LGPD Brazil: CPF, CNPJ i Zastita Podataka
Brazilski Lei Geral de Protecao de Dados (LGPD) pokriva 215 milijuna ljudi. To je treci najveci zakon o zastiti podataka na svijetu po populaciji. Pokriva vise ljudi od Njemacke, Francuske i Ujedinjenog Kraljevstva zajedno. Autoridade Nacional de Protecao de Dados (ANPD) 2024. izdao je prve vazne kazne. Prijelazno razdoblje nakon donosenja LGPD-a 2020. je gotovo.
Postoji i tehnicki izazov. LGPD dokumenti su na brazilskom portugalu. Nacionalni ID-jevi u Brazilu razlikuju se od onih u Portugalu. Takoer se razlikuju od ID-jeva u bilo kojoj drugoj zemlji.
Zasto Je Brazilski PII Razlicit
Brazilski savezni i drzavni ID sustavi razvijali su se odvojeno od europskih digitalnih identitetnih sustava. To je stvorilo jedinstveni skup identifikatora. Vecina NLP alata trenirana je na engleskim ili europskim podacima. Ne uspijevaju otkriti lokalne ID-jeve.
CPF (Cadastro de Pessoas Fisicas): 11-znamenkasti porezni broj. Format: XXX.XXX.XXX-XX. Ima dvije kontrolne znamenke. Formula koristi dva odvojena matematicka koraka. Oba moraju odgovarati da bi CPF bio valjan.
Praznina u otkrivanju je velika. NLP alati trenirani na engleskom otkrivaju CPF s tocnoscu od samo 45 % (ANPD, 2024.). Dva razloga objasnjuju ovo. Prvo, alati koji podudaraju 11-znamenkaste brojeve bez dvostupanjske logike kontrolne znamenke mijesaju valjane CPF brojeve s nasumicnim nizovima. Drugo, CPF ponekad nedostaje format XXX.XXX.XXX-XX. To se dogada u OCR izlazu i oblicima otvorenog teksta.
CNPJ (Cadastro Nacional da Pessoa Juridica): 14-znamenkasti poslovni ID broj. Format: XX.XXX.XXX/XXXX-XX. Takoer ima dvije kontrolne znamenke. Formula je slicna CPF-u, ali nije ista.
RG (Registro Geral): Drzavna osobna iskaznica. Format se razlikuje po drzavama. Sao Paulo koristi 2 slova i 5-9 znamenki. Rio de Janeiro koristi 7-8 znamenki s crticom. Minas Gerais koristi 7-9 znamenki. Ostale drzave imaju vlastite formate. Alat koji poznaje samo format jedne drzave propustit ce vecinu RG brojeva.
CNH (Carteira Nacional de Habilitacao): 11-znamenkasti broj vozacke dozvole. Ima jednu kontrolnu znamenku. Format ukljucuje okruzni kod.
Titulo de Eleitor: 12-znamenkasti broj biracke iskaznice. Ima tri dijela: 8-znamenkasti ID kod, 2-znamenkasti drzavni kod i 2 kontrolne znamenke.
SUS broj (Cartao SUS): 15-znamenkasti ID javnog zdravlja. Svaka osoba u zemlji ga dobiva. Pojavljuje se u svim bolnickim i klinickim zapisima.
PIS/PASEP: 11-znamenkasti broj socijalnog programa. Pojavljuje se u svakom zapisu o zaposljenju.
LGPD Standard Anonimizacije
Claanak 12. LGPD-a definira anonimne podatke. Standard: podaci "ne mogu biti identificirani, uzimajuci u obzir razumna tehnicka sredstva u trenutku obrade." To je tehnoloski relativan standard. Danasnji anonimni podaci mozda nece ostati takvi kako se metode ponovne identifikacije poboljsavaju.
ANPD dodaje vise smjernica. Uklanjanje izravnih identifikatora poput CPF-a i imena nije dovoljno. Grupe kvazi-identifikatora jos uvijek mogu omoguciti ponovnu identifikaciju. Dobna skupina, grad, spol i posao zajedno mogu identificirati osobu. Njima se mora upravljati grupiranjem ili dodavanjem suma.
Za podatke za trening AI, ANPD zahtijeva jedan od tri uvjeta. Prvo: podaci zadovoljavaju standard clanka 12. Drugo: svaki ispitanik dao je izriciti pristanak za specificnu upotrebu u treningu. Trece: postoji valjana dokumentirana svrha.
Zahtjevi za Portugalski Jezik
Brazilski portugalski razlikuje se od europskog portugala. Rijeci, pravopis i oblici dokumenata nisu isti. NLP modeli trenirani na tekstu iz Portugala postizu oko 71 % tocnosti modela treniranih na lokalnom tekstu. To dolazi iz ANPD tehnicke procjene.
Kljucne razlike za PII otkrivanje:
- Imena: Upotreba dvostrukih prezimena i redoslijed imena razlikuju se od Portugala.
- Adrese: CEP kodovi koriste format XXXXX-XXX. Taj format jedinstven je za ovu drzavu. Zahtijeva vlastitu logiku otkrivanja.
- Dokumentni pojmovi: "Carteira de Identidade" ovdje nasuprot "Bilhete de Identidade" u Portugalu. Nazivi agencija takoer se razlikuju.
Sto Je Potrebno za ANPD Uskladjenost
Cetiri tehnicke potrebe pokrivaju ANPD uskladjenost. Otkrivanje CPF-a i CNPJ-a mora ukljucivati dvostupanjsku validaciju kontrolne znamenke. Otkrivanje RG-a mora pokrivati sve drzave. Otkrivanje SUS broja i Titulo de Eleitor takoer je potrebno. NLP modeli moraju biti trenirani na lokalnom portuguzu.
Pogledajte nas vodic o globalnom otkrivanju PII identifikatora i LGPD provedbenim akcijama u 2024..