差分プライバシーとは
差分プライバシー（Differential Privacy）とは、データ分析の結果に適切なノイズを加えることで、特定の個人のデータが含まれていても含まれていなくても、分析結果がほとんど変わらないことを数学的に保証するプライバシー保護の枠組みです。データガバナンスの観点からは、プライバシー保護の「強さ」を定量的に管理できる点で画期的な概念です。
プライバシーバジェット（ε）の管理
差分プライバシーの強度はプライバシーパラメータε（イプシロン）で制御されます。εが小さいほどプライバシー保護が強力ですが、分析結果の精度が低下します。ガバナンスの観点では、このεの値（プライバシーバジェット）を組織として適切に設定し管理することが重要です。同じデータに対して複数の分析を行うとプライバシーが漸減するため（構成定理）、累積的なバジェット消費を追跡する仕組みが必要です。
実装と制度設計
差分プライバシーはApple、Google、Microsoftなどの企業がユーザーデータの収集に採用しており、米国国勢調査局も2020年国勢調査で適用しました。組織に差分プライバシーを導入する際は、データの種類やユースケースごとの適切なε値の策定、バジェット管理のワークフロー、分析精度への影響の評価基準、利用者への教育が必要です。データガバナンスフレームワークに差分プライバシーを組み込むことで、定量的かつ透明性の高いプライバシー管理が可能になります。