LGPD Brasilia: CPF, CNPJ ja Tietosuoja
Brasilian Lei Geral de Proteção de Dados (LGPD) kattaa 215 miljoonaa ihmistä. Se on maailman kolmanneksi suurin tietosuojalaki väestömäärältään. Se kattaa enemmän ihmisiä kuin Saksa, Ranska ja Yhdistynyt kuningaskunta yhteensä. Autoridade Nacional de Proteção de Dados (ANPD) antoi ensimmäiset merkittävät sakkonsa vuonna 2024. Siirtymäaika LGPD:n vuoden 2020 voimaantulon jälkeen on ohi.
On myös tekninen haaste. LGPD-asiakirjat ovat brasilialaisella portugalilla. Brasilian kansallistunnisteet eroavat Portugalia käyttämistä tunnisteista. Ne eroavat myös minkä tahansa muun maan tunnisteista.
Miksi Brasilialainen Henkilötieto on Erilainen
Brasilian liittovaltion ja osavaltion tunnistejärjestelmät ovat erkaantuneet eurooppalaisista digitaalisista henkilöllisyysjärjestelmistä. Tämä loi ainutlaatuisen joukon tunnisteita. Useimmat NLP-työkalut on koulutettu englanninkielisellä tai eurooppalaisella aineistolla. Ne eivät tunnista paikallisia henkilökortteja.
CPF (Cadastro de Pessoas Físicas): 11-numeroinen veronumeronumero. Muoto: XXX.XXX.XXX-XX. Siinä on kaksi tarkistusnumeroa. Kaava käyttää kahta erillistä matemaattista vaihetta. Molempien on täsmättävä, jotta CPF on voimassa.
Tunnistusaukko on suuri. Englanninkielisillä NLP-työkaluilla koulutetut mallit tunnistavat CPF:n vain 45 %:n tarkkuudella (ANPD, 2024). Kaksi syytä selittää tämän. Ensinnäkin työkalut, jotka täsmäyttävät 11-numeroisia lukuja ilman kaksivaiheista tarkistusnumerologiikkaa, sekoittavat kelvolliset CPF-numerot satunnaisiin lukujonoihin. Toiseksi CPF:stä puuttuu joskus XXX.XXX.XXX-XX-muoto. Tämä tapahtuu OCR-tulosteessa ja pelkkätekstimuodossa.
CNPJ (Cadastro Nacional da Pessoa Jurídica): 14-numeroinen yritystunnus. Muoto: XX.XXX.XXX/XXXX-XX. Siinä on myös kaksi tarkistusnumeroa. Kaava on samanlainen kuin CPF:ssä, mutta ei identtinen.
RG (Registro Geral): Osavaltion siviilihenkilökortti. Muoto vaihtelee osavaltiosta riippuen. São Paulo käyttää 2 kirjainta ja 5–9 numeroa. Rio de Janeiro käyttää 7–8 numeroa ja viivaa. Minas Gerais käyttää 7–9 numeroa. Muilla osavaltioilla on omat muotonsa. Työkalu, joka tuntee vain yhden osavaltion RG:n, jättää suurimman osan RG-numeroista tunnistamatta.
CNH (Carteira Nacional de Habilitação): 11-numeroinen ajokorttinumero. Siinä on yksi tarkistusnumero. Muoto sisältää piirrikoodin.
Título de Eleitor: 12-numeroinen äänestäjäkortin numero. Siinä on kolme osaa: 8-numeroinen tunnuskoodi, 2-numeroinen osavaltion koodi ja 2 tarkistusnumeroa.
SUS-numero (Cartão SUS): 15-numeroinen julkisen terveydenhuollon tunnus. Jokainen maan asukas saa sellaisen. Se esiintyy kaikissa sairaala- ja kliniikkatietueissa.
PIS/PASEP: 11-numeroinen sosiaaliohjelmanumero. Se esiintyy jokaisessa työsuhdetietueessa.
LGPD:n Anonymisointistandardi
LGPD:n 12 artikla määrittelee anonyymit tiedot. Standardi: tiedot, "joita ei voida tunnistaa ottaen huomioon käsittelyn aikaan saatavilla olevat kohtuulliset tekniset keinot". Tämä on teknologiasuhteinen standardi. Tämän päivän anonyymit tiedot eivät välttämättä pysy sellaisina, kun uudelleentunnistamismenetelmät kehittyvät.
ANPD lisää lisäohjeita. Suorien tunnisteiden, kuten CPF:n ja nimen, poistaminen ei riitä. Kvasitunnisteiden ryhmät voivat silti mahdollistaa uudelleentunnistamisen. Ikäryhmä, kaupunki, sukupuoli ja ammatti yhdessä saattavat tunnistaa henkilön. Näitä on käsiteltävä ryhmittelyllä tai kohinan lisäämisellä.
Tekoälykoulutusaineistoja varten ANPD edellyttää yhtä kolmesta ehdosta. Ensinnäkin: tiedot täyttävät 12 artiklan standardin. Toiseksi: jokainen rekisteröity antoi nimenomaisen suostumuksen kyseistä koulutuskäyttöä varten. Kolmanneksi: on olemassa pätevä dokumentoitu tarkoitus.
Portugalilainen Kielivaatimus
Brasilian portugali eroaa eurooppalaisesta portugalista. Sanat, oikeinkirjoitus ja asiakirjamuodot eivät ole samat. Portugalin tekstillä koulutetut NLP-mallit saavuttavat noin 71 % paikallisella tekstillä koulutettujen mallien tarkkuudesta. Tämä tulee ANPD:n teknisestä arvioinnista.
Henkilötietojen tunnistuksen keskeisiä eroja:
- Nimet: Kaksoissukupuolikäyttö ja nimijärjestys eroavat Portugalista.
- Osoitteet: CEP-koodit käyttävät muotoa XXXXX-XXX. Tämä muoto on ainutlaatuinen maalle. Se tarvitsee oman tunnistuslogiikkansa.
- Asiakirjatermit: "Carteira de Identidade" täällä vs. "Bilhete de Identidade" Portugalissa. Viranomaisnimet eroavat myös toisistaan.
Mitä ANPD:n Vaatimustenmukaisuus Vaatii
Neljä teknistä vaatimusta kattavat ANPD:n vaatimustenmukaisuuden. CPF- ja CNPJ-tunnistuksen on sisällettävä kaksivaiheinen tarkistusnumerovalidointi. RG-tunnistuksen on katettava kaikki osavaltiot. SUS-numeron ja Título de Eleitorin tunnistus on myös pakollinen. NLP-mallien on oltava koulutettuja paikallisella portugalinkielisellä tekstillä.
Katso opas globaalista henkilötietojen tunnistuksesta ja LGPD:n täytäntöönpanotoimista vuonna 2024.