LGPD Brazilia: CPF, CNPJ și protecția datelor
Legea Generală de Protecție a Datelor (LGPD) a Braziliei acoperă 215 milioane de persoane. Este a treia lege de protecție a datelor din lume după populație. Acoperă mai mulți oameni decât Germania, Franța și Regatul Unit la un loc. Autoridade Nacional de Proteção de Dados (ANPD) a emis primele amenzi majore în 2024. Perioada de grație de după intrarea în vigoare a LGPD în 2020 s-a încheiat.
Există și o provocare tehnică. Documentele LGPD sunt în portugheză braziliană. Actele de identitate naționale din Brazilia diferă față de cele din Portugalia. Diferă și față de actele de identitate din orice altă țară.
De ce datele personale braziliene sunt diferite
Sistemele federale și statale de identitate din Brazilia s-au dezvoltat separat față de sistemele europene de identitate digitală. Aceasta a creat un set unic de identificatori. Cele mai multe instrumente NLP sunt antrenate pe date engleze sau europene. Ele eșuează la detectarea actelor de identitate locale.
CPF (Cadastro de Pessoas Físicas): Numărul de contribuabil cu 11 cifre. Format: XXX.XXX.XXX-XX. Are două cifre de control. Formula folosește doi pași matematici separați. Ambii trebuie să corespundă pentru ca CPF să fie valid.
Lacuna de detectare este mare. Instrumentele NLP antrenate în engleză detectează CPF cu doar 45% acuratețe (ANPD, 2024). Două motive explică aceasta. În primul rând, instrumentele care potrivesc numere de 11 cifre fără logica cu două cifre de control confundă numerele CPF valide cu secvențe aleatoare. În al doilea rând, CPF lipește uneori formatul XXX.XXX.XXX-XX. Aceasta se întâmplă în ieșirile OCR și formularele text.
CNPJ (Cadastro Nacional da Pessoa Jurídica): Numărul de identificare al companiei cu 14 cifre. Format: XX.XXX.XXX/XXXX-XX. Are și el două cifre de control. Formula este similară cu CPF, dar nu identică.
RG (Registro Geral): Cardul de identitate civilă statală. Formatul variază pe stat. São Paulo folosește 2 litere și 5–9 cifre. Rio de Janeiro folosește 7–8 cifre cu o cratimă. Minas Gerais folosește 7–9 cifre. Alte state au propriile formate. Un instrument care cunoaște doar formatul unui stat va rata majoritatea numerelor RG.
CNH (Carteira Nacional de Habilitação): Numărul permisului de conducere cu 11 cifre. Are o cifră de control. Formatul include un cod de district.
Título de Eleitor: Numărul actului de alegător cu 12 cifre. Are trei părți: un cod de identificare cu 8 cifre, un cod de stat cu 2 cifre și 2 cifre de control.
Numărul SUS (Cartão SUS): Actul de identitate medical public cu 15 cifre. Fiecare persoană din țară primește unul. Apare în toate înregistrările din spitale și clinici.
PIS/PASEP: Numărul programului social cu 11 cifre. Apare în toate înregistrările de angajare.
Standardul de anonimizare LGPD
Articolul 12 LGPD definește datele anonime. Standardul: date care „nu pot fi identificate, având în vedere mijloacele tehnice rezonabile disponibile la momentul prelucrării." Acesta este un standard relativ la tehnologie. Datele anonime de astăzi pot să nu rămână anonime pe măsură ce metodele de re-identificare evoluează.
ANPD adaugă ghiduri suplimentare. Eliminarea identificatorilor direcți cum ar fi CPF și numele nu este suficientă. Grupuri de quasi-identificatori pot permite în continuare re-identificarea. Intervalul de vârstă, orașul, sexul și meseria luate împreună pot identifica o persoană. Acestea trebuie tratate prin grupare sau adăugare de zgomot.
Pentru datele de antrenare AI, ANPD impune una din trei condiții. Prima: datele respectă standardul Articolului 12. A doua: fiecare persoană vizată și-a dat consimțământul explicit pentru utilizarea specifică de antrenare. A treia: există un scop documentat și valabil.
Cerințe privind limba portugheză
Portugheza braziliană diferă față de portugheză europeană. Cuvintele, ortografia și formularele documentelor nu sunt aceleași. Modelele NLP antrenate pe text din Portugalia ating circa 71% din acuratețea modelelor antrenate pe text local. Aceasta reiese din evaluarea tehnică ANPD.
Diferențe cheie pentru detectarea datelor personale:
- Nume: Utilizarea numelor duble și ordinea numelui diferă față de Portugalia.
- Adrese: Codurile CEP folosesc formatul XXXXX-XXX. Acest format este unic pentru țară. Necesită logică de detectare proprie.
- Termenii documentelor: „Carteira de Identidade" aici față de „Bilhete de Identidade" în Portugalia. Denumirile agențiilor diferă și ele.
Ce necesită conformitatea cu ANPD
Patru necesități tehnice acoperă conformitatea cu ANPD. Detectarea CPF și CNPJ trebuie să includă validarea cu două cifre de control. Detectarea RG trebuie să acopere toate statele. Detectarea numărului SUS și a Título de Eleitor este de asemenea necesară. Modelele NLP trebuie antrenate pe text în portugheză locală.
Consultați ghidul nostru de detectare globală a identificatorilor de date personale și acțiunile de aplicare LGPD din 2024.