案例06｜Data Privacy：Apple Differential Privacy、TEE、Consent 與 Data Minimization

一、案例定位

把原書 privacy controls 轉成全生命週期治理案例。

二、學習目標

區分 anonymization、differential privacy、federated learning、synthetic data、TEE。
理解 consent 與 data minimization。

三、案例情境

原書以 Apple 在 iOS 15 新 AI features 使用 differential privacy 為例，並指出 Azure／AWS TEE 可隔離敏感資料；零售 chatbot 可能需要 product/catalog data，但 payment information 未必必要。

四、開始資料

Privacy control	原書用途／例子
Differential privacy	加入 controlled noise；Apple iOS 15 example
Federated learning	在 decentralized devices 上降低直接集中資料需求
Synthetic data	避免直接暴露真實 user records
TEE	Hardware-secured enclave；Azure／AWS example
Consent rights	Access／correct／restrict／delete
Data minimization	只保留特定 AI goal 真正需要的資料

五、Excel／AI 分析方法

建立 data-element inventory，逐欄標示 Purpose、Necessary?、PII?、Consent、Retention、Control。

六、計算結果

教材情境若 20 個欄位中 6 個不必要，data-minimization removal rate=30%。

七、結果分析與管理解讀

Privacy 不只是「去識別化」；還包含少收、少留、控制存取、可追溯與可回應 data-subject rights。

八、AI 提問詞

根據資料欄位與 business purpose 判斷哪些欄位沒有明確用途，標示為 review candidates；不得自行刪除 legal-required fields。

九、思考／情境變動

**題目：**若 6 個不必要欄位移除後剩多少？

**參考解答：**14 個。