2026年数据保护与隐私知识考察试题及答案解析

2026年数据保护与隐私知识考察试题及答案解析一、单项选择题（本大题共15小题，每小题2分，共30分。在每小题列出的四个选项中，只有一项是符合题目要求的）1.根据《中华人民共和国个人信息保护法》，处理敏感个人信息需要取得个人的（）。A.一般同意B.单独同意C.书面同意D.默示同意【答案】B【解析】《个人信息保护法》第二十九条规定，处理敏感个人信息应当取得个人的单独同意。法律、行政法规规定处理敏感个人信息应当取得书面同意的，从其规定。2.在差分隐私技术中，隐私预算参数ε的数值越大，表示（）。A.隐私保护强度越高，数据可用性越低B.隐私保护强度越低，数据可用性越高C.隐私保护强度越高，数据可用性越高D.隐私保护强度与数据可用性无关【答案】B【解析】差分隐私中，隐私预算ε控制着添加到查询结果中的噪声量。ε越小，添加的噪声越大，隐私保护越强，但数据可用性降低；ε越大，噪声越小，数据可用性提高，但隐私保护减弱。3.根据GDPR（《通用数据保护条例》），数据控制者应在发现个人数据泄露后（）小时内通知监管机构。A.24B.48C.72D.96【答案】C【解析】GDPR第33条规定，除非个人数据泄露不太可能对自然人的权利和自由造成风险，否则数据控制者应在意识到泄露后72小时内向监管机构进行通知。4.以下哪种加密算法属于非对称加密算法？（）A.AESB.DESC.RSAD.RC4【答案】C【解析】RSA是最经典的非对称加密算法，使用公钥和私钥两个不同的密钥。AES、DES和RC4均为对称加密算法。5.在数据生命周期管理中，数据销毁阶段的主要目的是（）。A.降低存储成本B.防止数据被未经授权恢复C.提高系统运行速度D.释放网络带宽【答案】B【解析】数据销毁的核心目的是确保数据在达到保留期限后无法被恢复，防止数据泄露风险。虽然销毁数据可以降低存储成本，但这不是主要目的。6.根据《网络安全法》，关键信息基础设施的运营者在中华人民共和国境内运营中收集和产生的个人信息和重要数据应当在（）存储。A.运营者所在地B.境内C.境外安全地区D.双方协商确定的地点【答案】B【解析】《网络安全法》第三十七条规定，关键信息基础设施的运营者在中华人民共和国境内运营中收集和产生的个人信息和重要数据应当在境内存储。确需向境外提供的，应当按照国家网信部门会同国务院有关部门制定的办法进行安全评估。7.K-匿名模型中，K值表示（）。A.数据集中记录的总数B.每个等价类中至少包含的记录数C.数据集中属性的总数D.匿名化处理的轮数【答案】B【解析】K-匿名要求数据集中任意一条记录，在准标识符属性上至少与K-1条其他记录不可区分，即每个等价类中至少包含K条记录。K值越大，隐私保护程度越高。8.关于同态加密技术，下列说法正确的是（）。A.只能加密，不能解密B.允许对密文直接进行计算，解密结果与对明文计算的结果一致C.同态加密与普通加密的区别在于密钥长度D.目前同态加密已完全取代传统加密方法【答案】B【解析】同态加密的核心特性是允许直接对密文进行运算，解密后得到的结果与对明文进行相同运算的结果一致。这使数据在加密状态下也能被处理。9.在访问控制模型中，RBAC（基于角色的访问控制）的核心思想是（）。A.每个用户拥有独立的权限列表B.权限与角色关联，用户通过角色获得权限C.根据数据敏感程度动态调整访问权限D.所有用户默认拥有相同权限【答案】B【解析】RBAC模型将权限授予角色，再将角色分配给用户。用户通过担任的角色间接获得权限，简化了权限管理。10.数据脱敏与数据加密的区别在于（）。A.脱敏后数据可逆，加密后数据不可逆B.脱敏后的数据通常保留部分真实特征且不可逆，加密后的数据可逆C.两者没有本质区别D.脱敏只能用于非结构化数据【答案】B【解析】数据脱敏（如替换、遮蔽、泛化）通常是一次性的不可逆操作，保留数据的部分统计特征；加密是可逆操作，通过密钥可以还原原始数据。11.以下哪种攻击方式主要针对机器学习模型的隐私泄露？（）A.SQL注入攻击B.成员推理攻击C.拒绝服务攻击D.中间人攻击【答案】B【解析】成员推理攻击通过观察模型对特定样本的输出来判断该样本是否在训练数据集中，从而泄露训练数据的隐私信息。这是针对机器学习模型的主要隐私攻击方式之一。12.根据《数据安全法》，国家建立数据分类分级保护制度，数据分为（）。A.公开数据、内部数据、机密数据B.一般数据、重要数据、核心数据C.个人数据、企业数据、政府数据D.基础数据、增值数据、衍生数据【答案】B【解析】《数据安全法》第二十一条规定，根据数据在经济社会发展中的重要程度，以及一旦遭到篡改、破坏、泄露或者非法获取、非法利用，对国家安全、公共利益或者个人、组织合法权益造成的危害程度，对数据实行分类分级保护，分为一般数据、重要数据和核心数据。13.在差分隐私中，拉普拉斯机制适用于（）。A.计数查询B.数值型查询C.布尔查询D.文本查询【答案】B【解析】拉普拉斯机制通过在查询结果上添加服从拉普拉斯分布的随机噪声来实现差分隐私，适用于数值型查询（如求和、平均值等）。指数机制适用于非数值型查询。14.以下关于Cookie的说法，正确的是（）。A.Cookie只能存储加密数据B.第三方Cookie可以跨站点追踪用户行为C.Cookie存储在服务器端D.Cookie是永久性的，无法删除【答案】B【解析】第三方Cookie由非当前访问域名设置，可跨站点追踪用户浏览行为，用于广告定向投放等目的，这也是隐私问题的重要来源。Cookie存储在客户端浏览器中，可以设置有效期或被用户清除。15.在零信任安全模型中，核心原则是（）。A.信任内网，防范外网B.永不信任，始终验证C.以防火墙为信任边界D.一次认证，全程信任【答案】B【解析】零信任模型的核心原则是"永不信任，始终验证"，要求对所有访问请求（无论来自内网还是外网）进行持续验证和最小权限授权。二、多项选择题（本大题共5小题，每小题3分，共15分。在每小题列出的四个选项中，至少有两项是符合题目要求的，多选、少选、错选均不得分）16.以下属于个人信息的有（）。A.姓名B.身份证号码C.匿名化处理后的统计数据D.行踪轨迹【答案】ABD【解析】《个人信息保护法》规定，个人信息是以电子或其他方式记录的与已识别或可识别的自然人有关的各种信息。姓名、身份证号、行踪轨迹均属于个人信息。匿名化处理后的信息无法识别特定个人，不属于个人信息。17.关于数据备份策略，3-2-1原则指的是（）。A.保留3份数据副本B.使用2种不同的存储介质C.至少1份副本存放在异地D.每天备份3次，保留2周，至少1个月恢复测试【答案】ABC【解析】3-2-1备份原则：保留数据的3份副本（1份生产数据+2份备份），使用2种不同介质存储，其中至少1份存放在异地，以应对灾难性事件。18.下列属于隐私增强技术（PETs）的有（）。A.联邦学习B.安全多方计算C.数据脱敏D.区块链【答案】ABC【解析】隐私增强技术包括联邦学习、安全多方计算、差分隐私、同态加密、数据脱敏等。区块链本身不是隐私增强技术，但可与其他技术结合用于隐私保护。19.根据GDPR，数据主体的权利包括（）。A.访问权B.被遗忘权（删除权）C.数据可携权D.反对权【答案】ABCD【解析】GDPR赋予数据主体访问权（第15条）、更正权（第16条）、删除权（第17条）、限制处理权（第18条）、数据可携权（第20条）、反对权（第21条）等多项权利。20.在数据安全风险评估中，常用的风险分析方法包括（）。A.故障树分析（FTA）B.事件树分析（ETA）C.失效模式与影响分析（FMEA）D.SWOT分析【答案】ABC【解析】故障树分析（FTA）、事件树分析（ETA）、失效模式与影响分析（FMEA）都是常用的风险评估方法。SWOT分析主要用于战略规划，不属于数据安全风险评估方法。三、填空题（本大题共10空，每空1分，共10分）21.根据《个人信息保护法》，处理个人信息应当遵循___原则、___原则和___原则。【答案】合法、正当、必要【解析】《个人信息保护法》第五条规定，处理个人信息应当遵循合法、正当、必要和诚信原则。22.在AES加密算法中，密钥长度可以是128位、192位或___位。【答案】256【解析】AES算法支持三种密钥长度：128位、192位和256位，对应加密轮数分别为10轮、12轮和14轮。23.差分隐私的组合性质包括___组合和___组合。【答案】串行（顺序）组合、并行组合【解析】串行组合指对同一数据集依次执行多个差分隐私算法，隐私预算累加；并行组合指将数据集划分为互不相交的子集分别处理，总隐私预算取各算法中的最大值。24.在数据脱敏技术中，___是用虚构数据替换真实数据的方法。【答案】伪造（合成数据）【解析】伪造/合成数据是指根据原始数据的统计特征生成虚构数据来替代真实数据，保留统计分布特征同时不泄露个体信息。25.数据分类分级的核心步骤包括：确定分类分级对象、制定分类分级规则、实施分类分级、以及___。【答案】动态更新管理（分类分级结果动态调整）【解析】数据分类分级是一个动态过程，需根据数据变化、业务发展和风险状况定期复核和调整分类分级结果。26.TPM（可信平台模块）的核心功能包括___、___和平台完整性度量。【答案】密钥生成与管理、数据封装（远程证明）【解析】TPM具备密钥生成与安全管理、数据封装/密封、平台完整性度量与报告等核心功能，为计算平台提供硬件级信任根。四、简答题（本大题共4小题，每小题5分，共20分）27.简述《个人信息保护法》中规定的个人信息处理者的义务（至少列出5项）。【答案要点】（1）制定内部管理制度和操作规程，采取相应的安全技术措施；（2）对个人信息实行分类管理；（3）采取加密、去标识化等安全技术措施；（4）合理确定个人信息处理的操作权限，并定期对从业人员进行安全教育和培训；（5）制定并组织实施个人信息安全事件应急预案；（6）定期对其处理个人信息遵守法律、行政法规的情况进行合规审计；（7）对处理敏感个人信息、利用个人信息进行自动化决策、委托处理、向第三方提供、公开个人信息等高风险活动进行事前影响评估。【解析】《个人信息保护法》第五章（第五十一条至五十六条）系统规定了个人信息处理者的义务，答题时列举5项以上即可得满分。28.解释什么是数据最小化原则，并举例说明。【答案要点】数据最小化原则是指处理个人信息应当限于实现处理目的的最小范围，不得过度收集个人信息。具体包括：（1）收集的个人信息类型与处理目的直接相关；（2）收集数量以实现处理目的所必需为限；（3）存储期限为实现处理目的所必要的最短时间。举例：在线购物平台只需收集收货人姓名、地址和联系电话即可完成配送服务，无需收集用户的身份证号码或婚姻状况；若收集了与交易无关的信息，则违反数据最小化原则。【解析】数据最小化是GDPR和《个人信息保护法》共同确认的核心原则，强调目的限制和数据收集的范围控制。29.简述差分隐私与K-匿名的主要区别。【答案要点】（1）攻击假设不同：K-匿名假设攻击者只能通过准标识符进行链接攻击，无法抵御背景知识攻击；差分隐私对攻击者的背景知识不做任何假设，即使攻击者掌握除目标记录外的全部信息，也无法推断目标记录的隐私信息。（2）保护机制不同：K-匿名通过泛化、抑制等操作使记录不可区分；差分隐私通过向查询结果中添加受控噪声实现隐私保护。（3）数学基础不同：K-匿名缺乏严格的数学定义和量化标准；差分隐私具有严格的数学定义和可证明的隐私保证，通过隐私预算ε进行量化。（4）适用场景不同：K-匿名适用于静态数据集的发布；差分隐私适用于动态查询场景和交互式数据发布。【解析】差分隐私是当前学术界公认的最强隐私保护模型，K-匿名则属于早期的数据发布隐私保护模型，两者在安全性保证上有本质差异。30.什么是数据可携权？实现数据可携权的技术挑战有哪些？【答案要点】数据可携权是GDPR第20条赋予数据主体的权利，指数据主体有权以结构化、常用且机器可读的格式，从数据控制者处获取其提供的个人数据，并有权将这些数据传输给另一控制者而不受原控制者阻碍。技术挑战：（1）数据格式标准化问题——不同系统的数据格式异构，需要统一的数据交换标准（如JSON、XML等）；（2）数据接口的互操作性——需要建立通用的API接口规范；（3）数据安全与隐私保护——数据传输过程中的加密、认证、审计机制；（4）防止数据滥用——数据可携可能导致数据被恶意爬取或用于未经授权的用途；（5）区分"用户提供的数据"与"系统衍生数据"的边界。【解析】数据可携权是数字经济时代促进数据流动和竞争的重要制度设计，但落地实施面临多重技术挑战。五、应用题（本大题共3小题，每小题5分，共15分）31.某公司数据库包含100万条用户记录，每条记录包含姓名、年龄、所在城市、疾病诊断结果。现需要公开发布这些数据的统计信息，但不泄露个人隐私。（1）请分析该数据集存在的隐私风险。【答案要点】①直接标识符风险：姓名可直接识别个人身份；②准标识符链接风险：年龄、所在城市组合可被用于链接其他公开数据源，识别特定个人；③敏感属性暴露风险：疾病诊断结果属于敏感个人信息，直接公开将造成严重隐私泄露；④唯一性风险：部分记录可能在准标识符属性上具有唯一性，即使去除姓名，仍能定位到个人。（2）提出至少三种隐私保护方案，并比较其优缺点。【答案要点】方案一：K-匿名处理（如K=100）优点：实现简单，能有效抵御链接攻击；保留数据的统计特征，仍可进行群体分析。缺点：无法抵御背景知识攻击；等价类中记录的属性值被泛化，数据精度下降。方案二：差分隐私（设置ε=1.0）优点：提供严格的数学可证明隐私保证，不依赖攻击者背景知识假设。缺点：添加噪声会降低统计结果的精确度；对少量数据的查询结果噪声过大，影响可用性。方案三：数据脱敏+访问控制对姓名进行替换，对疾病诊断进行泛化（如将具体病种泛化为疾病类别），同时设置数据访问权限。优点：操作灵活，可根据不同用户角色提供不同粒度的数据。缺点：泛化过度会损失数据价值；需要配合完善的访问控制机制。【解析】本题考察数据发布场景下的隐私风险评估和隐私保护技术综合应用能力。实际方案可根据数据用途和安全需求组合使用多种技术。32.某公司计划将用户数据从本地数据中心迁移到公有云平台，请设计数据迁移过程中的隐私保护方案。【答案要点】（1）迁移前：①数据分类分级：识别数据中的个人信息、重要数据，确定敏感级别；②数据脱敏：对非生产环境需要的数据进行脱敏处理；③风险评估：评估云服务商的安全能力和合规资质（如等保三级、ISO27001认证）；④签订数据处理协议：明确双方数据保护责任划分。（2）迁移中：①加密传输：使用TLS1.3或IPsecVPN确保数据在传输过程中的机密性和完整性；②完整性校验：使用SHA-256哈希校验数据完整性，防止传输过程中数据被篡改；③迁移监控与审计：记录迁移日志，监控异常行为。（3）迁移后：①静态数据加密：使用KMS（密钥管理服务）对云端存储数据进行加密，密钥由公司自管或使用专属密钥管理服务；②访问控制配置：按照最小权限原则配置云上访问控制策略；③数据残留清除：确保本地旧存储介质上的数据已被安全擦除（符合NISTSP800-88标准）；④持续监测：配置云安全态势管理（CSPM）和数据泄露防护（DLP）系统。【解析】数据迁移是数据全生命周期管理中的关键环节，需要从迁移前、中、后三个阶段的完整视角设计隐私保护方案。33.某医疗机构使用机器学习模型辅助诊断疾病，训练数据包含患者的电子健康记录（EHR）。研究人员希望使用这些数据训练更精确的模型，同时需要保护患者隐私。（1）设计一种联邦学习方案，使多个医疗机构可以协作训练模型而不共享原始数据。【答案要点】联邦学习方案设计：①网络架构：采用中心化联邦学习架构，设置中央服务器和多个参与机构客户端。②训练流程：a.初始化：中央服务器初始化全局模型参数；b.本地训练：各参与机构使用本地EHR数据训练模型，更新参数为；c.参数上传：各机构将模型更新（梯度或权重）加密后上传至中央服务器；d.安全聚合：中央服务器使用安全聚合协议（如SecAgg）对各方参数进行加权平均：=其中为第i个机构的本地样本数，N=为总样本数；e.参数下发：中央服务器将更新后的全局参数下发至各机构，进行下一轮训练。③安全措施：a.使用同态加密或安全多方计算实现参数的安全聚合，防止中央服务器窥探各机构参数；b.使用差分隐私在各机构上传参数前添加噪声，防止成员推理攻击；c.使用TLS加密通信通道确保参数传输安全。（2）分析该方案面临的主要安全威胁及应对措施。【答案要点】主要威胁：①恶意服务器攻击：中央服务器可能尝试从收到的参数中推断患者信息。应对措施：使用安全聚合协议、差分隐私噪声、可信执行环境（TEE）。②恶意参与者攻击：恶意机构可能提交异常参数破坏模型或实施投毒攻击。应对措施：设计鲁棒聚合算法（如Krum、TrimmedMean）、参与者身份认证、贡献度评估。③成员推理攻击：攻击者通过观察模型输出来判断特定患者是否在训练集中。应对措施：在模型训练或参数上传阶段添加适当的差分隐私噪声，限制模型过拟合。④模型逆向攻击：攻击者从模型参数中重构训练数据。应对措施：梯度剪裁、大噪声差分隐私、加密参数传输。【解析】联邦学习是医疗等敏感领域中重要的隐私保护协作学习方案，本题综合考察对联邦学习机制、安全聚合、隐私攻击模型的理解。六、论述题（本大题共1小题，每小题10分，共10分）34.请结合我国《数据安全法》《个人信息保护法》等相关法律法规，论述数字经济时代数据利用与隐私保护的平衡路径。【答案要点】（1）数字经济时代的数据价值与隐私风险数字经济以数据为核心生产要素，数据流动和开发利用是经济增长的重要引擎。然而，数据的大规模收集和处理也带来了严重的隐私风险，包括个人信息滥用、数据泄露、算法歧视、监控社会等问题。数据利用与隐私保护之间的矛盾已成为数字治理的核心议题。（2）法律框架下的平衡理念《数据安全法》确立"以数据开发利用和产业发展促进数据