Ανωνυμοποίηση

Ένα σύνολο δεδομένων είναι ανωνυμοποιημένο μόνο όταν κανείς από όσους το κατέχουν δεν μπορεί εύλογα να επαναταυτοποιήσει τα άτομα που περιλαμβάνει. Η διαγραφή προφανών αναγνωριστικών, όπως ονόματα και αριθμοί ταυτότητας, δεν αρκεί, γιατί το υπόλοιπο της εγγραφής μπορεί ακόμη να περιγράφει ένα πραγματικό πρόσωπο. Οι εγγραφές με ευαίσθητα δεδομένα χρειάζονται τον αυστηρότερο έλεγχο.

Οι ρυθμιστικές αρχές και τα πρότυπα το κρίνουν με βάση το πλήρες πλαίσιο. Ρωτούν ποιες άλλες πηγές δεδομένων υπάρχουν, ποιος θα μπορούσε να τις συνδυάσει και πόση προσπάθεια θα απαιτούσε η επαναταυτοποίηση. Η αφαίρεση του ονόματος με διατήρηση ενός σπάνιου συνδυασμού ταχυδρομικού κώδικα, ημερομηνίας γέννησης και φύλου είναι γνωστός τρόπος αποτυχίας σε αυτόν τον έλεγχο, επειδή ο συνδυασμός αυτός μόνος του μπορεί να εντοπίσει ένα άτομο σε δημόσια μητρώα.

Τέσσερις τεχνικές καλύπτουν τις περισσότερες περιπτώσεις. Μην τις συγχέετε με τη απόκρυψη δεδομένων, η οποία αποκρύπτει τιμές χωρίς απαραίτητα να αφαιρεί τη δυνατότητα ταυτοποίησης.

Επίσημα μοντέλα, όπως η k-ανωνυμία, η l-διαφοροποίηση και η διαφορική ιδιωτικότητα, δίνουν σε αυτές τις τεχνικές μετρήσιμη εγγύηση. Για παράδειγμα, η k-ανωνυμία εξασφαλίζει ότι κάθε συνδυασμός quasi-αναγνωριστικών αντιστοιχεί σε τουλάχιστον k άτομα του συνόλου δεδομένων.

Οι δύο έννοιες συχνά συγχέονται, αλλά οι κανονισμοί τις αντιμετωπίζουν πολύ διαφορετικά. Η ψευδωνυμοποίηση αντικαθιστά τις ταυτοποιητικές τιμές με σταθερούς εναλλακτικούς χαρακτηρισμούς, όπως ένα ID πελάτη που αντιστοιχίζεται σε ένα token. Ένα ξεχωριστό κλειδί μπορεί να αντιστρέψει τη διαδικασία, οπότε τα δεδομένα παραμένουν προσωπικά, απλώς προστατευμένα.

Η ανωνυμοποίηση εξαλείφει αυτή τη δυνατότητα. Δεν υπάρχει κλειδί ούτε νόμιμος δρόμος επιστροφής στο άτομο. Γι' αυτό τα ψευδωνυμοποιημένα δεδομένα εξακολουθούν να εμπίπτουν στη νομοθεσία προστασίας δεδομένων, ενώ τα σωστά ανωνυμοποιημένα δεδομένα γενικά όχι.

Η ανωνυμοποίηση είναι διαδικασία και κάθε βήμα περιορίζει τον κίνδυνο. Ξεκινήστε με την κατηγοριοποίηση δεδομένων, που σημαδεύει κάθε πεδίο προτού αλλάξει οτιδήποτε.

1. 1

   Ορίστε τον σκοπό

   Αποφασίστε ποιος θα λάβει τα δεδομένα και γιατί. Η απάντηση καθορίζει πόση λεπτομέρεια μπορεί να μείνει.

2. 2

   Κατατάξτε κάθε πεδίο

   Σημειώστε τα άμεσα αναγνωριστικά, τα quasi-αναγνωριστικά, όπως ο ταχυδρομικός κώδικας ή η ημερομηνία γέννησης, και τα ευαίσθητα χαρακτηριστικά, όπως οι διαγνώσεις.

3. 3

   Εφαρμόστε τις τεχνικές

   Γενικεύστε, καταστείλτε ή συγκεντρώστε τα επικίνδυνα πεδία και αφαιρέστε πλήρως τα άμεσα αναγνωριστικά.

4. 4

   Ελέγξτε με εξωτερικά δεδομένα

   Αναρωτηθείτε αν κάποιος με άλλα σύνολα δεδομένων θα μπορούσε να αντιστοιχίσει μια εγγραφή σε άτομο. Αν ναι, επαναλάβετε το προηγούμενο βήμα με ισχυρότερες αλλαγές.

Πριν ανωνυμοποιηθεί ένα σύνολο δεδομένων, πρέπει να εντοπιστούν τα αναγνωριστικά του. Το Anexet DLP περιλαμβάνει ενσωματωμένα θησαυρίσματα για SSN, πιστωτικές κάρτες και οικονομικά δεδομένα, καθώς και κανονικές εκφράσεις για τιμές όπως οι ταχυδρομικοί κώδικες και οι τραπεζικοί λογαριασμοί. Τα δύο κάτωθι καρέ δείχνουν αυτά τα λεξικά και τα μοτίβα.

1 / 2

• 
• 

Οι οργανισμοί χρησιμοποιούν την ανωνυμοποίηση σε τέσσερις συνηθισμένες περιπτώσεις:

• Έρευνα και δημόσια διάθεση δεδομένων. Δεδομένα υγείας, απογραφών και ερευνών ανωνυμοποιούνται πριν δημοσιευτούν ή κοινοποιηθούν εκτός του οργανισμού που τα συνέλεξε.
• Ανάλυση και μηχανική μάθηση. Δεδομένα εκπαίδευσης και στατιστικά χρήσης ανωνυμοποιούνται, ώστε να μελετώνται πρότυπα χωρίς να αποκαλύπτονται τα άτομα πίσω από αυτά.
• Κανονιστική συμμόρφωση. Τα πραγματικά ανώνυμα δεδομένα γενικά δεν ρυθμίζονται πλέον ως προσωπικά δεδομένα βάσει του GDPR.
• Διατήρηση δεδομένων. Οι παλιές εγγραφές διατηρούν τη στατιστική τους αξία χωρίς να ανιχνεύονται σε άτομα, αντί να διαγράφονται ολοσχερώς.

Επιθέσεις επαναταυτοποίησης έχουν δείξει επανειλημμένα ότι φαινομενικά ανώνυμα σύνολα δεδομένων μπορούν να αποκαλυφθούν με διασταύρωση με άλλα, φαινομενικά άσχετα δεδομένα, όπως ίχνη τοποθεσίας, ιστορικό αγορών ή δημόσιες αναρτήσεις σε μέσα κοινωνικής δικτύωσης. Το ελεύθερο κείμενο είναι η δυσκολότερη περίπτωση, επειδή τα ονόματα και οι τόποι κρύβονται σε μη δομημένα δεδομένα και διαφεύγουν εύκολα.

Ο κίνδυνος αυξάνεται με τον πλούτο του συνόλου δεδομένων. Όσο περισσότερα χαρακτηριστικά φέρει μια εγγραφή, τόσο πιο πιθανό είναι κάποιος συνδυασμός τους να είναι μοναδικός για ένα άτομο. Γι' αυτό η ανωνυμοποίηση είναι συνεχής εκτίμηση κινδύνου και όχι εφάπαξ τεχνικό βήμα.

Ξεκινήστε από τα σύνολα δεδομένων που θα προκαλούσαν τη μεγαλύτερη ζημιά αν διέρρεαν, και μετά από τα πεδία που, συνδυαζόμενα, σχηματίζουν μια ταυτότητα. Ανωνυμοποιήστε πρώτα αυτά.

Ένα σύνολο δεδομένων που περνά τον έλεγχο σήμερα μπορεί να αποτύχει του χρόνου, όταν εμφανιστούν νέα δημόσια δεδομένα που μπορούν να διασταυρωθούν με αυτό.

Περισσότερα: Πώς να διατηρήσω ασφαλή τα προσωπικά μου δεδομένα;; Χρήση του συστήματος Anexet Ultimate DLP για συμμόρφωση με τον GDPR.