# 我愿意分享研究结论，但不想连原始私密资料一起交出去。 | EasyNet

Source: https://easynet.run/cases/problems/share-conclusions-without-raw-data

[easynet.run · 全部问题场景](https://easynet.run/cases#problem-scenarios)

# 我愿意分享研究结论，但不想连原始私密资料一起交出去。

合作方想知道客户为什么流失，你手里有访谈和统计。原文包含姓名、联系方式和商业约定，不能直接交出去；只发一句“价格是主要原因”，对方又无法判断结论适用什么范围。你需要分享的是足以支持决策的结果。

一次性沟通，人工审查过的报告通常最合适。固定的脱敏导出也可能足够。远程处理更适合资料会更新、合作方需要有限追问，而你愿意持续维护这项输出的情况。

例如，先提供一个按已批准时间段返回流失原因分布的方法，只返回允许的聚合结果与采样说明。这个程序在资料拥有者批准的环境中执行，EasyRemote 提供函数入口。合作方提交允许的查询条件，不取得访谈库账号，也不拿到可以任意读取原文的接口。

具体允许什么，仍需研究负责人决定并由程序执行。小样本是否可以返回、哪些字段要排除、相邻查询会不会拼出某个人，都不能只凭删掉姓名判断。必要时把某些追问转为人工审查，而不是让模型自己判断结果已经匿名。

结果还应该带上可公开的方法说明：采样时间、覆盖对象、主要限制，以及这次统计依据哪份数据。它帮助合作方理解可信范围，却不伪装成对方已经查阅过原始证据。运行服务、资料更新和输出检查都由提供方持续维护。

先用合成访谈测试一个正常问题和几个试图缩小到个人的追问，检查输出是否仍在批准范围内。原资料没有搬走，只是减少了一种暴露方式，并不保证结论没有推断风险。做清楚这些限制后，双方才可能在不交换整份私密资料的前提下，围绕可分享的结果继续合作。

01

限定可问范围

时间段、字段与小样本规则。

02

资料侧计算

拥有者维护程序与输出检查。

03

交付结果与方法

保留采样说明，不返回访谈原文。

合作方得到有解释的聚合结果，不得到任意读取原文的入口。

小样本先拒绝输出

虚构数据演示最低样本门槛，不构成匿名性保证；组合查询与推断风险还需专门评估。
本地示例 · python

```
def approved_aggregate(reasons, minimum=5):
    if len(reasons) < minimum:
        return {'status': 'withheld_small_group'}
    from collections import Counter
    return {'status': 'released', 'counts': dict(Counter(reasons))}

print(approved_aggregate(['price', 'delivery']))
```

预期结果：输出withheld_small_group，不返回两个人的原因分布。

接入时的检查项

返回结果不含禁止公开的原始字段。

查询范围之外的追问不能获得资料原文。

结果能说明方法与限制且经过负责人确认。

源码与接入资料

[只返回需要的摘要，不带出原始记录](https://easynet.run/cases/data-resident-ai)

[函数接入指南](https://easynet.run/docs/connect/function)