CNIL Francja: Wymagania organu ochrony danych wobec narzędzi PII
Francuska CNIL to najbardziej wymagający organ ochrony danych w UE. Większość unijnych regulatorów formułuje szerokie zasady. CNIL idzie dalej. Publikuje precyzyjne wytyczne techniczne zwane recommandations. Ustanawiają one dokładne standardy anonimizacji i wykorzystania danych przez AI.
Decyzje CNIL z 2024 roku często dotyczyły słabej anonimizacji w systemach AI. W 2023 roku agencja przyjęła 16 433 skargi. To o 43% więcej niż w 2022 roku.
Wytyczne CNIL kształtują politykę UE
Teksty techniczne CNIL są powszechnie cytowane przez inne unijne organy ochrony danych. Dwa dokumenty mają kluczowe znaczenie.
Guide pratique de l'anonymisation (2023): Przewodnik obejmuje k-anonimowość, l-różnorodność i prywatność różnicową. Pokazuje jak stosować każdą metodę na danych francuskich. Szwedzka IMY i inne unijne organy cytują go we własnych przepisach.
Wytyczne dotyczące systemów AI (2024): CNIL wskazuje sześć typów danych, które muszą być przetworzone przed użyciem w treningu AI. Żaden inny unijny organ ochrony danych nie posunął się tak daleko w kwestii AI.
Przepisy dotyczące plików cookie: Wytyczne CNIL w zakresie plików cookie ustanawiają najwyższy techniczny standard dla narzędzi do zarządzania zgodą w UE. Są często aktualizowane.
NIR: Najbardziej wrażliwy identyfikator francuski
Numéro d'Inscription au Répertoire (NIR) — zwany też numéro de sécurité sociale — to 15-cyfrowy francuski numer ubezpieczenia społecznego.
Jego format to: S AA MM DD CCC OOO K
- S — 1 cyfra: płeć
- AA — rok urodzenia
- MM — miesiąc urodzenia
- DD — departament urodzenia (01–95, 2A/2B dla Korsyki, 97–99 zamorskie, 99 zagraniczne)
- CCC — kod gminy
- OOO — kolejność urodzenia
- K — 2-cyfrowy klucz kontrolny (97 − (NIR mod 97))
NIR zawiera płeć, datę urodzenia i miejsce urodzenia w jednym numerze. CNIL traktuje go jako wysokiego ryzyka. Wymaga takiej samej staranności jak dane szczególnych kategorii zgodnie z art. 9 RODO.
Dlaczego narzędzia pomijają NIR: Ogólne narzędzia NLP zawodzą na NIR z trzech powodów. Po pierwsze, 15 cyfr (często zapisywanych bez spacji) wygląda jak inne długie liczby. Po drugie, cyfry 7–11 zawierają kod departamentu. Narzędzia pomijające kontrolę mod-97 przepuszczają fałszywe wyniki pozytywne. Po trzecie, korsykańskie departamenty używają 2A i 2B, a nie czystych cyfr. Narzędzia zbudowane dla wzorców wyłącznie cyfrowych zawodzą tutaj.
Dobre wykrywanie NIR wymaga trzech rzeczy: kontroli klucza mod-97, geopodręcznika kodów i reguł uwzględniających Korsykę.
Sprawdź nasze omówienie zgodności bezpieczeństwa, aby dowiedzieć się jak pokrycie identyfikatorów wpasowuje się w stos zabezpieczeń RODO.
SIREN i SIRET: Identyfikatory firm w dokumentach osobowych
SIREN: 9-cyfrowy identyfikator francuskiej firmy z cyfrą kontrolną Luhna. Pojawia się we wszystkich francuskich dokumentach handlowych.
SIRET: 14-cyfrowy numer zbudowany z SIREN (9 cyfr) plus kodu zakładu (5 cyfr). SIRET identyfikuje konkretną lokalizację. SIREN identyfikuje firmę.
Pliki handlowe często zawierają numery SIRET obok nazwisk pracowników. CNIL traktuje SIRET wraz z imieniem jako dane osobowe. Ta para uruchamia przepisy RODO nawet bez oddzielnego pola danych osobowych.
Sześć kroków anonimizacji dla treningu AI
Wytyczne AI CNIL z 2024 roku obejmują sześć typów danych. Każdy musi być przetworzony przed użyciem francuskich danych osobowych w treningu AI:
- Usuń bezpośrednie identyfikatory — Imiona, NIR, SIREN muszą być zastąpione lub usunięte
- Uogólnij quasi-identyfikatory — Wiek, departament, zawód mogą łącznie umożliwić reidentyfikację; zmniejsz ich precyzję
- Dodaj szum do liczb — Pola numeryczne wymagają skalibrowanego szumu blokującego wnioskowanie
- Sprawdź k-anonimowość — Każda osoba musi wyglądać jak co najmniej k-1 innych; CNIL wskazuje k ≥ 5
- Sprawdź l-różnorodność — Wrażliwe atrybuty muszą być zróżnicowane w każdej grupie
- Przeprowadź kontrolę ryzyka reidentyfikacji — Użyj udokumentowanej metody przed jakimkolwiek udostępnieniem danych
Same usunięcie NIR i pełnego imienia nie wystarczy. CNIL stwierdziła to w toku egzekwowania przepisów. Quasi-identyfikatory takie jak kod pocztowy i specjalizacja medyczna również wymagają przetworzenia.
Nasz przewodnik po zgodności z RODO obejmuje dokumentację, jakiej spodziewają się audyty francuskiego organu ochrony danych.
Kontekst językowy wykrywania PII po francusku
Francja ma kilka kontekstów językowych wpływających na wykrywanie danych.
Standardowy język francuski to język wszystkich oficjalnych dokumentów. Modele NER muszą obsługiwać litery z akcentami: é, è, ê, ë, à, â, î, ô, û, ç, œ.
Terytoria zamorskie (DOM-TOM): Martynika, Gwadelupa, Reunion, Gujana Francuska i Majotta używają kodów NIR w zakresie 97–98. Lokalne wzorce imion różnią się od kontynentalnej Francji.
Alzacja-Mozela: Imiona i nazwiska pochodzenia niemieckiego oraz niektóre niemieckie formaty dokumentów pojawiają się we francuskich aktach. Modele trenowane wyłącznie na standardowym języku francuskim mogą je pominąć.
Użycie transgranicznego: Belgijski język francuski używa innego formatu identyfikatora. Narzędzia używane we Francji i Belgii potrzebują reguł dla każdego kraju.
Czego musi dokonać Twoje narzędzie
Francuska zgodność wymaga czterech zdolności technicznych:
- NIR z kontrolą mod-97 — Samo dopasowywanie wzorców zawodzi. Narzędzia muszą wykonywać kontrolę klucza i obsługiwać kody 2A/2B.
- SIREN/SIRET z kontrolą Luhna — Identyfikatory firm pojawiają się w aktach osobowych i tworzą kombinacje nazw objęte RODO.
- Francuski NER z pełną obsługą akcentów — Musi obsługiwać imiona złożone (Jean-Pierre), partykuły (de, du, des) i znaki akcentowane.
- Udokumentowany sześcioetapowy proces — Każdy pipeline treningu AI na danych francuskich wymaga pisemnego zapisu każdej czynności anonimizacji.