anonymisoinnin

Anonymisoinnin tarkoituksena on muuntaa henkilötiedot siten, että yksittäisten henkilöiden tunnistettavuus poistuu tai merkittävästi heikkenee. Tämän avulla dataa voidaan käyttää turvallisesti tilastoinnissa, tutkimuksessa ja palveluissa ilman, että rekisteröityjä voidaan tunnistaa yksiselitteisesti. Anonymisointi eroaa pseudonymisoinnista siinä, että tunnistettavat yhteydet pyritään poistamaan pysyvästi.

Erilaisia menetelmiä ovat muun muassa generalisointi, maskaus sekä tiedon poisto tai muuntaminen siten, ettei yksilöä voi erottaa. Usein käytettyjä lähestymistapoja ovat k-anonymity, l-diversity ja t-closeness; lisäksi käytetään arvojen muunnoksia, aggregointia ja tietojen minimointia. Differential privacy lisää yksityisyyden suojan lisäämällä satunnaista melua tilastointitietoon. Silloin kun tarvitsee edelleen käytettävissä olevaan dataan pohjautuvaa analytiikkaa, voidaan hyödyntää synthetistä dataa, joka jäljittelee todellisia ominaisuuksia ilman suoria kopioita henkilöistä.

GDPR ja muut lainsäädännöt asettavat vaatimuksia henkilötietojen käsittelylle. Kun data on todella anonymisoitua, sitä ei enää pidetä henkilötietona ja GDPR:n rajoitukset eivät välttämättä sovellu. Käytännössä anonymisoinnin toteutuksia arvioidaan kuitenkin edelleen re-identifiointiriskin perusteella. Kansainväliset ja eurooppalaiset standardit, kuten ISO/IEC 20889, ohjaavat anonymisointitekniikoiden valintaa ja riskinarviointia.

Käyttökohteita ovat tilastointi, tutkimusdata, terveydenhuolto, liiketoimintatiedot sekä julkinen sektori, joissa on tarve suojata yksilöiden yksityisyyttä samalla kun dataa hyödynnetään. Rajoitteina ovat re-identifiointiriski, tiedonlaadun vaikutus sekä tarve jatkuvalle riskienhallinnalle, koska konteksti ja tiedon ominaisuudet voivat muuttua.