audit-sampling-methods

隐私审计抽样方法

概述

审计抽样是指对总体中不足 100% 的项目实施审计程序，从而对整个总体形成结论。在隐私审计中，抽样用于测试处理活动、DSAR 响应、同意记录、供应商合同及其他隐私控制的合规性，而无需检查每条记录。

ISA 530（国际审计准则——审计抽样）和 IIA Practice Advisory 2320-3（审计抽样）提供了权威框架。对于隐私审计，抽样必须考虑到个人数据处理受到更严格的监管审查，以及单条不合规记录可能造成重大损害。

抽样方法

方法	说明	适用情形
统计抽样	运用概率论选取样本并评估结果；可量化抽样风险	审计结论必须能够经受监管机构审查；总体规模较大；需要将结果外推
非统计（判断）抽样	审计员运用专业判断选取项目	总体规模较小；针对已知风险领域开展测试；作为统计抽样的补充

统计抽样方法

属性抽样

用于估算总体中的偏差率（不合规率）。

参数	说明	隐私审计中的典型值
总体规模	可审计总体中的项目总数	例如，1,000 项 DSAR，500 份供应商合同
置信水平	样本结果反映总体情况的概率	90%（标准）；95%（面向监管机构）
可容忍偏差率	可接受的最高不合规率	5%（标准）；2%（关键控制）
预期偏差率	估算的实际不合规率	根据以往审计或风险评估确定
样本量	要测试的项目数量	根据上述参数计算

样本量参考表（属性抽样）

总体	90% 置信水平 / 5% 可容忍偏差率	95% 置信水平 / 5% 可容忍偏差率	95% 置信水平 / 2% 可容忍偏差率
100	38	45	64
250	42	50	100
500	44	54	131
1,000	45	57	154
5,000	46	59	176
10,000+	46	59	181

分层抽样

将总体划分为若干子组（层），再按比例或非按比例从各层抽取样本。

分层因素	示例分层	原因
业务部门	EU、US、APAC	不同司法管辖区的监管要求各异
数据敏感度	标准、敏感、特殊类别	高风险数据类别需要更多测试
处理目的	营销、人力资源、客户服务	不同目的的合规要求各异
时间段	Q1、Q2、Q3、Q4	检测季节性模式或情况恶化
供应商级别	Tier 1（高用量）、Tier 2、Tier 3	将抽样重点放在风险最高的供应商上

非统计抽样方法

方法	说明	应用场景
随机散选	不按结构化方法选取项目，同时避免偏见	快速初步测试
区段选取	选取特定时间段或地点内的所有项目	测试特定时间窗口（例如，3 月的所有 DSAR）
判断选取	审计员根据风险因素选取项目	针对高价值项目、已知例外或异常情况

隐私专项抽样注意事项

注意事项	指引
个体伤害阈值	即使只有一条不合规记录，也可能造成重大伤害；审计人员不得忽视个别发现
监管预期	监管机构可能会对关键控制（违规通知、同意）要求更高的置信水平
特殊类别数据	对涉及依据第 9 条处理特殊类别数据的事项，采用较低的可容忍偏差率（2%）
自动化处理	对于完全自动化的流程，应增加样本量，以验证算法在各种边缘情况下的一致性
跨境传输	按目的地国家分层抽样，以验证每条传输路径的充分性／保障机制

评估样本结果

情形	样本偏差率	结论
偏差率低于可容忍偏差率	例如：观察值为 2%，可容忍值为 5%	总体可能合规；不存在重大问题
偏差率等于可容忍偏差率	例如：观察值为 5%，可容忍值为 5%	处于临界状态；考虑扩大样本量或将其列为中等问题
偏差率超过可容忍偏差率	例如：观察值为 12%，可容忍值为 5%	存在重大不合规；必须正式提出问题
未发现偏差	观察值为 0%	有力的合规证据（但不保证 100%）

外推

当样本结果显示存在偏差时，审计人员必须将发现外推至整个总体：

要素	计算方法
点估计	（发现的偏差数 / 样本量）× 总体规模
偏差上限	使用选定置信水平对应的统计表计算
预计货币影响	点估计 × 每项偏差的平均影响