Få et tilbud
Akut hjælp Brancher Karriere Om os Videnbase Kontakt
To udviklere ved et skrivebord med to skærme fulde af kode; kollegaen, der står op, peger på en linje

Pseudonymisering eller anonymisering: det, IT gør, så testdata ikke er personoplysninger

Pseudonymisering og anonymisering bruges ofte i flæng, men forskellen afgør, om GDPR stadig gælder for data. Et datasæt, hvor navnene er fjernet, er som regel ikke anonymt, men pseudonymiseret. Denne artikel handler om teknikken: hvad hver metode gør, hvor nøglen hører hjemme, og hvordan der testes og analyseres uden rigtige personoplysninger.

6 min. læsetid Skrevet af teamet i ITproposal
Kort svar

Pseudonymiserede data er stadig personoplysninger: med ekstra oplysninger, der gemmes for sig, kan de føres tilbage. Anonyme data kan ikke, og de falder derfor uden for GDPR.

At fjerne navne er næsten aldrig anonymisering. En kombination af postnummer, fødselsdato og køn, en sjælden værdi eller et frit tekstfelt peger ofte stadig på én person.

Pseudonymisering står og falder med nøglen: den hører til i et andet miljø hos andre administratorer. Om et datasæt er anonymt nok, er den dataansvarliges vurdering; vi er ikke jurister.

Pseudonymisering eller anonymisering: forskellen

GDPR definerer pseudonymisering som behandling af personoplysninger på en måde, så de ikke længere kan henføres til en person uden supplerende oplysninger, forudsat at de oplysninger opbevares separat og beskyttes. Et kundenummer i stedet for et navn, med en tabel et andet sted, der forbinder nummer og navn, er standardeksemplet. Data forbliver personoplysninger, og GDPR gælder fuldt ud.

Anonymisering går videre: data kan med rimeligt anvendelige midler ikke længere føres tilbage til en person, af nogen, heller ikke af jer. Så er det ikke personoplysninger, og behandlingen falder uden for GDPR.

Pseudonymisering er en sikkerhedsforanstaltning, GDPR selv nævner: den mindsker følgerne af et brud og antallet af personer, der kan genkende nogen. Anonymisering er en måde at bruge data på, uden at det er personoplysninger. Den, der gør det første og tror, det er det andet, behandler personoplysninger uden den beskyttelse, der hører til.

Hvornår et datasæt reelt er anonymt

De europæiske tilsynsmyndigheder har formuleret tre spørgsmål, der tester, om et datasæt er anonymt. Kan nogen stadig:

  • udpege én person, fordi personens post som den eneste har en bestemt kombination af værdier;
  • koble data til en anden kilde, for eksempel et offentligt register eller en lækket fil, og sådan finde personen;
  • udlede noget om en person med høj sandsynlighed, også uden at kende navnet.

I praksis ligger risikoen sjældent i navnet og næsten altid i resten. Postnummer, fødselsdato og køn tilsammen peger ofte på én person. En sjælden stilling på en lille afdeling gør det samme. Frie tekstfelter rummer navne, telefonnumre og diagnoser. Og metadata, tidsstempler og lokationsdata er ofte mere præcise end selve posten.

Anonymitet er heller ikke en egenskab, et datasæt har for evigt. Det, der ikke kan kobles i dag, kan det måske i morgen, når der kommer en ny kilde. Skriv ned, hvilken test der er lavet og med hvilke antagelser, og gentag den, når datasæt eller brug ændres.

Teknikkerne, og hvad de gør og ikke gør

Ingen teknik anonymiserer af sig selv. Hver metode mindsker en bestemt risiko, og som regel skal der mere end én til.

  • Tokenisering. En identificerende værdi erstattes af et tilfældigt token med en koblingstabel for sig. Pseudonymisering, og godt reversibel for den, der har tabellen.
  • Hashing. En almindelig hash af en mailadresse eller et CPR-nummer kan findes ved at hashe alle mulige værdier og sammenligne. Med en hemmelig nøgle (keyed hash) er det pseudonymisering; uden er det ofte ikke engang det.
  • Maskering. Dele af en værdi skjules, som cifrene i midten af et kontonummer. Nyttigt på skærme og i rapporter, men resten af posten kan stadig være genkendelig.
  • Generalisering. Fødselsdato bliver til fødselsår eller aldersgruppe, en præcis adresse til et område. Mindsker risikoen for udpegning.
  • Aggregering. Kun totaler og gennemsnit, med et minimum af personer pr. celle. Tæt på anonymt, men de enkelte poster er væk.
  • Syntetiske data. Kunstige poster med samme struktur og fordeling som originalen. Til test ofte det bedste valg, forudsat at genereringsmodellen ikke gengiver rigtige poster.

Nøglen for sig: det, pseudonymisering står og falder med

Pseudonymisering er præcis så stærk som adskillelsen mellem data og de oplysninger, der kobler dem tilbage. En koblingstabel i samme database med samme administratorer er ingen adskillelse.

  • Et andet miljø. Koblingstabellen eller nøglen ligger i et andet system eller en særskilt boks, ikke ved siden af datasættet.
  • Andre personer. Den, der arbejder med de pseudonymiserede data, kan ikke selv koble tilbage. Det er en særskilt handling med egen rettighed.
  • Log over, hvem der kobler tilbage. Hver gang et pseudonym kobles til en person, står det i en log med begrundelsen.
  • Udskift og destruer nøgler. En nøgle, der holder i årevis, bliver en risiko i sig selv. Og den, der destruerer nøglen, gør ikke automatisk data anonyme: resten af posten kan stadig være genkendelig.

Hvordan nøgler styres i praksis, står under kryptering af data og nøglehåndtering.

Testmiljøer uden rigtige personoplysninger

Det mest almindelige sted, personoplysninger ligger unødigt, er et test- eller acceptmiljø fyldt med en kopi af produktion. Udviklere, testere og sommetider eksterne leverandører har adgang, sikkerheden er lettere, og ingen rydder op i kopien.

  • Gør maskering til et fast trin i kopieringen, ikke noget, nogen gør bagefter. Kopien kommer først ind i testmiljøet, når navne, kontaktoplysninger, numre og fritekst er erstattet.
  • Hold sammenhængene intakte. Brug faste erstatninger, så samme kunde får samme pseudonym i alle tabeller, og testene stadig virker.
  • Overvej syntetiske data til nye funktioner og til leverandører, så der slet ikke går rigtige poster ud af huset.
  • Glem ikke biprodukterne. Backup, logfiler og eksporter fra testmiljøet rummer de samme data som selve miljøet.

Skal der alligevel testes med rigtige data, for eksempel for at genskabe en fejl, så skriv ned hvem, hvorfor, hvor længe, og hvornår kopien blev slettet.

Rapportering, analyser og deling med andre

Til et rapporterings- eller BI-miljø er pseudonymisering ofte nok: analytikere ser tendenser pr. kunde eller medarbejder uden at vide, hvem det er, og et begrænset antal personer kan koble tilbage ved behov. Fjern felter, analysen ikke skal bruge, og generaliser, hvor det kan lade sig gøre.

Ved deling med en anden organisation er spørgsmålet skarpere. Går datasættet ud pseudonymiseret, er det stadig personoplysninger, og der hører en aftale med om, hvad modtageren må. Skal det være anonyme data, skal testen ovenfor gælde for modtageren, med det, modtageren selv har af data.

Medfører behandlingen høj risiko, hører valget mellem pseudonymisering og anonymisering med i DPIA’en, med begrundelsen.

Hvor vores arbejde stopper

Det gør vi. I de miljøer, vi leverer, sætter op eller driver, sætter vi teknikken op: maskering som fast trin ved kopiering til test, tokenisering og keyed hashes, adskillelsen af data og nøgle og rettigheder og logning omkring tilbagekobling. Vi beskriver, hvilken teknik der er brugt på hvilke felter, så jeres privacyansvarlige eller databeskyttelsesrådgiver kan vurdere valget.

Det gør vi ikke. Vi er hverken jurister eller databeskyttelsesrådgivere. Vi erklærer ikke, at et datasæt er anonymt i GDPR’s forstand, vi vurderer ikke, om en behandling af pseudonymiserede data er lovlig, og vi beslutter ikke, om data må deles med en tredjepart. Den vurdering hører til den dataansvarlige, med råd fra en jurist eller databeskyttelsesrådgiver.

Ofte stillede spørgsmål

Spørgsmål om pseudonymisering

Det, der oftest bliver spurgt om, når data skal bruges uden navne.

Hvad er forskellen på pseudonymisering og anonymisering?

Ved pseudonymisering erstattes identificerende oplysninger af et pseudonym, og med supplerende oplysninger, der opbevares separat, kan der kobles tilbage til personen. Ved anonymisering er det med rimelige midler ikke længere muligt, for nogen. Pseudonymiserede data er personoplysninger; anonyme data er det ikke.

Falder pseudonymiserede data ind under GDPR?

Ja. Pseudonymiserede data forbliver personoplysninger, fordi de med de separat opbevarede oplysninger kan føres tilbage. GDPR gælder altså fuldt ud. Pseudonymisering er dog en sikkerhedsforanstaltning, GDPR selv nævner, fordi den mindsker følgerne af et brud.

Er hashing det samme som anonymisering?

Nej. En almindelig hash af en kendt type værdi, som en mailadresse eller et nummer, kan findes ved at hashe alle mulige værdier og sammenligne. Med en hemmelig nøgle er det pseudonymisering. Et datasæt bliver først anonymt, når også de øvrige oplysninger ikke længere peger på en person.

Hvordan laves testdata uden personoplysninger?

Gør maskering til et fast trin ved kopiering fra produktion til test, med faste erstatninger, så sammenhænge mellem tabeller består. Til nye funktioner og eksterne leverandører er syntetiske data ofte bedre, fordi der så ikke bruges rigtige poster. Glem ikke backup og logfiler fra testmiljøet.

Kan I bekræfte, at vores datasæt er anonymt?

Nej. Om et datasæt er anonymt i GDPR’s forstand, er den dataansvarliges vurdering med råd fra en jurist eller databeskyttelsesrådgiver. Vi sætter teknikkerne op og beskriver præcist, hvad der er gjort med hvilke felter, så vurderingen kan hvile på fakta.

Relaterede ydelser

Hvor det hører hjemme hos os

Data og sikkerhed, der hænger sammen med emnet.

Ligger der rigtige personoplysninger i jeres testmiljø?

Vi kortlægger, hvor der ligger kopier af produktion, og gør maskering til et fast trin. Om resultatet er anonymt nok, vurderer jeres privacyansvarlige.

Praktisk IT-viden i din indbakke

Nye guides om drift, sikkerhed og arbejdspladser, skrevet af de folk, der laver arbejdet. Ingen salgssnak, og du afmelder dig med ét klik.

Vi bruger din adresse kun til nyhedsbrevet. Se vores privatlivspolitik.

Tilbud Ring