LGPD Brazilië: CPF, CNPJ en gegevensbescherming
De Braziliaanse Lei Geral de Proteção de Dados (LGPD) geldt voor 215 miljoen mensen. Het is de op twee na grootste gegevensbeschermingswet ter wereld qua bevolkingsomvang. Ze geldt voor meer mensen dan Duitsland, Frankrijk en het Verenigd Koninkrijk samen. De Autoridade Nacional de Proteção de Dados (ANPD) heeft in 2024 zijn eerste grote boetes opgelegd. De overgangsperiode na de inwerkingtreding van de LGPD in 2020 is voorbij.
Er is ook een technische uitdaging. LGPD-documenten zijn in het Braziliaans Portugees gesteld. Nationale ID's in Brazilië wijken af van die in Portugal. Ze wijken ook af van de ID's van welk ander land dan ook.
Waarom Braziliaanse persoonsgegevens anders zijn
Brazilië's federale en statelijke ID-systemen zijn los van Europese digitale identiteitssystemen gegroeid. Dit heeft geleid tot een uniek stel identifiers. De meeste NLP-tools zijn getraind op Engelstalige of Europese data. Ze slagen er niet in lokale ID's te detecteren.
CPF (Cadastro de Pessoas Físicas): Het 11-cijferige belastingnummer. Formaat: XXX.XXX.XXX-XX. Het heeft twee controlegetal. De formule maakt gebruik van twee afzonderlijke rekenkundige stappen. Beide moeten kloppen om een CPF geldig te maken.
Het detectiehiaat is groot. Engelstalige NLP-tools detecteren CPF met slechts 45% nauwkeurigheid (ANPD, 2024). Twee redenen verklaren dit. Ten eerste verwarren tools die 11-cijferige getallen matchen zonder de tweedelige controlelogica geldige CPF-nummers met willekeurige reeksen. Ten tweede ontbreekt bij CPF soms het formaat XXX.XXX.XXX-XX. Dit komt voor in OCR-uitvoer en platte-tekstformulieren.
CNPJ (Cadastro Nacional da Pessoa Jurídica): Het 14-cijferige ondernemings-ID-nummer. Formaat: XX.XXX.XXX/XXXX-XX. Ook dit heeft twee controlecijfers. De formule lijkt op die van CPF, maar is niet identiek.
RG (Registro Geral): Het statelijke civiele identiteitsbewijs. Het formaat verschilt per staat. São Paulo gebruikt 2 letters en 5–9 cijfers. Rio de Janeiro gebruikt 7–8 cijfers met een koppelteken. Minas Gerais gebruikt 7–9 cijfers. Andere staten hebben hun eigen formaten. Een tool die slechts het RG-formaat van één staat kent, zal de meeste RG-nummers missen.
CNH (Carteira Nacional de Habilitação): Het 11-cijferige rijbewijsnummer. Het heeft één controlecijfer. Het formaat bevat een districtscode.
Título de Eleitor: Het 12-cijferige kiezers-ID-nummer. Het bestaat uit drie delen: een 8-cijferige ID-code, een 2-cijferige staatscode en 2 controlecijfers.
SUS-nummer (Cartão SUS): Het 15-cijferige openbare gezondheids-ID. Iedere ingezetene van het land ontvangt er één. Het verschijnt in alle ziekenhuis- en kliniekdossiers.
PIS/PASEP: Het 11-cijferige sociale programmanummer. Het komt voor in elk arbeidsregistratie.
De LGPD-anonimiseringsstandaard
Artikel 12 van de LGPD definieert anonieme gegevens. De standaard: gegevens die "niet kunnen worden geïdentificeerd, rekening houdend met de redelijke technische middelen die beschikbaar zijn ten tijde van de verwerking." Dit is een technologieafhankelijke standaard. Gegevens die vandaag anoniem zijn, hoeven dat niet te blijven naarmate re-identificatiemethoden verbeteren.
De ANPD geeft aanvullende richtsnoeren. Het verwijderen van directe identifiers zoals CPF en naam is niet voldoende. Groepen quasi-identifiers kunnen nog steeds re-identificatie mogelijk maken. Leeftijdsklasse, stad, geslacht en beroep kunnen samen een persoon identificeren. Deze moeten worden behandeld door groepering of ruistoevoeging.
Voor AI-trainingsdata vereist de ANPD één van drie voorwaarden. Eerste: de data voldoet aan de standaard van artikel 12. Tweede: elke betrokkene heeft uitdrukkelijke toestemming gegeven voor het specifieke trainingsgebruik. Derde: er is een geldig gedocumenteerd doel.
Taaleisen voor het Portugees
Braziliaans Portugees verschilt van Europees Portugees. De woorden, de spelling en de documentvormen zijn niet hetzelfde. NLP-modellen die getraind zijn op Portugese tekst halen ongeveer 71% van de nauwkeurigheid van modellen die getraind zijn op lokale tekst. Dit blijkt uit de technische beoordeling van de ANPD.
Belangrijke verschillen voor PII-detectie:
- Namen: Het gebruik van dubbele achternamen en de naamsvolgorde wijken af van Portugal.
- Adressen: CEP-codes gebruiken het formaat XXXXX-XXX. Dit formaat is uniek voor het land. Er is een aparte detectielogica voor nodig.
- Documenttermen: "Carteira de Identidade" hier vs. "Bilhete de Identidade" in Portugal. Ook agentschapsnamen verschillen.
Wat ANPD-naleving vereist
Vier technische vereisten dekken de ANPD-naleving. CPF- en CNPJ-detectie moet tweedelige controlegetalvalidatie omvatten. RG-detectie moet alle staten bestrijken. SUS-nummers en Título de Eleitor-detectie zijn ook vereist. NLP-modellen moeten getraind zijn op lokaal Portugees taalmateriaal.
Zie onze gids voor wereldwijde PII-identifierdetectie en LGPD-handhavingsacties in 2024.