セキュリティ統制・法務・基準重要度:★★出題: AM2・PM1

DLP (Data Loss Prevention) と秘密計算・差分プライバシー

でぃーえるぴー / ひみつけいさん / さぶんぷらいばしー / Data Loss Prevention / Confidential Computing / Differential Privacy

機密情報の定義ルールや機密ラベルに基づき外部持ち出しを監視・遮断するDLPと、データを暗号化・秘匿したまま処理・統計活用するプライバシー強化技術（PETs）。

3行速習ポイント

DLP（情報漏洩防止）：利用者属性だけでなく「データの中身（機密キーワード、マイナンバー・クレカ番号の正規表現、機密ラベル、文書フィンガープリント）」を識別してメール送信・Webアップロード・USB書出しを阻止
秘密計算（Confidential Computing / 準同型暗号・秘密分散・TEE）：クラウド上のメモリ展開時や演算処理中もデータを平文化せず、クラウド管理者からさえデータを秘匿したまま計算を実行
差分プライバシー（Differential Privacy）：統計データや機械学習モデルの出力に数学的に制御されたノイズを加え、特定の個人のデータが含まれていたかどうかを逆推定（再識別）できないようにする技術

図解

図DLP（情報漏洩防止）とプライバシー強化技術（秘密計算・差分プライバシー）

コンテンツ検査・遮断

DLP (Data Loss Prevention)

データ内容（機密ラベル・正規表現・文書特徴）を識別して持出し阻止

利用者権限だけでなく、ファイル内部にマイナンバーやソースコード、機密区分ラベルが含まれているかをエンドポイントやゲートウェイで検査し外部送信を遮断

処理中データの秘匿

秘密計算 (Confidential Computing)

TEE（ハードウェア隔離領域）・準同型暗号・秘密分散による処理中保護

データをメモリ上で平文に戻すことなく暗号化・分散したまま演算処理を実行し、クラウド事業者やインフラ管理者からのデータ覗き見を防止

統計・AIプライバシー

k-匿名性と差分プライバシー

準識別子の一般化（k件以上同一化）と統計出力への数学的ノイズ付加

年齢・住所等の組合せで同じレコードがk件以上になるよう加工（k-匿名性）し、検索結果に制御されたノイズを加えて個人の特定・逆推定を防止（差分プライバシー）

💡 データの3状態：「保存時（Storage暗号化）」「通信時（TLS暗号化）」に加え、秘密計算によって「処理中（メモリ演算時）」のデータ秘匿が実現される

概要と本質

従来の暗号化は「保存時（Data at Rest）」と「通信時（Data in Transit）」の2状態を守りますが、「処理中（Data in Use：メモリ上での演算時）」は平文に復号する必要がありました。TEE（Trusted Execution Environment：ハードウェア隔離領域）や準同型暗号・マルチパーティ計算（MPC）を用いた秘密計算は、第3の状態である「処理中のデータ保護」を実現します。

重要ポイント・コア概念

エンドポイントDLPとネットワークDLP：端末上でのクリップボードコピー・印刷・USB書込みを制御するエージェント型と、メールゲートウェイやSWG/CASB上で通信ペイロードを検査するネットワーク型
準同型暗号（Homomorphic Encryption）：暗号文のまま加算や乗算を行うことができ、復号すると平文で計算した結果と一致する暗号技術
k-匿名性（k-Anonymity）：準識別子（年齢・性別・郵便番号等）の同じ組み合わせを持つレコードが必ずk件以上存在するように一般化・トップコーディングを行い、個人の特定確率を1/k以下に抑える手法