Anonimisering van gegevens

Dit is waar anonimisering van gegevens om de hoek komt kijken, waarbij vertrouwelijke informatie wordt beschermd door individuele identificatiegegevens te verwijderen of te coderen. Door risicovrije gegevensuitwisseling tussen digitale mediaplatforms mogelijk te maken, zorgt het voor interessantere aanbiedingen aan consumenten.

Wat is gegevensanonimisering?

Wanneer gevoelige en/of persoonlijke informatie wordt opgeslagen in bedrijfsdatabanken (waarbij gebruikersnamen vaak worden gekoppeld aan wettelijke namen, telefoonnummers, sofi-nummers, e-mails en adressen), bestaat er altijd een risico op lekken. Zelfs de veiligste software kan door hackers worden aangevallen via onverwachte mazen en kwaadaardige achterdeurtjes.

Door deze informatie door een anonimiseringsproces te laten lopen, wordt bronidentificatie vermeden. Wereldwijd treden nieuwe regels voor gegevensbescherming in werking, zoals de Algemene verordening gegevensbescherming (AVG) in Europa, waardoor bedrijven geanonimiseerde gegevens kunnen verzamelen zonder dat daarvoor individuele toestemming nodig is. Alles wat nodig is, is het weglaten van de gegevensidentificatie. Meer recente wetgeving omvat de LGPD in Brazilië en POPI in Zuid-Afrika, en soortgelijke wetten zijn van kracht in sommige Amerikaanse staten.

Technieken voor gegevensanonimisering

Er is meer dan één manier om gegevens te anonimiseren. Afhankelijk van de geplande doeleinden en de systemen die deze informatie zullen gebruiken, omvatten de huidige technologieën voor desidentificatie ondermeer:

• Pseudonimisering: hierbij worden privé-identificatoren door pseudoniemen vervangen (zoals het willekeurig veranderen van elke Miller in bijvoorbeeld Baker, Cooper, Porter of Smith), met behoud van volledige gegevensintegriteit en nauwkeurigheid. Dit is een ideale oplossing voor test- en opleidingsdoeleinden;
• Generalisatie: hierbij wordt de identificeerbaarheid verminderd door details te veranderen (zoals appartementnummers of steden), terwijl de informatie toch nauwkeurig genoeg blijft voor de geplande doeleinden;
• Gegevensscrambling: dit is een veel gebruikte techniek waarbij de cijfers of letters in een attribuut onomkeerbaar worden geschud, zodat de gegevens nooit meer met hun oorspronkelijke records kunnen worden vergeleken;
• Gegevensmaskering: Hierbij worden gegevens verborgen via gewijzigde waarden in dubbele databanken waar modificatietechnieken kunnen worden gebruikt, zoals vervanging van tekens en woorden, encryptie en shuffling, hoewel ze ongeschikt zijn voor reverse engineering;
• Gegevensvervaging: hierbij wordt de informatie nauwkeurig beperkt, aangezien deze benaderingstechniek de waarden net genoeg verandert om de kans op identificatie zo klein mogelijk te maken, zodat de individuele anonimiteit gewaarborgd blijft;
• Gegevensuitwisseling: hierbij worden attribuutwaarden (namen, geboortedata) in datasets uitgewisseld. Deze komen dan niet meer overeen met de oorspronkelijke records, waardoor de anonimisering van databanken doeltreffender wordt;
• Gegevensversleuteling: dit is misschien wel de meest effectieve techniek om gegevens te anonimiseren, waarbij persoonlijke informatie wordt omgezet in een onleesbare gecodeerde vorm die met een wachtwoord wordt beveiligd en alleen door goedgekeurde gebruikers in het oorspronkelijke formaat kan worden opgevraagd.