LGPD Brasil: CPF, CNPJ eta Datu Babesa
Brasilen Lei Geral de Protecao de Dados (LGPD) 215 milioi pertsonari aplikatzen zaie. Biztanleriaren arabera munduko hirugarren datu babes legea da. Alemania, Frantzia eta Erresuma Batua baino jende gehiago biltzen du. Autoridade Nacional de Protecao de Dados (ANPD) lehen isun nagusiak eman zituen 2024an. LGPDren 2020ko onarpenetik grazia-aldia amaitu da.
Gainera erronka tekniko bat dago. LGPD dokumentuak Brazilgo portugesean daude. Brasilen nazio IDak Portugalekoengandik desberdinak dira. Beste edozein herrialdetakoengandik ere desberdinak dira.
Zergatik Den Brazilgo PII Ezberdina
Brasilen estatu federal eta estatu ID sistemak Europako identitate digital sistemetatik bereizita garatu ziren. Honek identifikatzaile multzo berezi bat sortu zuen. NLP tresna gehienak ingelesezko edo Europako datuekin trebatuak dira. Tokiko IDak detektatzeko huts egiten dute.
CPF (Cadastro de Pessoas Fisicas): 11 zifrako zerga zenbakia. Formatua: XXX.XXX.XXX-XX. Bi egiaztapen digitua ditu. Formulak bi urrats matematiko bereizi erabiltzen ditu. Biek CPF baliodunak izateko bat etorri behar dute.
Detekzio tartea handia da. Ingelesez trebatutatko NLP tresnek CPF %45eko zehaztasunarekin soilik detektatzen dute (ANPD, 2024). Bi arrazoik azaltzen dute hau. Lehenik, bi urrats egiaztapen digitu logikarik gabe 11 zifrako zenbakiak lotekin egindako tresnek CPF zenbaki baliodun eta ausazko sekuentziak nahasten dituzte. Bigarrenik, CPFak batzuetan XXX.XXX.XXX-XX formatuaren gabea du. Hau OCR irteeran eta testu-soileko inprimakietan gertatzen da.
CNPJ (Cadastro Nacional da Pessoa Juridica): 14 zifrako enpresa ID zenbakia. Formatua: XX.XXX.XXX/XXXX-XX. Bi egiaztapen digitua ere baditu. Formula CPFaren antzekoa da baina berdina ez.
RG (Registro Geral): Estatuko nortasun agiri zibila. Formatua estatuaren arabera aldatzen da. Sao Paulok 2 letra eta 5-9 zifra erabiltzen ditu. Rio de Janeirok 7-8 zifra marra batekin erabiltzen ditu. Minas Geraisek 7-9 zifra erabiltzen ditu. Beste estatuek beren formatuak dituzte. Estatu bakar baten RG bakarrik dakien tresna batek RG zenbaki gehienak galduko ditu.
CNH (Carteira Nacional de Habilitacao): 11 zifrako gidabaimena. Egiaztapen digitu bat du. Formatuak barrutia kodea biltzen du.
Titulo de Eleitor: 12 zifrako hautesle IDa. Hiru zatiz osatuta: 8 zifrako ID kodea, 2 zifrako estatu kodea eta 2 egiaztapen digitu.
SUS zenbakia (Cartao SUS): 15 zifrako osasun publiko IDa. Herriko pertsona bakoitzak bat jasotzen du. Ospitale eta klinika erregistro guztietan agertzen da.
PIS/PASEP: 11 zifrako gizarte programa zenbakia. Enplegu erregistro guztietan agertzen da.
LGPD Anonimizazio Estandarra
LGPD 12. artikuluak datu anonimoaren definizioa ematen du. Estandarra: datuak "ezin dira identifikatu, prozesatze unean zentzuzko bitarteko teknikoak kontuan hartuta". Teknologia-erlatiboa den estandar hau da. Gaur egungo datu anonimoek etorkizunean ez dute berdin iraungo berreidentifikazio metodoak hobetzen diren heinean.
ANPDk orientabide gehiago ematen du. CPF eta izen bezalako identifikatzaile zuzenak kentzea ez da nahikoa. Kuasi-identifikatzaileen multzoak oraindik berreidentifikazioa ahalbidetzen dute. Adin tartea, hiria, generoa eta lana batera pertsona bat identifikatu dezakete. Hauek multzokatzea edo zarata gehitzearen bidez kudeatu behar dira.
AI prestakuntza datuentzat, ANPDk hiru baldintzetako bat eskatzen du. Lehenengo: datuak 12. artikuluaren estandarra betetzen du. Bigarrena: datu subjektu bakoitzak baimen esplizitua eman zuen prestakuntza erabilpen zehatzerako. Hirugarrena: helburu baliodunik dokumentatua dago.
Portuges Hizkuntza Eskakizunak
Brazilgo portugesa Europako portugesatik desberdina da. Hitzak, ortografia eta dokumentu formak ez dira berdinak. Portugalen testuan trebatutatko NLP ereduek tokiko testuan trebatutatko ereduen zehaztasunaren %71 lortu ohi dute. Hau ANPDren ebaluazio teknikotik dator.
PII detekziorako desberdintasun nagusiak:
- Izenak: Abizen bikoitz erabilpena eta izen ordena Portugalekoaren ezberdina da.
- Helbideak: CEP kodeak XXXXX-XXX formatua erabiltzen dute. Formatu hau herriko bakarra da. Detekzio logika propioa behar du.
- Dokumentu terminoak: "Carteira de Identidade" hemen eta "Bilhete de Identidade" Portugalen. Agentzia izenak ere desberdinak dira.
ANPD Betetzerak Zer Behar Duen
Lau premia teknikoak ANPD betetzea biltzen dute. CPF eta CNPJ detekzioak bi urrats egiaztapen digitu balioztapena barne hartu behar du. RG detekzioak estatu guztiak bete behar ditu. SUS zenbaki eta Titulo de Eleitor detekzioa ere beharrezkoa da. NLP ereduak tokiko portuges testuan trebatuak egon behar dira.
Ikusi gure PII identifikatzaile global detekzio gida eta 2024ko LGPD exekuzio ekintzak.