
Pseudonimizzazione o anonimizzazione: la differenza è la chiave
Sostituire i nomi con un codice sembra rendere anonimo un file. Per il GDPR, nella maggior parte dei casi, non è così: finché qualcuno può ricollegare il codice alla persona, i dati restano personali. Capire dove sta il confine evita di trattare come anonimi dati che non lo sono.
I dati pseudonimizzati restano dati personali: si possono ricollegare alla persona con un’informazione aggiuntiva tenuta separata. I dati anonimi non permettono più di identificare nessuno.
Un dataset è anonimo solo se non si può identificare una persona nemmeno combinandolo con altre fonti. Togliere il nome raramente basta.
La pseudonimizzazione vale quanto la separazione della chiave. Per i dati di test conviene spesso generare dati sintetici invece di mascherare quelli reali.
Pseudonimizzazione o anonimizzazione: la differenza
Il GDPR definisce la pseudonimizzazione all’articolo 4: dati trattati in modo che non si possano più attribuire a una persona specifica senza informazioni aggiuntive, a condizione che queste informazioni siano conservate separatamente e protette. Il nome diventa un codice, e la tabella che collega codici e nomi sta altrove.
L’anonimizzazione va oltre: i dati non permettono più di identificare una persona, con nessun mezzo che si possa ragionevolmente usare. Non esiste una tabella di collegamento, né la possibilità di ricostruirla.
La conseguenza pratica è grande. I dati pseudonimizzati restano dati personali e il GDPR si applica per intero; la pseudonimizzazione è una misura di sicurezza che riduce il rischio. I dati davvero anonimi escono invece dal campo di applicazione del GDPR. Le linee guida dell’EDPB del 2025 sulla pseudonimizzazione e la giurisprudenza recente della Corte di giustizia precisano quando i dati pseudonimizzati possono non essere personali per un destinatario che non ha i mezzi per ricollegarli, ma per chi detiene la chiave restano sempre personali.
Quando un dataset è davvero anonimo
Togliere nome, codice fiscale ed email non rende anonimo un dataset. Le persone si riconoscono anche dalle combinazioni: data di nascita, CAP e genere bastano spesso a identificare una persona in modo univoco. Un ruolo raro in un’azienda piccola lo fa da solo.
Per valutare se un dataset è anonimo si pongono tre domande, che vengono dal parere del 2014 del Gruppo di lavoro Articolo 29 e restano il riferimento:
- Individuazione: si può isolare un record che corrisponde a una sola persona?
- Correlabilità: si possono collegare record relativi alla stessa persona, in questo dataset o in un altro?
- Deduzione: si può dedurre un’informazione su una persona con buona probabilità?
Se la risposta a una delle tre è sì, il dataset non è anonimo. E la valutazione va ripetuta: ciò che oggi è anonimo può smettere di esserlo quando altri dati diventano pubblici.
Le tecniche: che cosa fanno e che cosa no
- Sostituzione con un codice (tokenizzazione): pseudonimizzazione classica. Utile se la tabella di collegamento è separata e protetta.
- Hash: spesso scambiato per anonimizzazione, ma non lo è. L’hash di un’email o di un codice fiscale si ricostruisce facilmente provando tutti i valori possibili. Con una chiave segreta (HMAC) diventa pseudonimizzazione, non anonimizzazione.
- Cifratura: protegge il dato, ma chi ha la chiave lo legge. È pseudonimizzazione o semplice sicurezza.
- Mascheramento: nasconde parte del valore, come le cifre centrali di un numero di carta. Riduce l’esposizione, non rende anonimo il record.
- Generalizzazione: età invece della data di nascita, provincia invece dell’indirizzo. Insieme ad altre tecniche può portare all’anonimizzazione.
- Aggregazione: totali e medie per gruppi abbastanza grandi. È spesso la via più sicura per i report.
- Dati sintetici: dati generati che hanno la stessa struttura dei reali ma non corrispondono a persone esistenti.
La chiave separata: su questo regge la pseudonimizzazione
La pseudonimizzazione vale quanto la separazione tra i dati e l’informazione che permette di ricollegarli. Se la tabella dei codici sta nella stessa cartella condivisa del dataset, la misura non protegge nulla.
- Sistema separato o almeno un archivio con accessi separati per la tabella di collegamento o la chiave.
- Persone diverse: chi analizza i dati pseudonimizzati non deve avere accesso alla chiave.
- Registro degli accessi alla chiave: chi ha ricollegato quali record, quando e perché.
- Distruzione della chiave quando non serve più. È uno dei modi per passare, in certi casi, da pseudonimizzazione ad anonimizzazione, purché i dati non permettano altre vie di identificazione.
Ambienti di test senza dati personali reali
Uno dei casi più comuni è l’ambiente di test o di sviluppo: si copia il database di produzione per provare un aggiornamento o una nuova funzione. Così i dati personali finiscono in un ambiente meno protetto, accessibile a più persone, spesso anche ai fornitori.
Le alternative, dalla migliore alla meno buona:
- Dati sintetici generati con la stessa struttura: nessun dato reale, nessun rischio di identificazione.
- Copia mascherata della produzione, con nomi, contatti e identificativi sostituiti in modo coerente prima che i dati lascino l’ambiente protetto.
- Copia reale solo dove inevitabile, per un tempo limitato, con gli stessi controlli della produzione e cancellazione documentata.
Il mascheramento va fatto bene: deve coprire anche campi liberi come note e commenti, dove i dati personali si nascondono più spesso.
Report, analisi e condivisione con terzi
Per i report interni spesso non servono dati individuali: totali e medie per reparto, periodo o area bastano. In quel caso l’aggregazione è la scelta più semplice, a patto che i gruppi non siano troppo piccoli; una media su due persone le rivela entrambe.
Quando i dati vanno condivisi con terzi, come un ricercatore, un partner o un fornitore di analisi, serve una valutazione caso per caso. I dati pseudonimizzati restano personali e servono un accordo e una base giuridica. I dati presentati come anonimi devono superare le tre domande sull’individuazione, la correlabilità e la deduzione, tenendo conto di che cosa sa già chi li riceve.
Dove finisce il nostro lavoro
Che cosa facciamo. Realizziamo la parte tecnica: separazione e protezione delle chiavi, accessi distinti, mascheramento di copie per ambienti di test, generazione di dati sintetici, cancellazione documentata di copie che non servono più. Siamo certificati ISO/IEC 27001.
Che cosa non facciamo. Non dichiariamo che un dataset è anonimo ai sensi del GDPR. È una valutazione giuridica e di rischio che spetta al titolare, con il DPO o un consulente legale. Noi forniamo la descrizione tecnica di che cosa è stato fatto ai dati, che quella valutazione richiede.
Le domande che ci fanno su questo tema
Le cinque più frequenti.
Qual è la differenza tra pseudonimizzazione e anonimizzazione?
Con la pseudonimizzazione i dati non sono attribuibili a una persona senza un’informazione aggiuntiva, come una tabella di codici, conservata separatamente. Con l’anonimizzazione non è più possibile identificare nessuno con mezzi ragionevoli. I primi restano dati personali, i secondi no.
I dati pseudonimizzati rientrano nel GDPR?
Sì, per chi può ricollegarli alla persona restano dati personali e il GDPR si applica per intero. La pseudonimizzazione è una misura di sicurezza raccomandata, che riduce il rischio, ma non fa uscire i dati dal regolamento.
L’hash è la stessa cosa dell’anonimizzazione?
No. L’hash di un’email, un telefono o un codice fiscale si può ricostruire provando tutti i valori possibili. Con una chiave segreta diventa pseudonimizzazione. Per l’anonimizzazione servono tecniche come aggregazione, generalizzazione o dati sintetici.
Come preparo dati di test senza dati personali?
La soluzione migliore sono i dati sintetici con la stessa struttura di quelli reali. In alternativa una copia mascherata in modo coerente prima che lasci l’ambiente di produzione, includendo anche campi liberi come note e commenti.
Potete confermare che il nostro dataset è anonimo?
No. Se un dataset è anonimo ai sensi del GDPR è una valutazione giuridica che spetta al titolare, con il DPO o un consulente legale. Noi realizziamo le misure tecniche e descriviamo esattamente che cosa è stato fatto ai dati.
Continui a leggere
I temi collegati.
Togliamo i dati reali dal Suo ambiente di test?
Le mostriamo dove si trovano oggi copie di dati personali fuori dalla produzione e come sostituirle con dati mascherati o sintetici.
Conoscenza IT pratica nella sua casella di posta
Nuove guide su gestione, sicurezza e postazioni di lavoro, scritte dalle persone che fanno il lavoro. Niente chiacchiere commerciali, e si cancella con un clic.