文件)。
將資料附加到網址內，然後將資料隱藏在一個看似無害的超連結背後來降低懷疑。
2. 暴露在外的 RAG 元件 (向量儲存和 LLM 代管) 將資料外洩
能降低 AI 隱私風險的控管
1. 將提示視為不受信任的輸入
假設提示可能帶有敵意，訓練使用者不要遵照「隱藏」的指示操作，並小心輸出當中內嵌的連結和參照。
2. 限制 AI 可存取的內容 (只給予最低的資料與工具權限)
如果 AI 能夠取得敏感內容，那麼駭客就會試著引導 AI 存取那些內容。限制對內部儲存庫的存取權限，並依據角色來切割知識庫。
3. 將 RAG 基礎當成營運基礎架構來保護
利用認證、TLS 和零信任網路來鎖定向量儲存和 LLM 代管，因為當擷取系統的後端存放著私密資料時，暴露在外的元件將帶來直接的隱私風險。
4. 監控 AI 使用模式
留意是否有異常的擷取行為、異常的查詢模式，以及不斷試圖繞過政策的情況，這很可能意味著駭客嘗試刺探或注入提示的訊號。
資料隱私範例與資料隱私新聞
藉由範例，您將更容易了解資料隱私如何保護人們的生活：真實發生的曝險、監理單位的調查，以及執法單位做出能降低風險再次發生的改變。
Capita 網路攻擊事件與英國 GDPR
資料隱私受到什麼威脅：2023 年 3 月，駭客從英國知名商業流程外包公司 Capita 的系統竊取了 660 萬人的資料，其中包括某些敏感資訊。
法規如何因應 (以及解決了什麼問題)：2025 年 10 月，英國 ICO 對該公司祭出了 1,400 萬英鎊的罰鍰，理由是該公司未能確保適當的資料安全，明確地將貧弱的資安控管與緩慢的回應視為一種資料保護上的缺失，而非「只是」IT 問題。
隱私保護在實務上的表現如何：UK GDPR 將資安期望變成可強制的要求，包括：風險評估、權限控管、監控以及即時的回應，因為企業若因為弱點而導致大規模外洩，必須負起責任。罰鍰本身不是重點，製造誘因 (和壓力) 讓企業想要解決系統性漏洞來避免人們的資料陷入危險才是關鍵。
TikTok 對兒童資料的不當管理與 ICO
資料隱私受到什麼威脅：ICO 發現，TikTok 在未經家長同意的情況下處理了 13 歲以下兒童資料，而且並未充分努力發掘並移除年幼的使用者，或提供適當的透明度。
法規如何因應 (以及解決了什麼問題)：英國 ICO 對 TikTok 處以 1,270 萬英鎊的罰鍰 (2023 年 4 月)。這就是隱私保護形成的一種設計上的壓力：平台應該要建立適合其年齡的安全機制、避免非法處理，並且溝通清楚，尤其當涉及兒童時。
這對英國的企業為何重要：這提醒企業：「不知道」不能當成理由，當涉及弱勢族群時，監管機關通常會檢視企業是否已採取理的措施、年齡驗證機制、風險導向的控管，以及使用者真正看得懂的隱私權資訊。
挑選資料隱私工具
評估資料隱私工具最簡單的方式就是根據您所要的結果，一般來說，強大的資料隱私與資安軟體應包含：
資料搜尋與分類：尋找敏感資料並套用一致的政策。
資料外洩防護 (DLP)：偵測並防止敏感資料經由常見管道外流。
身分識別與存取管理 (IAM/PAM)： 強制實施最低授權原則，並減少未經授權的存取。
加密與金鑰管理：保護儲存中與傳輸中的資料。
監控與警報：偵測危險行為與可疑的存取模式。
雲端與 SaaS 控管：降低組態設定錯誤風險與影子 IT 曝險。
採用 TrendAI Vision One™ 來強化資料隱私合規
提出資料隱私合規狀態的證明：敏感資料位於何處、誰可以存取，以及資料在電子郵件、端點及雲端應用程式之間如何移動。TrendAI Vision One™ 能協助您將這些訊號整合在一起，讓隱私團隊與資安團隊能夠發掘最重要的曝險，並且在它們演變成必須通報的資安事故之前預先採取行動。
Joe Lee 是趨勢科技產品管理副總裁，負責掌管企業電子郵件與網路防護解決方案的全球策略與產品開發。
常見問題 (FAQ)
什麼是資料隱私？
這是指人們應該要能掌控自己的個人資料如何被蒐集、使用、分享及儲存。
有哪些關於資料隱私的法律與規範？
這些法律規範了企業處理個人資料的方式，通常會要求透明化、限制目的、設置安全機制，並且尊重個人權利 (例如 UK GDPR 和 EU GDPR)。
什麼是資料隱私合規？
就是能夠證明您已透過治理、控管和證據來證明您確實履行了適用的隱私權義務，尤其在資料對應、保存、權利處理以及廠商監督方面。
企業最大的資料隱私疑慮是什麼？
資料氾濫、組態設定錯誤、過度的存取權限、第三方曝險以及資料外傳，這些都是隱私權事故最常發生的原因。
什麼是 AI 資料隱私？
它能透過政策、存取控管、監控及廠商安全機制來防止個人或敏感資料經由 AI 流程外洩，例如提示、擷取系統、訓練資料以及輸出。
我可以立即導入的資料隱私實務有哪些？
可從資料搜尋、存取審查 (最低權限)、保存資料清理，以及監控和防範敏感資料經由常見管道 (如電子郵件和雲端應用程式) 外流的控管措施開始。