---
title: "資料最小化（Data Minimization）"
slug: data-minimization
language: zh-TW
source: https://aiterms.tw/terms/data-minimization
updated_at: 2026-07-30
tags: [資料治理, 隱私設計, GDPR, AI倫理, 個人資料保護, 隱私工程]
ipas_term: false
---

# 資料最小化（Data Minimization）

只收集、處理和保存完成特定目的所必要之最少個人資料的隱私設計原則。

## 完整說明

資料最小化（Data Minimization）是一項資料保護與隱私設計原則，要求組織在收集與處理個人資料時，僅限於實現特定、明確且合法目的所必要的最少量資料，不應收集超出必要範圍的額外資訊。這是歐盟通用資料保護條例（GDPR）第五條明確規定的核心原則之一，也是「隱私設計（Privacy by Design）」框架的重要組成部分。

## 常見問題

### AI 模型訓練需要大量資料，如何同時遵守資料最小化原則？

大規模資料需求與資料最小化原則之間的張力是 AI 開發的核心倫理挑戰。實務上有幾種技術路徑可以緩解這一矛盾。聯邦學習讓模型在使用者設備端本地訓練，避免集中儲存個人資料。差分隱私在訓練過程加入精確雜訊，使模型不會記住個別訓練樣本。合成資料生成技術可產生統計特性相似但不含真實個人資訊的資料集。此外，目的限定原則要求組織在設計初期就明確訓練目的，只收集對模型真正有幫助的特徵，並在特徵工程後刪除原始資料，而非永久保存所有蒐集的原始資訊。

### 違反資料最小化原則會面臨什麼後果？

在歐盟 GDPR 框架下，違反資料最小化原則屬於違反資料處理基本原則（第五條），可被處以高達全球年營業額 4% 或 2000 萬歐元（取高者）的罰款，這是 GDPR 中最高等級的罰款。歷史上已有多起因違反資料最小化的重大罰款案例，包括 Google 因過度蒐集廣告個人化所需資料而受到法國資料保護機構（CNIL）開罰。在台灣，違反個資法可能面臨行政罰款及刑事責任。除法律風險外，超量蒐集資料也增加了資料洩露時的損害規模，一旦發生資安事件，受影響的使用者範圍和資料敏感程度都會更大。

### 「去識別化」資料是否還需要遵循資料最小化原則？

這是資料治理中的一個重要細節問題。若資料已達到真正的「匿名化」標準（即在現有技術條件下無法再識別到個人），則在 GDPR 定義下就不再算作個人資料，資料最小化等 GDPR 原則不再強制適用。然而，真正達到匿名化標準非常困難：許多看似匿名的資料可以透過關聯攻擊（Linkage Attack）重新識別。GDPR 對假名化（Pseudonymization）資料（如用代號替換姓名）明確指出仍屬於個人資料，仍需遵循資料最小化原則。因此，去識別化並非自動免除資料最小化義務，組織需要評估其去識別化是否達到真正的匿名標準。

---

來源：https://aiterms.tw/terms/data-minimization
快查頁：https://aiterms.tw/terms/data-minimization
最後更新：2026/07/30
深度解說：https://aiterms.tw/learning/what-is-data-minimization