日本个人番号：APPI与Verhoeff校验
日本个人信息保护委员会（PPC）2024年共发布45项执法决定，同年还发布了日本首份AI隐私指引。PPC研究发现，63%的通用NLP工具无法在日语文件中检测到个人番号（マイナンバー）。如果您的团队处理日本居民的数据，这一差距意味着直接的APPI合规风险。
个人番号是什么
日本为每位居民分配唯一的12位标识符，即个人番号，属于个人番号制度（マイナンバー制度）的组成部分，覆盖税务、养老金、医疗保险和灾害应对领域。根据APPI，该标识符属于敏感数据，收集或共享须具备法律依据。
Verhoeff校验难题
个人番号使用Verhoeff算法生成校验位。Verhoeff是一种数学方法，能够捕获所有单位数字错误，以及所有相邻两位数字互换的错误，需要三张查找表才能运行，无法手动计算，必须通过代码实现。
这一点至关重要，原因有二。其一，日本12位格式与众多其他编码相似——发票参考号、文件ID和日期字符串均共享相同格式，没有Verhoeff校验，工具会将错误的值标记为个人番号。其二，大多数工具不使用Verhoeff，而是使用更简单的模10或模11校验，这些方法在此无效。
PPC研究发现，63%的工具要么跳过校验，要么使用了更简单的方法——两种问题同时存在：误报和漏报均有发生。
信用卡使用的Luhn算法相对简单，个人番号不使用Luhn算法，以Luhn算法为基础构建的工具在此场景下无效。
三套书写系统，一个名字
日语文本同时使用三种书写系统，工具必须全部支持。
**平假名（ひらがな）：**用于语法和本土词汇，46个基础字符。
**片假名（カタカナ）：**用于外来词和外来名字，46个基础字符。在日本的外国人姓名以此书写。
**汉字（漢字）：**用于名词和姓名，常用字约2000个。
同一个人的姓名可能以四种形式出现：汉字（田中太郎）、平假名（たなかたろう）、片假名（タナカ タロウ）和罗马字（Tanaka Taro）。工具必须匹配全部四种形式，否则会漏检该人的大部分记录。
其他需检测的日本ID
**驾照（運転免許証番号）：**12位数字，前两位标识都道府县。东京为10，大阪为62。这使工具能够验证该值对该地区是否有效。
**护照（旅券番号）：**两个字母加七位数字，ICAO格式，日本使用特定字母对。
**健康保险证（健康保険証記号番号）：**符号加编号，格式因保险机构而异。国民健康保险（国民健康保険）和协会管掌健康保险（協会けんぽ）使用不同格式。
**在留卡（在留カード番号）：**面向外国居民，格式为两个字母、八位数字、两个字母，由法务省签发。
APPI的匿名化要求
APPI规定了严格的匿名化数据标准，称为「匿名加工信息」（匿名加工情報）。在一个关键方面，它比GDPR要求更高：匿名化必须可由第三方验证且在技术上不可逆。
为达到合规要求，组织必须：
- 删除所有直接标识符，包括个人番号。
- 处理所有准标识符组合。
- 使用k-匿名性或类似方法。
- 公开发布所采取步骤的概述说明。
- 永远不尝试对数据进行再识别。
PPC 2024年AI指引新增了一项具体规定：如果使用匿名化数据训练AI，则不得将该模型用于再识别个人。这是对针对APPI训练集实施模型反演攻击的直接禁止。
满足PPC标准需要四项能力：对个人番号进行Verhoeff校验，使用ja_core_news进行日语NER（含正确分词），跨汉字、假名和罗马字的姓名匹配，以及驾照的都道府县代码核验。
印度的Aadhaar号码同样需要Verhoeff校验，详情请参阅印度DPDPA技术合规指南。关于跨国标识符检测，请参阅GDPR下的欧盟国家税务ID检测。