Usunąłeś nazwisko z danych dla AI? To wciąż może być pseudonimizacja

Usunięcie nazwiska z danych przeznaczonych do AI nie przesądza o anonimizacji. Jeśli rekord można przypisać osobie dzięki oddzielnie przechowywanemu i chronionemu kluczowi, odpowiada to definicji pseudonimizacji w RODO; gdy pozostałe cechy same ujawniają tożsamość, zbiór również pozostaje zbiorem danych osobowych.

Przed przekazaniem danych ustal, czy model potrzebuje indywidualnych rekordów, usuń zbędne pola, sprawdź zasoby odbiorcy i przetestuj możliwość powiązania danych z osobą. O wyniku decyduje cały kontekst użycia, a nie lista zamazanych kolumn. Jeśli po przekształceniu można nadal rozpoznać osobę, traktuj materiał jako dane osobowe i oceń warunki ich przetwarzania przed wysłaniem go do narzędzia.

Czy model potrzebuje danych o poszczególnych osobach?

Najpierw określ wynik analizy. Jeżeli potrzebujesz liczby zgłoszeń według miesiąca i regionu, przygotuj zestawienie grupowe zamiast historii każdego zgłaszającego. Jeżeli zadanie wymaga śledzenia przebiegu zdarzeń u tej samej osoby, rekordy jednostkowe mogą być potrzebne, ale zachowanie powiązań między nimi zwiększa ryzyko identyfikacji.

Wypisz pola planowane do przekazania: imię, numer klienta, pełną datę, dokładną lokalizację, kategorię, identyfikator techniczny i opis swobodny, jeśli występują. Przy każdym zapisz, do czego służy modelowi i czy można je usunąć albo uogólnić bez utraty potrzebnego wyniku. Sprawdź również treść polecenia oraz załączników: wklejony opis sprawy może zawierać więcej wskazówek o osobie niż oczyszczona tabela.

Agregacja nie daje automatycznej anonimowości. Mała grupa albo dwa częściowo nakładające się zestawienia mogą ujawnić informację o jednej osobie przez odejmowanie wyników. Dlatego po wyborze danych grupowych oceniaj zarówno pojedynczą tabelę, jak i inne wyniki, które ten sam odbiorca będzie mógł ze sobą zestawić.

Kto może połączyć rekord z osobą?

Ustal, dla kogo zbiór ma być anonimowy: dla organizacji przygotowującej dane, dostawcy AI, dalszych odbiorców wyników czy wszystkich tych podmiotów. Zapisz, kto zachowuje oryginał, tabelę przypisującą kody do osób, wcześniejsze przesyłki i dostęp do innych baz. Jeśli dostawca przetwarza dane w imieniu administratora, brak klucza po stronie dostawcy sam nie wystarcza do uznania przekazywanych rekordów za anonimowe.

Następnie sprawdź informacje, do których odbiorca ma dostęp lub może rozsądnie dotrzeć: publiczne rejestry, własną bazę klientów, opublikowane wyniki czy dane otrzymane wcześniej. W warunkowym przykładzie rekord z małą miejscowością, miesiącem zdarzenia i rzadką cechą może pasować do jednej osoby znanej odbiorcy. Liczą się także koszt, czas i ograniczenia prawne pozyskania danych pomocniczych; czysto teoretyczna możliwość dopasowania nie oznacza jeszcze, że identyfikacja jest realna.

Warto oddzielić dwie sytuacje. Stały kod pozwalający administratorowi wrócić do nazwiska oznacza zachowaną drogę przypisania, nawet gdy kod nie jest zrozumiały dla modelu. Z kolei brak takiego kodu nie rozwiązuje problemu, jeśli kombinacja pozostałych pól wystarcza do odnalezienia osoby w innym zbiorze. Ocena musi objąć obie drogi.

Kiedy agregować, a kiedy przekształcać rekordy?

Gdy potrzebujesz tylko tendencji lub częstości zjawisk, zacznij od agregacji i sprawdź liczebność najmniejszych grup. Gdy potrzebujesz analizy zdarzeń na poziomie rekordu, usuń pola zbędne, zamień dokładne daty na szersze okresy, uogólnij lokalizację i ogranicz rzadkie kategorie. W tekstach swobodnych szukaj także nazw miejsc, stanowisk i szczegółów zdarzeń, które mogą działać jak identyfikatory pośrednie.

Biuletyn UODO o AI i anonimizacji wskazuje, że nieodwracalne przekształcenie może wymagać łączenia technik, między innymi zaciemniania, permutacji, k-anonimizacji i prywatności różnicowej; silnie przekształcone dane indywidualne bywają mniej przydatne do treningu AI, a alternatywą mogą być dane statystyczne o powtarzalnych zjawiskach. Dobór techniki zależy więc od wyniku, którego naprawdę potrzebujesz.

Nie zakładaj, że zastąpienie nazwisk losowymi kodami wystarczy, gdy pełne daty, lokalizacje i rzadkie zdarzenia pozostały bez zmian. Podobnie grupowanie kilku podobnych rekordów zmniejsza możliwość ich wyodrębnienia, lecz nie zawsze usuwa możliwość połączenia grupy z innymi danymi lub wywnioskowania wrażliwej cechy. Jeśli dalsze uogólnienie niszczy sens analizy, wyborem może być kontrolowane przetwarzanie danych osobowych, a nie nazywanie zbioru anonimowym.

Jak przeprowadzić próbę ponownej identyfikacji?

Przeprowadź test na dokładnej wersji danych, która ma trafić do modelu. Wytyczne EROD o anonimizacji, przyjęte do konsultacji, opisują ocenę przez wyodrębnienie rekordu, połączenie go z innymi danymi oraz wywnioskowanie konkretnej informacji o osobie. Próba powinna używać danych pomocniczych i środków, które są realnie dostępne z perspektywy ocenianego odbiorcy.

1. Sprawdź, czy kombinacje pól tworzą unikatowe rekordy lub pozwalają śledzić tę samą osobę w kilku wpisach. Uwzględnij także treść opisów i identyfikatory techniczne.
2. Spróbuj dopasować rekordy do dostępnych odbiorcy baz lub informacji publicznych. Zapisz użyte cechy, pochodzenie danych pomocniczych, liczbę dopasowań i pewność wyniku.
3. Sprawdź, czy rekordy albo zestawienia pozwalają wywnioskować informację dotyczącą rozpoznawalnej osoby, której nie miała ona ujawniać, na przykład przez porównanie grup.

Unikatowość sama w sobie nie kończy oceny: rekord może być wyjątkowy, lecz niemożliwy do przypisania osobie dostępnymi środkami. Z drugiej strony skuteczny atak na jeden rekord może wystarczyć, by zakwestionować anonimowość całego udostępnianego zbioru. Po zmianie pól, dodaniu nowych danych pomocniczych albo zmianie odbiorcy test trzeba wykonać ponownie w odpowiednim kontekście.

Jak udokumentować decyzję przed wysłaniem danych?

Zapisz cel użycia AI, wersję i zakres zbioru, odbiorców, zastosowane przekształcenia oraz informacje pomocnicze przyjęte do testu. Zachowaj wynik każdej próby: co udało się wyodrębnić, połączyć lub wywnioskować, z jaką pewnością i przy jakich założeniach. Odnotuj przypadki graniczne oraz osobę, która zatwierdziła decyzję o przekazaniu danych.

Jeżeli identyfikacja nadal jest realna, ustal podstawę i cel przetwarzania danych osobowych, zakres przekazania oraz zasady działania wybranego narzędzia AI. Jeśli nie wiadomo, kto będzie mógł uzyskać dane lub połączyć je z innymi zasobami, odłóż wysłanie i ogranicz wynik do bezpiecznej agregacji albo zmień sposób analizy. Ta decyzja zapada przed umieszczeniem danych w poleceniu, pliku treningowym lub usłudze.

Przeczytaj także:

• Jak testować agenta AI: odpowiedź może być dobra, a zadanie niewykonane
• Widełki nie muszą być w ogłoszeniu — kandydat ma je poznać przed umową
• Kontrola YouTube nie daje gwarancji — roszczenie może przyjść po publikacji