My Number Giapponese: APPI e il Controllo Verhoeff
La Personal Information Protection Commission (PPC) giapponese ha emesso 45 decisioni di enforcement nel 2024. Ha anche pubblicato la prima guida giapponese sulla privacy nell'IA. Uno studio della PPC ha rilevato che il 63% degli strumenti NLP generici non riesce a rilevare il My Number (マイナンバー) nei file giapponesi. Se il tuo team gestisce dati di residenti giapponesi, questa lacuna comporta un rischio diretto ai sensi dell'APPI.
Che cos'è il My Number
Il Giappone assegna a ogni residente un identificativo univoco a 12 cifre. Questo è il My Number, parte del Sistema del Numero Individuale (マイナンバー制度). Riguarda le imposte, le pensioni, l'assicurazione sanitaria e la risposta ai disastri. Questo identificativo è un dato sensibile ai sensi dell'APPI. È necessaria una base giuridica per raccoglierlo o condividerlo.
Il Problema del Controllo Verhoeff
Il My Number utilizza l'algoritmo di Verhoeff per la sua cifra di controllo. Verhoeff è un metodo matematico che rileva tutti gli errori su una singola cifra. Individua anche tutti gli errori in cui due cifre adiacenti si scambiano di posizione. Richiede tre tabelle di lookup per funzionare. Non è calcolabile a mano. Richiede codice.
Questo è rilevante per due motivi. Primo: il formato a 12 cifre del Giappone assomiglia a molti altri codici. Riferimenti di fattura, ID documento e stringhe di date condividono lo stesso formato. Senza un controllo Verhoeff, uno strumento segnala valori errati. Secondo: la maggior parte degli strumenti non usa Verhoeff. Usano controlli modulo-10 o modulo-11 più semplici. Questi non funzionano qui.
Lo studio della PPC ha rilevato che il 63% degli strumenti salta il controllo o usa un metodo più semplice. Entrambi i problemi si verificano contemporaneamente: falsi positivi e falsi negativi.
L'algoritmo di Luhn, usato per le carte di credito, è più semplice. Il My Number non usa Luhn. Gli strumenti costruiti per Luhn non funzioneranno qui.
Tre Script, un Nome
Il testo giapponese usa tre sistemi di scrittura contemporaneamente. Uno strumento deve gestirli tutti e tre.
Hiragana (ひらがな): Usato per la grammatica e le parole native. 46 caratteri base.
Katakana (カタカナ): Usato per parole straniere e nomi. 46 caratteri base. I nomi stranieri in Giappone appaiono in questo script.
Kanji (漢字): Simboli per sostantivi e nomi. Circa 2.000 sono di uso comune.
Il nome di una persona può apparire in quattro forme: Kanji (田中太郎), Hiragana (たなかたろう), Katakana (タナカ タロウ) e Romaji (Tanaka Taro). Uno strumento deve abbinare tutte e quattro. Se ne manca una, perde la maggior parte dei record di quella persona.
Altri Documenti d'Identità Giapponesi da Rilevare
Patente di guida (運転免許証番号): 12 cifre. Le prime due cifre indicano la prefettura. Tokyo è 10. Osaka è 62. Questo permette a uno strumento di verificare se il valore è valido per quella regione.
Passaporto (旅券番号): Due lettere più sette cifre. Formato ICAO. Il Giappone usa coppie di lettere specifiche.
Tessera sanitaria (健康保険証記号番号): Un simbolo più un numero. Il formato dipende dall'assicuratore. L'Assicurazione Sanitaria Nazionale (国民健康保険) e l'Assicurazione Gestita dalla Società (協会けんぽ) usano formati diversi.
Carta di residenza (在留カード番号): Per i residenti stranieri. Due lettere, otto cifre, due lettere. Il Ministero della Giustizia emette questa carta.
La Regola di Anonimizzazione dell'APPI
L'APPI ha uno standard rigoroso per i dati anonimizzati denominato informazioni anonimizzate (匿名加工情報). Va oltre il GDPR in un aspetto fondamentale. L'anonimizzazione deve essere verificabile da terze parti e tecnicamente irreversibile.
Per conformarsi, un'organizzazione deve:
- Rimuovere tutti gli identificatori diretti, incluso il My Number.
- Gestire tutte le combinazioni di quasi-identificatori.
- Usare la k-anonimizzazione o un metodo simile.
- Pubblicare una descrizione generale dei passaggi adottati.
- Non tentare mai di re-identificare i dati.
La guida AI 2024 della PPC aggiunge una regola specifica. Se si addestra un'IA su dati anonimizzati, non è possibile usare quel modello per re-identificare le persone. Questo è un divieto esplicito degli attacchi di inversione del modello sui set di addestramento APPI.
Per soddisfare gli standard PPC sono necessarie quattro cose. Primo: validazione Verhoeff per il rilevamento del My Number. Secondo: NER giapponese con ja_core_news e tokenizzazione corretta. Terzo: corrispondenza dei nomi tra Kanji, Kana e Romaji. Quarto: controlli del codice prefetturale per le patenti di guida.
L'India usa Aadhaar, che richiede anch'esso la validazione Verhoeff. La guida alla conformità tecnica DPDPA India lo tratta in dettaglio. Per il rilevamento di identificatori multi-paese, consulta la guida al rilevamento degli ID fiscali nazionali UE ai sensi del GDPR.