Offerte aanvragen
Spoed SectorenCarrières Over ons Blog Neem contact op
Twee ontwikkelaars aan een bureau met twee schermen vol programmacode; de staande collega wijst een regel aan

Pseudonimiseren of anonimiseren: wat de IT doet zodat testdata geen persoonsgegevens zijn

Anonimiseren en pseudonimiseren worden vaak door elkaar gebruikt, maar het verschil bepaalt of de AVG nog op je gegevens van toepassing is. Een dataset waar de namen uit zijn gehaald, is meestal niet anoniem maar gepseudonimiseerd. Dit artikel gaat over de techniek: wat elke methode doet, waar de sleutel hoort en hoe je testen en analyseren zonder echte persoonsgegevens.

6 min lezen Geschreven door het team van ITproposal
Kort antwoord

Gepseudonimiseerde gegevens zijn nog steeds persoonsgegevens: met extra informatie, die apart wordt bewaard, zijn ze terug te herleiden. Anonieme gegevens zijn dat niet meer, en vallen daardoor buiten de AVG.

Namen weghalen is bijna nooit anonimiseren. Een combinatie van postcode, geboortedatum en geslacht, een zeldzame waarde of een vrij tekstveld wijst vaak nog steeds één persoon aan.

Pseudonimisering staat of valt met de sleutel: die hoort in een andere omgeving, bij andere beheerders. Of een dataset anoniem genoeg is, is een oordeel van de verwerkingsverantwoordelijke; wij zijn geen jurist.

Pseudonimiseren of anonimiseren: het verschil

De AVG definieert pseudonimisering als het zo verwerken van persoonsgegevens dat ze niet meer aan een persoon zijn te koppelen zonder aanvullende gegevens, op voorwaarde dat die aanvullende gegevens apart worden bewaard en beschermd. Een klantnummer in plaats van een naam, met een tabel ergens anders die nummer en naam verbindt, is het standaardvoorbeeld. De gegevens blijven persoonsgegevens, en de AVG blijft volledig gelden.

Anonimiseren gaat verder: de gegevens zijn met redelijkerwijs te gebruiken middelen niet meer tot een persoon te herleiden, door niemand, ook niet door jou. Dan zijn het geen persoonsgegevens meer, en valt de verwerking buiten de AVG.

Dat verschil maakt de keuze belangrijk. Pseudonimiseren is een beveiligingsmaatregel die de AVG zelf noemt: hij verkleint de gevolgen van een lek en het aantal mensen dat iemand kan herkennen. Anonimiseren is een manier om gegevens te gebruiken zonder dat het nog persoonsgegevens zijn. Wie het eerste doet en denkt dat het het tweede is, verwerkt persoonsgegevens zonder de bescherming die daarbij hoort.

Wanneer een dataset echt anoniem is

De Europese toezichthouders hebben drie vragen geformuleerd waarmee je toetst of een dataset anoniem is. Kan iemand er nog in:

  • één persoon uitpikken, omdat zijn record als enige een bepaalde combinatie van waarden heeft;
  • gegevens koppelen aan een andere bron, bijvoorbeeld een openbaar register of een gelekt bestand, en zo de persoon terugvinden;
  • iets afleiden over een persoon met een hoge waarschijnlijkheid, ook zonder hem bij naam te kennen.

In de praktijk zit het risico zelden in de naam en bijna altijd in de rest. Postcode, geboortedatum en geslacht samen wijzen in veel gevallen één persoon aan. Een zeldzame functie in een kleine vestiging doet hetzelfde. Vrije tekstvelden bevatten namen, telefoonnummers en diagnoses. En metadata, tijdstempels en locatiegegevens zijn vaak preciezer dan het record zelf.

Anonimiteit is bovendien geen eigenschap die een dataset voor altijd heeft. Wat vandaag niet te koppelen is, kan het morgen wel, als er een nieuwe bron bijkomt. Leg daarom vast welke toets je hebt gedaan, met welke aannames, en herhaal hem als de dataset of het gebruik verandert.

De technieken, en wat ze wel en niet doen

Er is geen techniek die vanzelf anonimiseert. Elke methode verkleint een bepaald risico, en meestal heb je er meer dan één nodig.

  • Tokenisatie. Een identificerende waarde wordt vervangen door een willekeurig token, met een koppeltabel apart. Pseudonimisering, en goed omkeerbaar voor wie de tabel heeft.
  • Hashen. Een gewone hash van een e-mailadres of een burgerservicenummer is te herleiden door alle mogelijke waarden te hashen en te vergelijken. Met een geheime sleutel erbij (een keyed hash) is het pseudonimisering; zonder is het vaak niet eens dat.
  • Maskeren. Delen van een waarde verbergen, zoals de middelste cijfers van een rekeningnummer. Nuttig in schermen en rapporten, maar de rest van het record kan nog steeds herkenbaar zijn.
  • Generaliseren. Geboortedatum wordt geboortejaar of leeftijdscategorie, een volledige postcode wordt alleen de cijfers. Verkleint de kans op uitpikken.
  • Aggregeren. Alleen totalen en gemiddelden, met een minimum aantal personen per cel. Dicht bij anoniem, maar je verliest de individuele records.
  • Synthetische data. Kunstmatige records met dezelfde structuur en verdeling als het origineel. Voor testen vaak de beste keuze, mits het generatiemodel geen echte records reproduceert.

De sleutel apart: waar pseudonimisering op staat of valt

Pseudonimisering is precies zo sterk als de scheiding tussen de gegevens en de informatie waarmee je ze terugkoppelt. Een koppeltabel in dezelfde database, met dezelfde beheerders, is geen scheiding.

  • Een andere omgeving. De koppeltabel of de sleutel staat in een ander systeem of een aparte kluis, niet naast de dataset.
  • Andere mensen. Wie met de gepseudonimiseerde gegevens werkt, kan niet zelf terugkoppelen. Terugkoppelen is een aparte handeling met een eigen recht.
  • Vastleggen wie terugkoppelt. Elke keer dat een pseudoniem aan een persoon wordt gekoppeld, staat in een logboek met de reden.
  • Sleutels vervangen en vernietigen. Een sleutel die jaren meegaat, wordt een risico op zichzelf. En wie de sleutel vernietigt, maakt de gegevens niet vanzelf anoniem: de rest van het record kan nog steeds herkenbaar zijn.

Hoe je sleutels in de praktijk beheert, en waar ze kunnen staan, beschrijven we bij sleutelbeheer en versleuteling.

Testomgevingen zonder echte persoonsgegevens

De meest voorkomende plek waar persoonsgegevens onnodig staan, is een test- of acceptatieomgeving die met een kopie van productie is gevuld. Ontwikkelaars, testers en soms externe leveranciers kunnen erbij, de beveiliging is lichter, en niemand ruimt de kopie op.

Een aanpak die werkt:

  • Maak maskeren een vaste stap in de kopieerprocedure, niet iets wat iemand achteraf doet. De kopie komt de testomgeving pas in nadat namen, contactgegevens, nummers en vrije tekst zijn vervangen.
  • Houd verbanden intact. Gebruik vaste vervangingen, zodat dezelfde klant in alle tabellen hetzelfde pseudoniem krijgt en de tests blijven werken.
  • Overweeg synthetische data voor nieuwe functies en voor leveranciers, zodat er helemaal geen echte records de deur uitgaan.
  • Vergeet de bijproducten niet. Back-ups, logbestanden en exports van de testomgeving bevatten dezelfde gegevens als de testomgeving zelf.

Moet er toch met echte gegevens worden getest, bijvoorbeeld om een fout te reproduceren, leg dan vast wie, waarom, hoe lang, en wanneer de kopie is verwijderd.

Rapportages, analyses en delen met anderen

Voor een rapportage- of BI-omgeving is pseudonimiseren vaak genoeg: analisten zien trends per klant of medewerker zonder te weten wie het is, en een beperkt aantal mensen kan terugkoppelen als dat nodig is. Haal daarbij velden weg die voor de analyse niet nodig zijn, en generaliseer waar het kan.

Bij delen met een andere organisatie, zoals een onderzoeker, een adviseur of een leverancier van een analysedienst, is de vraag scherper. Gaat de dataset gepseudonimiseerd de deur uit, dan blijven het persoonsgegevens en hoort er een afspraak bij over wat de ontvanger ermee mag. Wil je dat het anonieme gegevens zijn, dan moet de toets uit de vorige secties gelden voor de ontvanger, met wat die ontvanger zelf aan gegevens heeft.

Brengt de verwerking een hoog risico mee, dan hoort de keuze voor pseudonimiseren of anonimiseren in de DPIA te staan, met de reden.

Waar ons werk ophoudt

Wat wij doen. In de omgevingen die wij leveren, inrichten of beheren, richten wij de techniek in: maskeren als vaste stap bij het kopiëren naar test, tokenisatie en keyed hashes, de scheiding tussen gegevens en sleutel, toegangsrechten en logging rond het terugkoppelen. Wij beschrijven welke techniek op welke velden is toegepast, zodat je privacyverantwoordelijke of functionaris gegevensbescherming die keuze kan beoordelen. Wij werken onder ISO/IEC 27001; dat beschrijft hoe wij werken, geen oordeel over jouw verwerkingen.

Wat wij niet doen. Wij zijn geen jurist en geen functionaris gegevensbescherming. Wij verklaren niet dat een dataset anoniem is in de zin van de AVG, wij beoordelen niet of een verwerking van gepseudonimiseerde gegevens rechtmatig is, en wij beslissen niet of gegevens met een derde gedeeld mogen worden. Dat oordeel is van de verwerkingsverantwoordelijke, met advies van een privacyjurist of functionaris gegevensbescherming.

Veelgesteld

Vragen die we hierover krijgen

De vijf die het vaakst terugkomen.

Wat is het verschil tussen pseudonimiseren en anonimiseren?

Bij pseudonimiseren vervang je identificerende gegevens door een pseudoniem, en kun je met aanvullende informatie die apart wordt bewaard terugkoppelen naar de persoon. Bij anonimiseren is dat met redelijke middelen niet meer mogelijk, voor niemand. Gepseudonimiseerde gegevens zijn persoonsgegevens; anonieme gegevens niet.

Valt gepseudonimiseerde data onder de AVG?

Ja. Gepseudonimiseerde gegevens blijven persoonsgegevens, omdat ze met de apart bewaarde informatie terug te herleiden zijn. De AVG blijft dus volledig gelden. Pseudonimiseren is wel een beveiligingsmaatregel die de AVG zelf noemt, omdat hij de gevolgen van een lek verkleint.

Is hashen hetzelfde als anonimiseren?

Nee. Een gewone hash van een bekende soort waarde, zoals een e-mailadres of een nummer, is terug te vinden door alle mogelijke waarden te hashen en te vergelijken. Met een geheime sleutel erbij is het pseudonimisering. Anoniem wordt een dataset pas als ook de overige gegevens geen persoon meer aanwijzen.

Hoe maak je testdata zonder persoonsgegevens?

Maak maskeren een vaste stap bij het kopiëren van productie naar test, met vaste vervangingen zodat verbanden tussen tabellen intact blijven. Voor nieuwe functies en externe leveranciers is synthetische data vaak beter, omdat er dan geen echte records worden gebruikt. Vergeet de back-ups en logbestanden van de testomgeving niet.

Kunnen jullie bevestigen dat onze dataset anoniem is?

Nee. Of een dataset anoniem is in de zin van de AVG, is een oordeel van de verwerkingsverantwoordelijke, met advies van een privacyjurist of functionaris gegevensbescherming. Wij richten de technieken in en beschrijven precies wat er met welke velden is gedaan, zodat dat oordeel op feiten kan rusten.

Verwante diensten

Verder lezen

Waar pseudonimiseren op aansluit.

Staan er echte persoonsgegevens in je testomgeving?

Wij brengen in kaart waar kopieën van productie staan en richten maskeren in als vaste stap. Of het resultaat anoniem genoeg is, beoordeelt je privacyverantwoordelijke.

Praktische IT-kennis in je inbox

Nieuwe gidsen over beheer, beveiliging en de werkplek, geschreven door de mensen die het werk doen. Geen verkooppraat, en afmelden kan met één klik.

We gebruiken je adres alleen voor de nieuwsbrief. Zie ons privacybeleid.

Offerte aanvragen Bellen