ss

@@ -63,8 +63,7 @@
           <span class="text">等价类门限风险<el-tooltip placement="top" effect="light" popper-class="table_tooltip">
               <template #content>
                 <div style="max-width: 236px;">
-                  完全公开共享数据发布，门限阈值取值 1/20；受控公开共享数据发布，门限阈值取值 1/5；领地公开共享数据发布，门限阈值取值
-                  1/3；等价类门限风险为：等价类的重标识风险大于门限阈值为1，小于等于为0，求和后除以等价类个数。
+                  完全公开共享数据发布，门限阈值取值1/20；受控公开共享数据发布，门限阈值取值1/5；领地公开共享数据发布，门限阈值取值1/3；等价类门限风险为：等价类的重标识风险大于门限阈值为1，小于等于为0，求和后除以等价类个数。
                 </div>
               </template>
               <el-icon style="margin-left: 2px;margin-top: 2px;">
@@ -203,7 +202,7 @@
   <h1 style="font-family: simsun;font-size: 18px;font-weight: 700;text-align: left;margin-top: 10px;margin-bottom: 10px;color: #212121;">报告总览</h1>
   <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;">{{ `    一、评价对象：${analysisResultInfo.tenantName}2025年1月1日至2025年12月31日的${oldAnonTaskValueInfo.taskName}，该数据集包含1张表，字段总数量共计${changeNum(analysisResultInfo.fieldNum || 0)}个，记录总数量共计${changeNum(analysisResultInfo.dataSetRecord || 0)}条，数据元素总量为${changeNum(analysisResultInfo.dataTotal || 0)}个 。` }}</p>
   <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;">{{ `    二、评价方法：基于匿名化评估国家标准GB/T 42460-2023《信息安全技术 个人信息去标识化效果评估指南》、GB/T 37964-2019《信息安全技术 个人信息去标识化指南》，以及《中华人民共和国个人信息保护法》、《中华人民共和国数据安全法》、《中华人民共和国网络安全法》、《面向数据流通的匿名化效果实施指南 草案》、《面向数据流通的匿名化效果评估指南 草案》和《数据安全技术 个人信息匿名化处理指南及评价方法 征求意见稿》相关法律法规，采用“定性分析”与“定量计算”相结合的综合评估方法。` }}</p>
-  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;">{{ `    三、评估结论：综合定性与定量评估结果，根据GB/T 42460-2023的分级标准，该${oldAnonTaskValueInfo.taskName}的匿名化效果评定为${analysisResultInfo.rating}级${analysisResultInfo.rating <=2 ? '（重标识风险较高）' : ''}。${`需要对准标识符${analysisResultInfo.qualifiedIdentifier?.map(f => f.chName)?.join('、')}做有效的泛化和抑制，满足k-匿名要求（设定k≥10） ，从而使得该数据集适用于受控环境下进行跨机构流通。`} 。` }}</p>
+  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;">{{ `    三、评估结论：综合定性与定量评估结果，根据GB/T 42460-2023的分级标准，该${oldAnonTaskValueInfo.taskName}的匿名化效果评定为${analysisResultInfo.rating}级${analysisResultInfo.rating <=2 ? '（重标识风险较高）' : ''}。${`需要对准标识符${analysisResultInfo.qualifiedIdentifier?.map(f => f.chName)?.join('、')}做有效的泛化和抑制，满足k-匿名要求（设定k≥10），从而使得该数据集适用于受控环境下进行跨机构流通。`} 。` }}</p>
   <div style="page-break-after: always;">
     <span style="display: none;">&nbsp;</span>
   </div>
@@ -239,17 +238,17 @@
   <h1 style="font-family: simsun;font-size: 18px;font-weight: 700;text-align: left;margin-top: 10px;margin-bottom: 10px;color: #212121;">四、定量评估（重标识风险计算）</h1>
   <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;">{{ `    依据GB/T 42460-2023《信息安全技术个人信息去标识化效果评估指南》附录D,对去标识化以后的数据集基于K匿名模型进行去标识化效果的评估。总体方案为先对所有的数据进行直接标识符识别，判断无直接标识符内容后，再计算数据集每行记录、整体数据集的重标识风险，进而计算环境重标识攻击概率，最后再结合环境重标识攻击概率计算整个数据集的重标识整体风险。` }}</p>
   
-  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;font-weight: 700;">{{ `    直接标识符：` }}<span style="font-weight: 500;">{{ '经扫描数据集的内容，比如现病史、既往史等长文本字段进行扫描，未发现直接标识符内容。' }}</span></p>
-  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;font-weight: 700;">{{ `    重标识风险总体风险：` }}<span  style="font-weight: 500;">{{  `准标识符${analysisResultInfo.rating > 2 ? '' : '并未'}进行有效泛化，计算的重标识符总体风险为${analysisResultInfo.reIdentifyOverallRisk != null ?
-            (analysisResultInfo.reIdentifyOverallRisk || 0) * 100 : '--'}${analysisResultInfo.reIdentifyOverallRisk ? '%' : ''}；` }}</span></p>
-  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;font-weight: 700;">{{ `    重标识风险最大值：` }}<span style="font-weight: 500;">{{ `计算数据集中重标识风险最高的记录所对应的风险值。经计算，该数据集最大重标识风险值为${analysisResultInfo.reIdentifyRiskRb != null ?
-            (analysisResultInfo.reIdentifyRiskRb || 0) : '--'}${analysisResultInfo.reIdentifyRiskRb ? `（即${analysisResultInfo.reIdentifyRiskRb*100}%）` : ''}。` }}</span></p>
-  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;font-weight: 700;">{{ `    重标识风险平均值：` }}<span style="font-weight: 500;">{{ `模拟攻击者随机抽取一条记录并尝试重标识的平均风险。经计算，该数据集重标识风险的平均值为${analysisResultInfo.reIdentifyRiskRc != null ?
-            (analysisResultInfo.reIdentifyRiskRc || 0) : '--'}${analysisResultInfo.reIdentifyRiskRc ? `（即${analysisResultInfo.reIdentifyRiskRc * 100}%）` : ''}。` }}</span></p>
-  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;font-weight: 700;">{{ `    环境重标识攻击概率：` }}<span style="font-weight: 500;">{{ oldAnonTaskValueInfo.dataSharingTypeCode == '01' ? `${oldAnonTaskValueInfo.dataSharingTypeName}的数据集，攻击者对数据集进行环境重标识攻击的概率为1。即该数据集的攻击概率为${analysisResultInfo.envReAttackPr != null ?
+  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;"><strong>{{ `    直接标识符：` }}</strong>{{ '经扫描数据集的内容，比如现病史、既往史等长文本字段进行扫描，未发现直接标识符内容。' }}</p>
+  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;"><strong>{{ `    重标识风险总体风险：` }}</strong>{{  `准标识符${analysisResultInfo.rating > 2 ? '' : '并未'}进行有效泛化，计算的重标识符总体风险为${analysisResultInfo.reIdentifyOverallRisk != null ?
+            (analysisResultInfo.reIdentifyOverallRisk || 0) * 100 : '--'}${analysisResultInfo.reIdentifyOverallRisk ? '%' : ''}；` }}</p>
+  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;"><strong>{{ `    重标识风险最大值：` }}</strong>{{ `计算数据集中重标识风险最高的记录所对应的风险值。经计算，该数据集最大重标识风险值为${analysisResultInfo.reIdentifyRiskRb != null ?
+            (analysisResultInfo.reIdentifyRiskRb || 0) : '--'}${analysisResultInfo.reIdentifyRiskRb ? `（即${analysisResultInfo.reIdentifyRiskRb*100}%）` : ''}。` }}</p>
+  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;"><strong>{{ `    重标识风险平均值：` }}</strong>{{ `模拟攻击者随机抽取一条记录并尝试重标识的平均风险。经计算，该数据集重标识风险的平均值为${analysisResultInfo.reIdentifyRiskRc != null ?
+            (analysisResultInfo.reIdentifyRiskRc || 0) : '--'}${analysisResultInfo.reIdentifyRiskRc ? `（即${analysisResultInfo.reIdentifyRiskRc * 100}%）` : ''}。` }}</p>
+  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;"><strong>{{ `    环境重标识攻击概率：` }}</strong>{{ oldAnonTaskValueInfo.dataSharingTypeCode == '01' ? `${oldAnonTaskValueInfo.dataSharingTypeName}的数据集，攻击者对数据集进行环境重标识攻击的概率为1。即该数据集的攻击概率为${analysisResultInfo.envReAttackPr != null ?
             (analysisResultInfo.envReAttackPr || 0) : '--'}${analysisResultInfo.envReAttackPr ? `（即${analysisResultInfo.envReAttackPr * 100}%）` : ''}。` : 
   `${oldAnonTaskValueInfo.dataSharingTypeName}的数据集，环境重标识攻击概率为内部故意攻击概率、数据集包含熟人概率和数据泄露概率三者的最大值，经计算，该数据集的攻击概率为${analysisResultInfo.envReAttackPr != null ?
-            (analysisResultInfo.envReAttackPr || 0) : '--'}${analysisResultInfo.envReAttackPr ? `（即${analysisResultInfo.envReAttackPr * 100}%）` : ''}。` }}</span></p>
+            (analysisResultInfo.envReAttackPr || 0) : '--'}${analysisResultInfo.envReAttackPr ? `（即${analysisResultInfo.envReAttackPr * 100}%）` : ''}。` }}</p>
   
   <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;font-weight: 700;margin: 8px 0px 4px;">{{ '    具体计算指标如下：' }}</p>
 
@@ -347,7 +346,7 @@
   <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;color: #212121;margin-top: 8px;white-space: pre-wrap;">{{ '    重标识风险最大值：所有等价类的重标识风险最大值；' }}</p>
   <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;color: #212121;white-space: pre-wrap;">{{ '    重标识风险平均值：所有等价类的重标识风险平均值；' }}</p>
   <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;color: #212121;white-space: pre-wrap;">{{ '    环境重标识攻击概率：完全公开共享数据发布，攻击者对数据集进行环境重标识攻击的概率为1。领地公开共享与受控公开共享数据发布，环境重标识攻击概率为内部故意攻击概率、数据集包含熟人概率和数据泄露概率三者的最大值；' }}</p>
-  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;color: #212121;white-space: pre-wrap;">{{ '    等价类门限风险：完全公开共享数据发布，门限阈值取值1/20；受控公开共享数据发布，门限阈值取值 1/5；领地公开共享数据发布，门限阈值取值 1/3；等价类门限风险为：等价类的重标识风险大于门限阈值为1，小于等于为0，求和后除以等价类个数；' }}</p>
+  <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;color: #212121;white-space: pre-wrap;">{{ '    等价类门限风险：完全公开共享数据发布，门限阈值取值1/20；受控公开共享数据发布，门限阈值取值1/5；领地公开共享数据发布，门限阈值取值1/3；等价类门限风险为：等价类的重标识风险大于门限阈值为1，小于等于为0，求和后除以等价类个数；' }}</p>
   <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;color: #212121;white-space: pre-wrap;">{{ '    重标识风险总体风险：完全公开共享，当等价类门限风险=0时，重标识风险总体风险公式为等价类重标识风险最大值*环境重标识攻击概率；当等价类门限风险!=0时，重标识风险总体风险为1。' }}</p>
   <p style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;color: #212121;white-space: pre-wrap;">{{ '    受控公开共享和领地公开共享，当等价类门限风险=0时，重标识风险总体风险公式为等价类重标识风险平均值*环境重标识攻击概率；当等价类门限风险!=0时，重标识风险总体风险为1。' }}</p>
 
@@ -359,7 +358,7 @@
   
   <!-- 6. 建议与改进 -->
   <h1 v-show="analysisResultInfo.rating <= 2" style="font-family: simsun;font-size: 18px;font-weight: 700;text-align: left;margin-top: 10px;margin-bottom: 10px;color: #212121;">六、建议与改进</h1>
-  <p v-show="analysisResultInfo.rating <= 2" style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;">{{ `    需要对准标识符${analysisResultInfo.qualifiedIdentifier?.map(f => f.chName)?.join('、')}做有效的泛化和抑制，满足k-匿名要求（设定k≥10） ，从而使得该数据集适用于受控环境下进行跨机构流通。` }}</p>
+  <p v-show="analysisResultInfo.rating <= 2" style="font-family: simsun;margin: 0px;font-size: 14px;line-height: 21px;white-space: pre-wrap;color: #212121;">{{ `    需要对准标识符${analysisResultInfo.qualifiedIdentifier?.map(f => f.chName)?.join('、')}做有效的泛化和抑制，满足k-匿名要求（设定k≥10），从而使得该数据集适用于受控环境下进行跨机构流通。` }}</p>
 </div>
   </div>
 </template>