Zutabeen Ezabaketaren Hutsunearen Azterketa
2026rako eguneratua
Ikerketa-datu-multzoak unibertsitateen artean CSV fitxategi gisa mugitzen dira. Taldeak CSV bat partekatzeko prestatzen dutenean, lana zutabeetan oinarrituta da. Aurkitu informazio pertsonala. Ezabatu edo ordeztu.
Metodo horrek eremu finkoetarako funtzionatzen du. "Posta elektronikoa" izeneko zutabeak posta-helbideak ditu -- ezabatu. "Telefonoa" izeneko zutabeak telefono-zenbakiak ditu -- ezabatu. "Parte-hartzailearen izena" izeneko zutabeak izenak ditu -- ordezkatu kode batekin.
Baina testu askeko erantzun-zutabeak alde ahula dira. Etiketatutako zutabeak kentzeak ez ditu ukitzen.
5.000 errenkadadun inkesta batek bost egitura PII zutabe eta hamabost testu askeko erantzun-zutabe eduki ditzake. Egitura-zutabeek izenak, posta elektronikoak, telefono-zenbakiak, IDak eta jaiotze-urteak gordeta dituzte. Testu askeko zutabeek iruzkinak, oharrak eta iradokizunak dituzte.
Egitura-zutabeak garbitzen dira. Testu askeko zutabeak gordina geratzen dira. Baina jendeak honelako gauzak idazten ditu.
Lehenengoa: "Nire sendagileak Boston Medical Centerrean, Dr. Maria Santosek, esan zuen tratamendua berria zela." Bigarrena: "2019ko istripua gertatu zitzaidanetik horrela nabil." Hirugarrena: "Xehetasun gehiagorako nire zaintzailera jo dezakezu margaret.wells@gmail.com-era."
Sarrera bakoitzak benetako pertsona bat aipatzen du. Batzuek osasun-datuak edo kontaktu-informazioa dituzte. Hau ez da zutabe-goiburuan agertzen. Zutabeen ezabaketak ez du harrapatzen.
Zergatik Huts Egiten Duen GDPR Estandarraren Aurrean
GDPR 26. Gogoetak erregistro anonimoak lotesgarri ez direnak gisa definitzen ditu inori. Barra altua da. Erregistroak egiaz anonimoak dira soilik berrezartzea ez denean arrazoizko moduan posiblea.
Testu askeko pertsona izendatuak dituzten baina ezabatutako zutabe finkoetako CSV batek ez du proba hori gainditzen. Izen horiek identifikagarriak dira. Datu-multzoa pertsonala da oraindik. GDPR 89. artikuluko arauak aplikatzen dira oraindik. Beraz hiru arrisku hauek sortzen dira.
89. artikuluko ikerketa-salbuespen: 89. artikuluak ikertzaileek informazio pertsonala zientziarako prozesatu dezatela baimendatzen du betebehar gutxiagorekin. Baina "babes egokiak" daudenean soilik. Testu askeko PII duen fitxategia partekatzea 89. artikuluko estaldura aldarrikatuz lege-hutsa da.
Etika-onespena: Ondasun eta etika-batzorde gehienek partekatutako datu-multzoen anonimizazio osoa eskatzen dute. Lan partzialak -- zutabe finkoek garbi, testu askeak gordina -- normalean huts egiten dute. Batzordeak aurkezpena bazter dezake.
Datu-partekaketa hitzarmenak: Erakundeen arteko DSAk eskatutako anonimizazio-maila ezartzen du. GDPR 26. Gogoetak betetzen ez duen lan partzialak DSA hautsi dezake. Ikusi gure Lege Betetze-ikuspegiera programa zabalagoan nola sartzen den.
Zergatik Zaila Den Testu Askea Garbitzea
Inkesten testu askeko erantzunak PII helbururik zailenetarikoak dira. Hona zergatik.
Testuinguruko izenak: "Dr. Maria Santos Boston Medical Centerrean" NER behar du pertsona eta erakunde bat markatzeko. Gako-hitz zerrendek ezin dute hau aurkitu.
Istorioetan izenak: "John Hendersonen autoak nire autoa jo zuen" istorio batean benetako izen bat jartzen du. Pasa ahala aipatutako pertsona bat da. NER-ek bakarrik harrapatzen du.
Ez-estandar formatuak: Kontaktu-informazioak "margaret dot wells at gmail" bezala irakur daiteke. Regex-erreminta sinpleek hau galtzen dute.
Ikerketa-espezifikoak diren terminoak: Kliniko inkestek askotan ospitale IDak, gune-kodeak eta leku-izenak dituzte. Horiek pertsona bat identifika dezakete generikotzat diruditela ere.
Beraz eredu-parekatze bakarrik ez da nahikoa. NLP-oinarritutako tresnak behar dira benetako inkestaren anonimizaziorako. Ikusi Segurtasun eta Betetzea aukera teknikoen inguruan.
Hiru Unibertsitateko Adibide Erreala
Hiru Europako unibertsitateetako ikerketa-talde batek paziente-esperientzia inkesta bat egin zuen. Datu-multzoak 5.000 erantzule, 3 zutabe finko PII eta 8 testu askeko zutabe zituen. Plana fitxategia guneen artean partekatzea zen DSA eta GDPR 89. artikuluaren pean.
Zutabeen ezabaketarekin bakarrik:
- Zutabe finko PII: kenduta
- Testu askeko zutabeak: gordina utzita
- Aldarrikazioa: "PII zutabeak ezabatu"
- Atzean geratutako PII: 47 pertsona izendatu, 23 posta-helbide iruzkinetan, 18 leku-izen erantzuleak identifikatu ditzaketenak
NLP-oinarritutako detekzioarekin:
- Zutabe finko PII: token koherenteekin ordezkatuta
- Testu askeko zutabeak: 47 izen ordezkatuta, 23 posta elektroniko maskaratuak, 18 leku-izen generikoak bihurtuta ("Boston Medical Center" -- "[Osasun Erakundea]")
- Emaitza: GDPR 26. Gogoetak gainditzen duen fitxategia
- Etika-batzordeak metodoa onartu zuen
- DPOk DSA betetzea baieztatzen du
Hutsunea erreala da. Lehen irteera garbia dirudi. Bigarrena garbia da.
Bost Urratseko Aurreko Partekatzeko Protokoloa
Erabili urrats hauek inkesta edo elkarrizketa fitxategia partekatu aurretik.
1. urratsa: Etiketatu zutabe bakoitza Markatu zutabe bakoitza PII finko, PII finko ez edo testu askeko gisa. Idatzi.
2. urratsa: Kudeatu PII finkoa Ezabatu analisirako beharrezkoak ez diren sarrerak. Ordeztu erregistroak lotzeko beharrezkoak direnak. Erabilitako kodeak erregistratu.
3. urratsa: Eskaneatu testu askeko zutabeak Exekutatu NLP detekzioa testu askeko zutabe guztietan. Berrikusi emaitza bakoitza. Baieztatatu zeinek diren benetako PII.
4. urratsa: Aplikatu ordezkapenak
Ordeztu testu askeko irteerako baieztatutako PII. Erabili etiketa argiak [PERTSONA], [POSTA] edo [KOKAPENA] bezalakoak.
5. urratsa: Egiaztatu eta dokumentatu Lagindu 50-100 errenkada irteeratik. Egiaztatu eskuz testu askeko sarrerak. Idatzi laburpen laburra: erabilitako tresnak, aurkitutako entitate-motak, prozesatutako zutabeak. Partekatu fitxategiarekin etika-berrikuspenean.
Horrek "izen-zutabea ezabatu dugu" bihurtzen du prozesu argian, dokumentatua. GDPR 89. artikulua eta etika-batzorde gehienek eskatzen dituzte anonimizazio estandarrak betetzen ditu. Bisitatu gure docs gunea erlazionatutako giden inguruan.