
Pseudonimização ou anonimização: o que a TI faz para que os dados de teste não sejam dados pessoais
A pseudonimização e a anonimização são muitas vezes confundidas, mas a diferença determina se o RGPD ainda se aplica aos dados. Um conjunto de dados de onde se retiraram os nomes está, regra geral, pseudonimizado, e não anónimo. Este artigo trata da técnica: o que faz cada método, onde fica a chave e como testar e analisar sem dados pessoais reais.
Os dados pseudonimizados continuam a ser dados pessoais: com informação adicional, guardada à parte, podem ser relacionados com a pessoa. Os dados anónimos já não, e ficam por isso fora do RGPD.
Retirar nomes quase nunca é anonimizar. Uma combinação de código postal, data de nascimento e sexo, um valor raro ou um campo de texto livre apontam muitas vezes para uma única pessoa.
A pseudonimização depende da chave: deve ficar noutro ambiente, com outros administradores. Se um conjunto de dados é suficientemente anónimo é um juízo do responsável pelo tratamento; não somos juristas.
Pseudonimização ou anonimização: a diferença
O RGPD define a pseudonimização como o tratamento de dados pessoais de forma que deixem de poder ser atribuídos a uma pessoa sem informação suplementar, desde que essa informação seja mantida à parte e protegida. Um número de cliente em vez de um nome, com uma tabela noutro local que relaciona número e nome, é o exemplo clássico. Os dados continuam a ser dados pessoais, e o RGPD continua a aplicar-se por inteiro.
A anonimização vai mais longe: com os meios razoavelmente utilizáveis, os dados já não podem ser relacionados com uma pessoa, por ninguém, nem pela própria organização. Nesse caso, deixam de ser dados pessoais e o tratamento fica fora do RGPD.
É essa diferença que torna a escolha importante. A pseudonimização é uma medida de segurança que o próprio RGPD refere: reduz as consequências de uma violação e o número de pessoas que consegue reconhecer alguém. A anonimização é uma forma de usar dados sem que continuem a ser dados pessoais. Quem faz a primeira e pensa que é a segunda trata dados pessoais sem a proteção que lhes é devida.
Quando é que um conjunto de dados é mesmo anónimo
As autoridades europeias de proteção de dados formularam três perguntas para testar se um conjunto de dados é anónimo. Alguém consegue ainda:
- isolar uma pessoa, porque o seu registo é o único com uma determinada combinação de valores;
- relacionar dados com outra fonte, por exemplo um registo público ou um ficheiro divulgado, e assim encontrar a pessoa;
- inferir algo sobre uma pessoa com elevada probabilidade, mesmo sem a conhecer pelo nome.
Na prática, o risco raramente está no nome e quase sempre no resto. Código postal, data de nascimento e sexo em conjunto apontam em muitos casos para uma única pessoa. Uma função rara numa filial pequena faz o mesmo. Os campos de texto livre contêm nomes, telefones e diagnósticos. E os metadados, carimbos temporais e dados de localização são muitas vezes mais precisos do que o próprio registo.
O anonimato também não é uma propriedade que um conjunto de dados tem para sempre. O que hoje não se consegue relacionar pode ser relacionado amanhã, se surgir uma nova fonte. Por isso, regista-se que teste foi feito, com que pressupostos, e repete-se quando o conjunto de dados ou a sua utilização mudam.
As técnicas, e o que fazem e não fazem
Não há nenhuma técnica que anonimize por si só. Cada método reduz um determinado risco, e normalmente é preciso mais do que um.
- Tokenização. Um valor identificador é substituído por um token aleatório, com uma tabela de correspondência à parte. É pseudonimização, e facilmente reversível para quem tem a tabela.
- Hash. Um hash simples de um email ou de um número de identificação fiscal pode ser revertido calculando o hash de todos os valores possíveis e comparando. Com uma chave secreta (keyed hash) é pseudonimização; sem ela, muitas vezes nem isso.
- Mascaramento. Ocultar partes de um valor, como os dígitos centrais de um número de conta. É útil em ecrãs e relatórios, mas o resto do registo pode continuar a ser reconhecível.
- Generalização. A data de nascimento passa a ano de nascimento ou escalão etário, um código postal completo passa só aos primeiros dígitos. Reduz a possibilidade de isolar alguém.
- Agregação. Apenas totais e médias, com um número mínimo de pessoas por célula. Fica perto do anónimo, mas perdem-se os registos individuais.
- Dados sintéticos. Registos artificiais com a mesma estrutura e distribuição do original. Para testes é muitas vezes a melhor escolha, desde que o modelo gerador não reproduza registos reais.
A chave à parte: é disso que depende a pseudonimização
A pseudonimização é exatamente tão forte quanto a separação entre os dados e a informação que os relaciona de novo com a pessoa. Uma tabela de correspondência na mesma base de dados, com os mesmos administradores, não é separação.
- Outro ambiente. A tabela de correspondência ou a chave está noutro sistema ou num cofre separado, não ao lado do conjunto de dados.
- Outras pessoas. Quem trabalha com os dados pseudonimizados não consegue reverter por si. Reverter é um ato separado, com permissão própria.
- Registar quem reverte. Sempre que um pseudónimo é relacionado com uma pessoa, fica num registo, com o motivo.
- Substituir e destruir chaves. Uma chave que dura anos torna-se um risco em si mesma. E quem destrói a chave não torna automaticamente os dados anónimos: o resto do registo pode continuar a ser reconhecível.
A forma de gerir chaves na prática, e onde podem ficar, é descrita em encriptação e gestão de chaves.
Ambientes de teste sem dados pessoais reais
O local mais comum onde estão dados pessoais sem necessidade é um ambiente de teste ou de aceitação preenchido com uma cópia da produção. Programadores, testadores e por vezes fornecedores externos têm acesso, a segurança é mais leve e ninguém limpa a cópia.
Uma abordagem que funciona:
- Tornar o mascaramento um passo fixo do procedimento de cópia, não algo que alguém faz depois. A cópia só entra no ambiente de teste depois de substituídos nomes, contactos, números e texto livre.
- Manter as relações intactas. Usar substituições fixas, para que o mesmo cliente receba o mesmo pseudónimo em todas as tabelas e os testes continuem a funcionar.
- Considerar dados sintéticos para novas funções e para fornecedores, de modo que nenhum registo real saia da organização.
- Não esquecer os subprodutos. Cópias de segurança, ficheiros de registo e exportações do ambiente de teste contêm os mesmos dados que o próprio ambiente.
Se for mesmo preciso testar com dados reais, por exemplo para reproduzir um erro, regista-se quem, porquê, durante quanto tempo e quando a cópia foi apagada.
Relatórios, análises e partilha com terceiros
Para um ambiente de relatórios ou BI, a pseudonimização é muitas vezes suficiente: os analistas veem tendências por cliente ou colaborador sem saber quem é, e um número limitado de pessoas pode reverter quando necessário. Retiram-se os campos que a análise não precisa e generaliza-se onde for possível.
Ao partilhar com outra organização, como um investigador, consultor ou fornecedor de um serviço de análise, a pergunta é mais exigente. Se o conjunto de dados sai pseudonimizado, continuam a ser dados pessoais e é preciso um acordo sobre o que o destinatário pode fazer com eles. Se se pretende que sejam dados anónimos, o teste das secções anteriores tem de valer para o destinatário, tendo em conta os dados que ele próprio tem.
Se o tratamento implicar um risco elevado, a escolha entre pseudonimizar e anonimizar deve constar da DPIA, com o motivo.
Onde termina o nosso trabalho
O que fazemos. Nos ambientes que fornecemos, configuramos ou gerimos, tratamos da técnica: mascaramento como passo fixo na cópia para teste, tokenização e keyed hashes, a separação entre dados e chave, permissões de acesso e registo à volta da reversão. Descrevemos que técnica foi aplicada a que campos, para que o responsável de privacidade ou o encarregado da proteção de dados possa avaliar essa escolha. Trabalhamos sob a ISO/IEC 27001, o que descreve a forma como trabalhamos e não constitui um juízo sobre os seus tratamentos.
O que não fazemos. Não somos juristas nem encarregados da proteção de dados. Não declaramos que um conjunto de dados é anónimo na aceção do RGPD, não avaliamos se um tratamento de dados pseudonimizados é lícito e não decidimos se os dados podem ser partilhados com terceiros. Esse juízo é do responsável pelo tratamento, com aconselhamento de um jurista de privacidade ou do encarregado da proteção de dados.
Perguntas que recebemos sobre este tema
As cinco mais frequentes.
Qual é a diferença entre pseudonimização e anonimização?
Na pseudonimização, os dados identificadores são substituídos por um pseudónimo e, com informação adicional guardada à parte, é possível voltar à pessoa. Na anonimização, isso deixa de ser possível com meios razoáveis, para qualquer pessoa. Os dados pseudonimizados são dados pessoais; os dados anónimos não.
Os dados pseudonimizados estão abrangidos pelo RGPD?
Sim. Continuam a ser dados pessoais, porque podem ser relacionados com a pessoa através da informação guardada à parte. O RGPD continua a aplicar-se por inteiro. A pseudonimização é, ainda assim, uma medida de segurança que o próprio RGPD refere, porque reduz as consequências de uma violação de dados.
Um hash é o mesmo que anonimizar?
Não. Um hash simples de um tipo de valor conhecido, como um email ou um número, pode ser descoberto calculando o hash de todos os valores possíveis e comparando. Com uma chave secreta é pseudonimização. Um conjunto de dados só se torna anónimo quando os restantes dados também deixam de apontar para uma pessoa.
Como criar dados de teste sem dados pessoais?
Tornando o mascaramento um passo fixo na cópia da produção para o teste, com substituições fixas para manter as relações entre tabelas. Para novas funções e fornecedores externos, os dados sintéticos são muitas vezes melhores, porque não se usam registos reais. Não esquecer as cópias de segurança e os ficheiros de registo do ambiente de teste.
Conseguem confirmar que o nosso conjunto de dados é anónimo?
Não. Se um conjunto de dados é anónimo na aceção do RGPD é um juízo do responsável pelo tratamento, com aconselhamento de um jurista de privacidade ou do encarregado da proteção de dados. Nós aplicamos as técnicas e descrevemos exatamente o que foi feito em que campos, para que esse juízo assente em factos.
Para ler a seguir
Com o que se liga a pseudonimização.
Há dados pessoais reais no seu ambiente de teste?
Mapeamos onde estão as cópias da produção e tornamos o mascaramento um passo fixo. Se o resultado é suficientemente anónimo, avalia-o o seu responsável de privacidade.
Conhecimento prático de TI na sua caixa de correio
Novos guias sobre gestão, segurança e postos de trabalho, escritos por quem faz o trabalho. Sem conversa comercial, e pode cancelar a subscrição com um clique.