
Pseudonimizacja czy anonimizacja: co robi IT, aby dane testowe nie były danymi osobowymi
Anonimizacja i pseudonimizacja bywają używane zamiennie, ale ta różnica decyduje, czy RODO nadal dotyczy Twoich danych. Zbiór, z którego usunięto imiona i nazwiska, zwykle nie jest anonimowy, tylko spseudonimizowany. Ten artykuł dotyczy techniki: co robi każda metoda, gdzie powinien być klucz i jak testować oraz analizować bez prawdziwych danych osobowych.
Dane spseudonimizowane nadal są danymi osobowymi: z dodatkowymi informacjami, przechowywanymi osobno, można do nich wrócić. Dane anonimowe już nimi nie są i dlatego wypadają spod RODO.
Usunięcie imienia i nazwiska prawie nigdy nie jest anonimizacją. Połączenie kodu pocztowego, daty urodzenia i płci, rzadka wartość albo pole tekstowe wolnego wpisu często nadal wskazuje jedną osobę.
Pseudonimizacja stoi lub pada na kluczu: powinien być w innym środowisku, u innych administratorów. Czy zbiór jest dość anonimowy, ocenia administrator danych; nie jesteśmy prawnikami.
Pseudonimizacja czy anonimizacja: różnica
RODO definiuje pseudonimizację jako przetwarzanie danych osobowych w taki sposób, że nie można ich już przypisać konkretnej osobie bez użycia dodatkowych informacji, pod warunkiem że te dodatkowe informacje są przechowywane osobno i chronione. Standardowy przykład to numer klienta zamiast nazwiska, z tabelą w innym miejscu, która łączy numer z nazwiskiem. Dane nadal są danymi osobowymi, a RODO obowiązuje w pełni.
Anonimizacja idzie dalej: dane nie dają się powiązać z osobą za pomocą rozsądnie dostępnych środków, przez nikogo, także przez Ciebie. Wtedy nie są już danymi osobowymi, a przetwarzanie wypada spod RODO.
Ta różnica sprawia, że wybór ma znaczenie. Pseudonimizacja to środek bezpieczeństwa, który wymienia sam RODO: zmniejsza skutki wycieku i liczbę osób, które mogą kogoś rozpoznać. Anonimizacja to sposób używania danych tak, aby przestały być danymi osobowymi. Kto robi to pierwsze i myśli, że to drugie, przetwarza dane osobowe bez ochrony, która się z tym wiąże.
Kiedy zbiór jest naprawdę anonimowy
Europejskie organy nadzorcze sformułowały trzy pytania, którymi sprawdza się, czy zbiór jest anonimowy. Czy ktoś może jeszcze w nim:
- wyodrębnić jedną osobę, bo tylko jej rekord ma daną kombinację wartości;
- powiązać dane z innym źródłem, na przykład z publicznym rejestrem lub wyciekłym plikiem, i w ten sposób odnaleźć osobę;
- coś wywnioskować o osobie z wysokim prawdopodobieństwem, nawet nie znając jej nazwiska.
W praktyce ryzyko rzadko leży w nazwisku, a prawie zawsze w reszcie. Kod pocztowy, data urodzenia i płeć razem w wielu przypadkach wskazują jedną osobę. Rzadkie stanowisko w małym oddziale robi to samo. Pola tekstowe wolnego wpisu zawierają imiona i nazwiska, numery telefonów i diagnozy. A metadane, znaczniki czasu i dane o lokalizacji bywają dokładniejsze niż sam rekord.
Anonimowość nie jest ponadto cechą, którą zbiór ma na zawsze. Czego dziś nie da się powiązać, jutro można, jeśli pojawi się nowe źródło. Zapisz więc, jaki test wykonano, przy jakich założeniach, i powtórz go, gdy zbiór lub sposób użycia się zmieni.
Techniki i to, co robią, a czego nie
Nie ma techniki, która anonimizuje sama z siebie. Każda metoda zmniejsza jakieś ryzyko, i zwykle potrzebujesz więcej niż jednej.
- Tokenizacja. Wartość identyfikująca jest zastępowana losowym tokenem, z osobną tabelą powiązań. Pseudonimizacja, łatwo odwracalna dla tego, kto ma tabelę.
- Haszowanie. Zwykły hasz adresu e-mail lub numeru PESEL można odtworzyć, haszując wszystkie możliwe wartości i porównując. Z tajnym kluczem (hasz z kluczem) to pseudonimizacja; bez niego często nie jest nawet nią.
- Maskowanie. Ukrycie części wartości, jak środkowych cyfr numeru konta. Przydatne na ekranach i w raportach, ale reszta rekordu nadal może być rozpoznawalna.
- Uogólnianie. Data urodzenia staje się rokiem urodzenia lub przedziałem wieku, pełny kod pocztowy tylko pierwszymi cyframi. Zmniejsza szansę wyodrębnienia osoby.
- Agregacja. Tylko sumy i średnie, z minimalną liczbą osób w komórce. Blisko anonimizacji, ale tracisz pojedyncze rekordy.
- Dane syntetyczne. Sztuczne rekordy o tej samej strukturze i rozkładzie co oryginał. Do testów często najlepszy wybór, o ile model generujący nie odtwarza prawdziwych rekordów.
Klucz osobno: na tym stoi pseudonimizacja
Pseudonimizacja jest tak mocna, jak oddzielenie danych od informacji, którą się je łączy z powrotem. Tabela powiązań w tej samej bazie, z tymi samymi administratorami, nie jest oddzieleniem.
- Inne środowisko. Tabela powiązań lub klucz są w innym systemie albo w osobnym sejfie, a nie obok zbioru danych.
- Inni ludzie. Kto pracuje na spseudonimizowanych danych, nie może sam wrócić do osoby. Ponowne powiązanie to odrębna czynność z własnym uprawnieniem.
- Zapisuj, kto łączy z powrotem. Za każdym razem, gdy pseudonim jest przypisywany do osoby, trafia do dziennika z powodem.
- Wymieniaj i niszcz klucze. Klucz, który służy latami, sam staje się ryzykiem. A zniszczenie klucza nie czyni danych automatycznie anonimowymi: reszta rekordu nadal może być rozpoznawalna.
Środowiska testowe bez prawdziwych danych osobowych
Najczęstsze miejsce, w którym dane osobowe są niepotrzebnie, to środowisko testowe lub akceptacyjne wypełnione kopią produkcji. Programiści, testerzy, a czasem zewnętrzni dostawcy mają tam dostęp, zabezpieczenia są lżejsze i nikt kopii nie sprząta.
Podejście, które działa:
- Maskowanie niech będzie stałym krokiem procedury kopiowania, a nie czymś, co ktoś robi później. Kopia trafia do środowiska testowego dopiero po zastąpieniu nazwisk, danych kontaktowych, numerów i tekstu wolnego wpisu.
- Zachowaj powiązania. Używaj stałych zamienników, aby ten sam klient we wszystkich tabelach dostał ten sam pseudonim i testy nadal działały.
- Rozważ dane syntetyczne dla nowych funkcji i dla dostawców, aby żadne prawdziwe rekordy nie opuszczały firmy.
- Nie zapomnij o produktach ubocznych. Kopie zapasowe, pliki logów i eksporty ze środowiska testowego zawierają te same dane co samo środowisko.
Jeśli mimo to trzeba testować na prawdziwych danych, na przykład żeby odtworzyć błąd, zapisz kto, po co, na jak długo i kiedy kopię usunięto.
Raporty, analizy i udostępnianie innym
W środowisku raportowym lub BI pseudonimizacja często wystarcza: analitycy widzą trendy dla klienta lub pracownika, nie wiedząc kim jest, a ograniczona grupa osób może w razie potrzeby wrócić do tożsamości. Usuń przy tym pola niepotrzebne do analizy i uogólniaj tam, gdzie się da.
Przy udostępnianiu innej organizacji, takiej jak badacz, doradca czy dostawca usługi analitycznej, pytanie jest ostrzejsze. Jeśli zbiór wychodzi spseudonimizowany, nadal są to dane osobowe i potrzebne jest uzgodnienie, co odbiorca może z nimi zrobić. Jeśli chcesz, aby były to dane anonimowe, test z poprzednich sekcji musi obowiązywać z perspektywy odbiorcy, z uwzględnieniem tego, jakie dane ma on sam.
Gdy przetwarzanie niesie wysokie ryzyko, wybór między pseudonimizacją a anonimizacją powinien znaleźć się w ocenie skutków dla ochrony danych, razem z uzasadnieniem.
Gdzie kończy się nasza praca
Co robimy. W środowiskach, które dostarczamy, konfigurujemy lub którymi zarządzamy, wdrażamy technikę: maskowanie jako stały krok przy kopiowaniu do testów, tokenizację i hasze z kluczem, oddzielenie danych od klucza, uprawnienia i logowanie przy ponownym powiązaniu. Opisujemy, jaką technikę zastosowano do których pól, aby osoba odpowiedzialna za prywatność lub inspektor ochrony danych mogli ocenić ten wybór. Pracujemy zgodnie z ISO/IEC 27001; opisuje to, jak pracujemy, a nie jest oceną Twojego przetwarzania.
Czego nie robimy. Nie jesteśmy prawnikami ani inspektorem ochrony danych. Nie stwierdzamy, że zbiór jest anonimowy w rozumieniu RODO, nie oceniamy, czy przetwarzanie danych spseudonimizowanych jest zgodne z prawem, i nie decydujemy, czy dane można udostępnić osobie trzeciej. Ta ocena należy do administratora danych, z poradą prawnika od ochrony danych lub inspektora.
Pytania, które dostajemy najczęściej
Pięć, które wracają najczęściej.
Jaka jest różnica między pseudonimizacją a anonimizacją?
Przy pseudonimizacji zastępujesz dane identyfikujące pseudonimem i możesz wrócić do osoby dzięki dodatkowym informacjom przechowywanym osobno. Przy anonimizacji nie da się tego zrobić rozsądnymi środkami, nikomu. Dane spseudonimizowane to dane osobowe; dane anonimowe nie.
Czy dane spseudonimizowane podlegają RODO?
Tak. Dane spseudonimizowane pozostają danymi osobowymi, bo dzięki osobno przechowywanym informacjom można do nich wrócić. RODO obowiązuje więc w pełni. Pseudonimizacja jest natomiast środkiem bezpieczeństwa, który wymienia samo RODO, bo zmniejsza skutki wycieku.
Czy haszowanie to to samo co anonimizacja?
Nie. Zwykły hasz znanego rodzaju wartości, jak adres e-mail czy numer, można odtworzyć, haszując wszystkie możliwe wartości i porównując. Z tajnym kluczem jest to pseudonimizacja. Zbiór staje się anonimowy dopiero wtedy, gdy także pozostałe dane nie wskazują już osoby.
Jak przygotować dane testowe bez danych osobowych?
Zrób maskowanie stałym krokiem przy kopiowaniu produkcji do testów, ze stałymi zamiennikami, aby powiązania między tabelami pozostały. Dla nowych funkcji i zewnętrznych dostawców lepsze są często dane syntetyczne, bo wtedy nie używasz prawdziwych rekordów. Nie zapomnij o kopiach zapasowych i plikach logów środowiska testowego.
Czy możecie potwierdzić, że nasz zbiór jest anonimowy?
Nie. Czy zbiór jest anonimowy w rozumieniu RODO, ocenia administrator danych, z poradą prawnika od ochrony danych lub inspektora ochrony danych. My wdrażamy techniki i dokładnie opisujemy, co zrobiono z którymi polami, aby ta ocena mogła opierać się na faktach.
Czytaj dalej
Z czym łączy się pseudonimizacja.
Czy w Twoim środowisku testowym są prawdziwe dane osobowe?
Sprawdzimy, gdzie leżą kopie produkcji, i wdrożymy maskowanie jako stały krok. Czy wynik jest wystarczająco anonimowy, ocenia Twoja osoba odpowiedzialna za prywatność.
Praktyczna wiedza o IT w Twojej skrzynce
Nowe poradniki o zarządzaniu, bezpieczeństwie i stanowiskach pracy, pisane przez ludzi, którzy wykonują tę pracę. Bez sprzedażowego gadania, a z subskrypcji zrezygnujesz jednym kliknięciem.