Lei Geral de Proteção de Dados (LGPD) của Brazil là khung bảo vệ dữ liệu lớn thứ ba thế giới tính theo dân số được bao phủ — 215 triệu người Brazil, lớn hơn Đức, Pháp và Anh cộng lại. Autoridade Nacional de Proteção de Dados (ANPD) đã ban hành các hành động thực thi lớn đầu tiên năm 2024, báo hiệu sự kết thúc của giai đoạn ân hạn sau khi LGPD được ban hành năm 2020.
Thách thức tuân thủ kỹ thuật là đặc biệt: Tiếng Bồ Đào Nha Brazil là ngôn ngữ của các tài liệu được bảo vệ theo LGPD, nhưng các mã định danh quốc gia Brazil hoàn toàn khác với các mã định danh Bồ Đào Nha châu Âu — và khác với bất kỳ hệ thống nhận dạng quốc gia nào khác trên thế giới.
Tại Sao PII Brazil Về Mặt Kỹ Thuật Là Đặc Biệt
Các hệ thống nhận dạng liên bang và tiểu bang của Brazil phát triển tách biệt với các khung nhận dạng kỹ thuật số châu Âu. Kết quả là một bộ mã định danh phức tạp mà các công cụ NLP chung — hầu hết được đào tạo trên dữ liệu tiếng Anh hoặc ngôn ngữ châu Âu — không phát hiện được:
CPF (Cadastro de Pessoas Físicas): Đăng ký người nộp thuế cá nhân 11 chữ số là mã định danh công dân phổ quát của Brazil. Định dạng: XXX.XXX.XXX-XX với hai chữ số kiểm tra. Thuật toán chữ số kiểm tra CPF sử dụng hai tính toán số học mô-đun riêng biệt — nếu cả hai chữ số kiểm tra khớp, CPF hợp lệ.
Vấn đề kỹ thuật: CPF chỉ được phát hiện với độ chính xác 45% bởi các công cụ NLP được đào tạo bằng tiếng Anh (đánh giá kỹ thuật ANPD 2024). Các lỗi: các công cụ khớp mẫu số 11 chữ số mà không có xác thực chữ số kiểm tra hai bước không thể phân biệt số CPF hợp lệ với các chuỗi ngẫu nhiên; và CPF xuất hiện trong tài liệu Brazil mà không có định dạng XXX.XXX.XXX-XX tiêu chuẩn trong một số ngữ cảnh (đầu ra OCR, biểu mẫu văn bản thuần).
CNPJ (Cadastro Nacional da Pessoa Jurídica): Số đăng ký công ty 14 chữ số. Định dạng: XX.XXX.XXX/XXXX-XX với hai chữ số kiểm tra sử dụng các thuật toán tương tự (nhưng không giống hệt) CPF.
RG (Registro Geral): Tài liệu nhận dạng dân sự do tiểu bang Brazil cấp. Không giống CPF (liên bang, thống nhất), định dạng RG thay đổi theo tiểu bang cấp:
- São Paulo: 2 chữ cái + 5-9 chữ số (ví dụ: MG-12.345.678)
- Rio de Janeiro: 7-8 chữ số với gạch ngang
- Minas Gerais: 7-9 chữ số
- Các tiểu bang khác: các định dạng khác nhau
Một công cụ chỉ nhận dạng định dạng RG của một tiểu bang sẽ bỏ sót phần lớn số RG trong tài liệu Brazil.
CNH (Carteira Nacional de Habilitação): Số bằng lái xe 11 chữ số với chữ số kiểm tra. CNH được cấp ở cấp liên bang nhưng định dạng bao gồm mã hóa quận đăng ký.
Título de Eleitor (đăng ký cử tri): Số 12 chữ số với 3 thành phần — mã nhận dạng (8 chữ số), mã tiểu bang (2 chữ số), chữ số kiểm tra (2 chữ số).
Số SUS (Cartão SUS): Số hệ thống y tế thống nhất 15 chữ số được cấp cho mỗi người Brazil để truy cập y tế công. Xuất hiện khắp trong hồ sơ bệnh viện công và chăm sóc ban đầu.
PIS/PASEP: Số chương trình tích hợp xã hội 11 chữ số được dùng trong tất cả hồ sơ việc làm.
Tiêu Chuẩn Ẩn Danh Của LGPD
Điều 12 LGPD định nghĩa dữ liệu ẩn danh là dữ liệu "liên quan đến chủ thể dữ liệu không thể nhận dạng được, xem xét việc sử dụng các phương tiện kỹ thuật hợp lý hiện có tại thời điểm xử lý." Đây là tiêu chuẩn tương đối theo công nghệ — những gì là ẩn danh hôm nay có thể không ẩn danh khi các kỹ thuật tái nhận dạng trong tương lai phát triển.
Hướng dẫn của ANPD làm rõ rằng ẩn danh đòi hỏi nhiều hơn việc xóa các mã định danh rõ ràng (CPF, tên). Các kết hợp mã định danh gián tiếp (khoảng tuổi, đô thị, giới tính, nghề nghiệp) có thể cho phép tái nhận dạng và phải được giải quyết thông qua tổng quát hóa hoặc thêm nhiễu.
Đối với dữ liệu đào tạo AI, ANPD yêu cầu dữ liệu dùng để đào tạo LLM hoặc mô hình ML phải:
- Được ẩn danh thực sự (đáp ứng tiêu chuẩn kỹ thuật của Điều 12), HOẶC
- Có sự đồng ý rõ ràng từ mỗi chủ thể dữ liệu cho mục đích đào tạo cụ thể, HOẶC
- Đủ tiêu chuẩn theo mục đích hợp pháp với lý do được ghi chép
Yêu Cầu Ngôn Ngữ Tiếng Bồ Đào Nha Brazil
Tiếng Bồ Đào Nha Brazil khác với tiếng Bồ Đào Nha châu Âu về từ vựng, chính tả và các quy ước tài liệu. Các mô hình NLP được đào tạo trên tiếng Bồ Đào Nha châu Âu (Bồ Đào Nha) hoạt động ở khoảng 71% độ chính xác của các mô hình được đào tạo cụ thể trên văn bản tiếng Bồ Đào Nha Brazil (đánh giá kỹ thuật ANPD).
Các khác biệt cụ thể liên quan đến phát hiện PII:
- Quy ước tên: Tên người Brazil theo các mẫu khác với tên người Bồ Đào Nha. Các họ thông dụng Brazil (Silva, Santos, Oliveira, Souza) giống nhau, nhưng các quy ước đặt tên (họ kép, thứ tự ưu tiên) khác nhau.
- Định dạng địa chỉ: Địa chỉ Brazil sử dụng "Rua," "Avenida," "Alameda," "Travessa" tương tự Bồ Đào Nha, nhưng mã bưu chính CEP (định dạng 8 chữ số: XXXXX-XXX) là đặc thù Brazil và yêu cầu nhận dạng mã bưu chính Brazil.
- Thuật ngữ tài liệu: Các loại tài liệu Brazil sử dụng thuật ngữ khác với tiếng Bồ Đào Nha châu Âu — "Carteira de Identidade" so với "Bilhete de Identidade" cho căn cước quốc gia, tên cơ quan chính phủ khác nhau trong toàn bộ tài liệu.
Để tuân thủ LGPD: CPF và CNPJ với xác thực chữ số kiểm tra hai bước, nhận dạng định dạng RG nhiều tiểu bang, phát hiện số SUS và Título de Eleitor, và hỗ trợ mô hình NLP tiếng Bồ Đào Nha Brazil là đường cơ bản kỹ thuật để tuân thủ ANPD.
Nguồn tham khảo: