OpenMed 上机 PHI 前的 HIPAA 合规检查:从 45 CFR 164 清单到 Safe Harbor 签名审计报告
OpenMed 上机 PHI 前的 HIPAA 合规检查:从 45 CFR 164 清单到 Safe Harbor 签名审计报告
本篇指南面向即将用 OpenMed 处理受保护健康信息(PHI)的工程与合规团队,讲解如何在部署前把真实管线逐一对照 HIPAA《隐私规则》与《安全规则》(45 CFR Part 164)的管理、物理、技术三类保障措施,生成可复现的差距报告(gap report),并说明 OpenMed 的端上(on-device)去标识化与签名审计报告如何作为去标识化与审计控制的落地证据。读完本文,你将能够:用
openmed.deidentify在 Safe Harbor 策略下把 PHI 转为非 PHI;生成并校验带 HMAC 签名的AuditReport;逐项走完 18 类标识符与三大保障组清单并输出差距报告。本技能定位为结构化自评估辅助工具,不构成法律意见,最终合规结论需由隐私官(Privacy Officer)签署。
使用时机:什么时候跑这份合规清单
在任何管线接触到 PHI 之前,运营实体(covered entity 或其业务伙伴 business associate)必须先落实《隐私规则》与《安全规则》的保障措施。这份技能适合以下场景:
- 即将把 OpenMed(或任何管线)部署到真实 PHI 上,需要一个 go/no-go 合规评审;
- 需要为审计、BAA(业务伙伴协议)或安全问卷记录**保障措施(safeguards)与最小必要(minimum-necessary)**控制;
- 需要在 Safe Harbor 与 **Expert Determination(专家判定)**两种去标识化路径之间做出选择,并记录决策理由;
- 需要产出可复现的差距报告,交给隐私官/安全官。
技能元数据(见 SKILL.md)约定其触发关键词包括 HIPAA、Privacy Rule、Security Rule、45 CFR 164、PHI、BAA、business associate、minimum necessary、safeguards、Safe Harbor、Expert Determination、gap analysis 等,便于 Agent 在合规评审场景中自动唤起。完整控制清单(含 45 CFR 引用条文)存放在 hipaa-checklist.md。
两条"不再是 PHI"的路径
HIPAA 在 45 CFR 164.514 承认两种去标识化方法:
- Safe Harbor(安全港)——移除全部 18 类标识符,且不实际知晓结果可能被重新识别。确定性、可机械执行,是常规路径。
- Expert Determination(专家判定)——由合格统计学家认证"非常小"的再识别风险。当必须保留部分准标识符(quasi-identifiers)时使用。
OpenMed 对应的实现是:deidentify(..., policy="hipaa_safe_harbor") 在端上针对 Safe Harbor 标识符集做脱敏;deidentify(..., audit=True) 生成签名、无 PHI 的 AuditReport,记录移除了什么——这正是 Safe Harbor 证明与《安全规则》审计控制(164.312(b))都想要的证据。
快速开始
import openmed
# 来自管线的代表性记录(合成数据——绝不记录真实 PHI)
sample = "John Doe (MRN 1234567), DOB 1970-01-15, seen 2024-03-02 in Boston."
# 1) 在 Safe Harbor 策略下端上去标识化
result = openmed.deidentify(sample, method="replace", policy="hipaa_safe_harbor")
print(result.deidentified_text) # 标识符被移除/替代
# 2) 为合规档案生成签名、无 PHI 的审计记录
report = openmed.deidentify(sample, policy="hipaa_safe_harbor", audit=True)
report.sign(b"<release-hmac-key-from-vault>", key_id="hipaa-2026")
# 3) 逐项走清单(见 references/hipaa-checklist.md)并记录差距
controls = {
"encryption_at_rest": True,
"encryption_in_transit": True,
"access_controls_rbac": True,
"audit_logging": True, # 部分由签名 AuditReport 满足
"minimum_necessary": False, # <-- 差距:管线拉取了完整病历
"baa_in_place": True,
"deidentification_method": "safe_harbor",
}
gaps = [name for name, ok in controls.items() if not ok]
print("GAPS:", gaps)
快速开始背后的源码事实
deidentify的真实签名在 openmed/core/pii.py,支持method(mask、aadhaar_mask、remove、replace、hash、format_preserve、shift_dates)、policy、audit、keep_mapping、use_safety_sweep等参数。默认confidence_threshold=0.7(注释明确"Higher threshold for safety",即为了安全取更高阈值)。policy="hipaa_safe_harbor"解析到策略配置文件 openmed/core/policies/hipaa_safe_harbor.json:default_action与default_action_bias均为mask,safety_sweep_mandatory=true(强制安全清扫),forced_cascade_tiers=["R0","R1","R2"](强制级联脱敏层级),keep_mapping=false与reversible_id=false(不做可逆映射、不留可逆 ID),且DIRECT_IDENTIFIER、QUASI_IDENTIFIER、SENSITIVE_ATTRIBUTE、CLINICAL_CONCEPT四类上层标签全部mask。仓库还提供fhir_hipaa_safe_harbor.json与omop_hipaa_safe_harbor.json,覆盖 FHIR、OMOP 互操作场景下的 Safe Harbor 变体。report.sign(...)与report.verify(...)的实现位于 openmed/core/audit.py:签名用 HMAC-SHA256 对规范化(canonical)报告负载计算摘要,携带key_id与算法标识;verify在给定原文/脱敏文时还会校验input_hash与deidentified_text_hash,任何篡改都会导致校验失败——这正是"防篡改证据"(tamper-evidence)的机制来源。
六步工作流
- 绘制数据流图(Map the data flow)。标注每一个 PHI 被创建、接收、维护或传输的位置——包括模型缓存、临时文件和日志。这是最容易遗漏 PHI 面的一步。
- 确认法律基础(Confirm the legal basis)。运营者是 covered entity 还是 business associate?每个接触 PHI 的下游供应商是否都有 BAA?OpenMed 端上运行意味着 NLP 环节没有第三方处理者——在控制项中把这记为对你有利的一项。
- 执行三类保障组(Run the three safeguard groups),依据 hipaa-checklist.md:管理类(风险分析、员工培训、制裁政策)、物理类(设施/设备控制)、技术类(访问控制、审计控制、完整性、传输安全)。
- 落实最小必要(Enforce minimum necessary)。只拉取任务需要的字段,其余掩码;在用例允许的范围内尽早去标识化。
- 记录去标识化方法(Record the de-identification method)——Safe Harbor 还是 Expert Determination——并把签名的
AuditReport作为证据归档。 - 输出差距报告(Emit the gap report)。逐控制项标注 met / not-met / N/A,附 45 CFR 引用与整改责任人,交给隐私官。
三大保障组与隐私规则控制清单
清单逐控制项引用其标准条文。R = Required(必须),A = Addressable(须实施、采取等效替代方案,或书面说明其不合理——绝非"可选")。"OpenMed fit" 列注明 OpenMed 满足或支持该控制之处。
1. 管理保障措施 — 45 CFR 164.308
| # | 控制项 | 引用 | R/A | 是否满足? | OpenMed 契合点 |
|---|---|---|---|---|---|
| A1 | 安全管理流程:开展准确、彻底的风险分析 | 164.308(a)(1)(ii)(A) | R | ☐ | 去标识化环节不引入外部处理者(端上运行) |
| A2 | 风险管理——把风险降至合理水平 | 164.308(a)(1)(ii)(B) | R | ☐ | 尽早去标识化缩小 PHI 暴露面 |
| A3 | 员工违规制裁政策 | 164.308(a)(1)(ii)(C) | R | ☐ | — |
| A4 | 信息系统活动审查(审计日志复查) | 164.308(a)(1)(ii)(D) | R | ☐ | 签名 AuditReport 供复查 |
| A5 | 指定安全负责人(Security Official) | 164.308(a)(2) | R | ☐ | — |
| A6 | 员工授权/监督/权限审查 | 164.308(a)(3) | A | ☐ | — |
| A7 | 信息访问管理——隔离、授权、修改访问 | 164.308(a)(4) | R/A | ☐ | 对去标识化输出做 RBAC |
| A8 | 安全意识与培训(提醒、恶意软件、登录、口令) | 164.308(a)(5) | A | ☐ | — |
| A9 | 安全事件处置流程——识别、响应、上报 | 164.308(a)(6) | R | ☐ | — |
| A10 | 应急计划——备份、容灾、应急模式、演练 | 164.308(a)(7) | R/A | ☐ | — |
| A11 | 评估——周期性技术与非技术评审 | 164.308(a)(8) | R | ☐ | 变更时重跑本清单 |
| A12 | 与每个接触 PHI 的供应商签订 BAA | 164.308(b)(1), 164.314(a) | R | ☐ | 端上 NLP 无需新增 BAA |
2. 物理保障措施 — 45 CFR 164.310
| # | 控制项 | 引用 | R/A | 是否满足? | OpenMed 契合点 |
|---|---|---|---|---|---|
| P1 | 设施访问控制——应急、安全计划、验证 | 164.310(a) | A | ☐ | — |
| P2 | 工作站使用策略(合适的功能/方式) | 164.310(b) | R | ☐ | — |
| P3 | 工作站安全(访问的物理保障) | 164.310(c) | R | ☐ | — |
| P4 | 设备与介质控制——处置、复用、问责、备份 | 164.310(d) | R/A | ☐ | 清除曾承载 PHI 的模型缓存 |
3. 技术保障措施 — 45 CFR 164.312
| # | 控制项 | 引用 | R/A | 是否满足? | OpenMed 契合点 |
|---|---|---|---|---|---|
| T1 | 访问控制——唯一用户 ID、紧急访问、自动登出 | 164.312(a)(1) | R/A | ☐ | — |
| T2 | 静态加密/解密 | 164.312(a)(2)(iv) | A | ☐ | 加密去标识化输出及任何映射 |
| T3 | 审计控制——记录并审查系统活动 | 164.312(b) | R | ☐ | 签名 AuditReport(audit=True)记录每一次脱敏 |
| T4 | 完整性——防止 PHI 被不当篡改/销毁 | 164.312(c) | R/A | ☐ | AuditReport.verify() = 防篡改证据(HMAC) |
| T5 | 个人/实体认证 | 164.312(d) | R | ☐ | — |
| T6 | 传输安全——完整性控制 + 传输加密 | 164.312(e) | R/A | ☐ | 任何导出走 TLS;访问 OpenFDA 等仅限 HTTPS |
4. 隐私规则控制 — 45 CFR Part 164 Subpart E
| # | 控制项 | 引用 | 是否满足? | OpenMed 契合点 |
|---|---|---|---|---|
| V1 | 最小必要——把 PHI 限定在目的范围内 | 164.502(b), 164.514(d) | ☐ | 掩码任务不需要的字段 |
| V2 | 去标识化——Safe Harbor(18 类)或 Expert Determination | 164.514(a)–(c) | ☐ | deidentify(policy="hipaa_safe_harbor") |
| V3 | 有限数据集 + 数据使用协议(若保留日期/ZIP) | 164.514(e) | ☐ | 仍是 PHI——适用不同控制 |
| V4 | 经授权或允许的使用与披露 | 164.502, 164.506, 164.508 | ☐ | — |
| V5 | 披露记录(Accounting of disclosures) | 164.528 | ☐ | 审计轨迹支持记录 |
| V6 | 违约通知评估与义务 | 164.400–414 | ☐ | NIST 级加密可能避免触发 |
18 类 Safe Harbor 标识符 — 164.514(b)(2)
Safe Harbor 去标识化必须全部移除以下 18 类:
- 姓名
- 小于州的地理细分(街道、城市、县、区、ZIP 及同等物——仅当区域人口 > 20,000 时才可保留 ZIP3)
- 与个人直接相关的所有日期要素(年份除外);年龄 > 89 以及所有指示该年龄的日期要素,聚合为"90+"
- 电话号码
- 传真号码
- 电子邮箱地址
- 社会安全号码(SSN)
- 病历号
- 健康计划受益人编号
- 账户号码
- 证书/执照号码
- 车辆标识符与序列号(含车牌)
- 设备标识符与序列号
- Web URL
- IP 地址
- 生物识别标识符(指纹/声纹)
- 全脸照片及可比图像
- 任何其他唯一标识号码、特征或代码
外加残留条件:不实际知晓剩余数据可能识别出该个体。
18 类映射的源码级实现
OpenMed 把这 18 类落实为代码中的一等公民,见 openmed/compliance/safe_harbor.py:
SAFE_HARBOR_CATEGORY_ORDER按监管顺序固定枚举 18 类(NAME、GEOGRAPHIC_SUBDIVISION、DATE_ELEMENT、TELEPHONE_NUMBER、FAX_NUMBER、EMAIL_ADDRESS、SOCIAL_SECURITY_NUMBER、MEDICAL_RECORD_NUMBER、HEALTH_PLAN_BENEFICIARY_NUMBER、ACCOUNT_NUMBER、CERTIFICATE_LICENSE_NUMBER、VEHICLE_IDENTIFIER、DEVICE_IDENTIFIER、URL、IP_ADDRESS、BIOMETRIC_IDENTIFIER、FULL_FACE_PHOTO、UNIQUE_IDENTIFIER),并通过模块级校验确保恰好 18 类(见 safe_harbor.py 的_validate_category_table,任何类别缺失都会直接抛RuntimeError)。generate_safe_harbor_attestation()把一次去标识化运行的审计报告聚合为不含 PHI 的证明:只输出类别元数据、聚合计数、策略动作与哈希,绝不复制原文、跨度偏移、上下文、替代值或检测证据(模块 docstring 明示此约束)。每个类别生成SafeHarborCategoryAttestation,若该类别无 OpenMed 标签映射或存在keep动作,则标记residual_risk=True,此时requires_expert_determination变为True——自动把"残留风险需专家复核"这一合规要求落到代码行为上。- 类别与标签的映射表
LABEL_TO_HIPAA定义在 openmed/core/labels.py,hipaa_safe_harbor.json策略把PERSON、DATE_OF_BIRTH、SSN、ZIPCODE、VIN、IP_ADDRESS等数百个标签全部置为mask,与 18 类一一对应。
跨度覆盖核查可与
auditing-safe-harbor-checklist技能配合:它把 OpenMed 检测标签映射到上述 18 类,证明每一类都已被处理(见 SKILL.md 与其参考文件 safe-harbor-identifiers.md)。
与 OpenMed 相关技能的衔接
- 去标识化:deidentifying-clinical-text(
openmed.deidentify、policy="hipaa_safe_harbor")是端上把 PHI 转为非 PHI 的技术控制——HIPAA 管线的核心。 - 标识符覆盖:auditing-safe-harbor-checklist 把检测跨度映射到 18 类 Safe Harbor 类别,便于逐类证明覆盖。
- 审计控制:auditing-deidentification-runs(
audit=True→AuditReport.sign()/.verify())提供《安全规则》审计控制标准(164.312(b))所期望的防篡改、无 PHI 记录。 - 无 PHI 日志:enforcing-nophi-logging 确保标识符不进入日志与追踪(一个反复出现的审计发现)。
- OpenMed 是 local-first 的——NLP 环节不会新增业务伙伴(BAA 义务)。
边界情况与常见陷阱
- 去标识化数据超出范围——但前提是做得对。 Safe Harbor 要求 全部 18 类被移除且不实际知晓可再识别性。残留的稀有 ZIP3 或模型漏掉的自由文本姓名都会让数据重新变成 PHI。务必验证覆盖度,不要想当然。
- 有限数据集(Limited Data Sets)仍然是 PHI。 在数据使用协议(164.514(e))下保留日期和 ZIP 的数据并未去标识化——适用的是另一套规则。
- 日志和缓存也是 PHI。 承载原始病历的模型缓存、异常消息、临时文件都在范围内。这是最常见的差距项。
- 每个供应商都需要 BAA。 凡代表你创建/接收/维护/传输 PHI 的供应商——包括云存储和任何 LLM API——都要签 BAA。OpenMed 端上运行可避免为 NLP 环节新增一个。
- 最小必要是义务,不是客气(164.502(b))。问题列表够用时,不要拉取完整病历。
- 违约通知倒计时。 未受保护(unsecured)的 PHI 暴露会触发 164.400-414 义务;按 NIST 标准加密可使数据处于"secured"状态,从而可能避免通知触发。
- 非法律意见。 本清单支持但不替代隐私官的判定;走 Expert Determination 路径时还需合格统计学家的认证。
标准与参考
- HHS HIPAA for Professionals(HIPAA 专业人员入口)
- 隐私规则,45 CFR Part 164 Subpart E
- 安全规则,45 CFR Part 164 Subpart C
- 去标识化指南(Safe Harbor 与 Expert Determination),164.514
- HHS 安全风险评估工具
- NIST SP 800-66r2(安全规则落地指南)
给读者的一句话收尾
部署前跑一遍本清单,用 deidentify(policy="hipaa_safe_harbor", audit=True) 生成签名审计报告作为证据,把差距报告交给隐私官签署——OpenMed 的端上架构让 NLP 环节天然不新增 BAA 义务,这本身就是你在 A12、T3 两项控制上的有力加分项。