巴西LGPD：CPF、CNPJ与数据保护
巴西《通用数据保护法》（Lei Geral de Proteção de Dados，LGPD）覆盖2.15亿人口，是全球按人口计算的第三大数据保护法规，覆盖人口超过德国、法国和英国的总和。「国家数据保护局」（Autoridade Nacional de Proteção de Dados，ANPD）于2024年开出首批重大罚款，LGPD自2020年颁布以来的过渡期已经结束。
此外还存在技术挑战：LGPD文件以巴西葡萄牙语撰写，巴西的国家标识符与葡萄牙及其他国家的标识符均不相同。
为何巴西个人信息具有特殊性
巴西联邦和州级身份识别体系与欧洲数字身份体系发展路径不同，形成了一套独特的标识符。大多数NLP工具基于英语或欧洲数据训练，无法检测本地标识符。
CPF（个人纳税人登记号）： 11位纳税人编号，格式为XXX.XXX.XXX-XX，含两位校验字符，算法分两步计算，两步均须通过方为有效。
检测差距显著。英语训练的NLP工具对CPF的识别准确率仅为45%（ANPD，2024年）。原因有二：一是仅匹配11位数字而未执行两步校验逻辑的工具会将有效CPF与随机数字序列混淆；二是CPF有时不带XXX.XXX.XXX-XX格式，这在OCR输出和纯文本表单中尤为常见。
CNPJ（企业国家登记号）： 14位企业标识符，格式为XX.XXX.XXX/XXXX-XX，同样含两位校验字符，算法与CPF相似但不同。
RG（通用登记证）： 州级民事身份证，格式因州而异。圣保罗州为2个字母加5至9位数字，里约热内卢州为7至8位数字加连字符，米纳斯吉拉斯州为7至9位数字，其他州有各自格式。仅了解一个州的RG格式的工具将遗漏大多数RG号码。
CNH（国家驾驶执照）： 11位驾照号码，含一位校验字符及区域代码。
选民证（Título de Eleitor）： 12位选民身份号码，由8位标识码、2位州代码和2位校验字符组成。
SUS号码（统一医疗系统卡）： 15位公共医疗标识符，全国每人一号，出现在所有医院和诊所记录中。
PIS/PASEP： 11位社会保障项目编号，出现在所有劳动用工记录中。
LGPD匿名化标准
LGPD第12条定义了匿名数据的标准：数据「在处理时考虑合理技术手段后无法被识别」。这是一个随技术发展而变化的标准，今日的匿名数据未必能随着重识别技术的进步而持续保持匿名。
ANPD进一步提供了指导意见：仅删除CPF和姓名等直接标识符是不够的，准标识符的组合仍可能实现重识别。年龄段、城市、性别和职业的组合可能足以定位到个人，必须通过分组或加噪处理来应对。
对于AI训练数据，ANPD要求满足以下三个条件之一：一是数据满足第12条标准；二是每位数据主体对特定训练用途给予明确同意；三是存在有效记录的处理目的。
葡萄牙语的语言要求
巴西葡萄牙语与欧洲葡萄牙语在词汇、拼写和文件格式上均存在差异。基于葡萄牙（欧洲）文本训练的NLP模型，其准确率约为基于本地文本训练模型的71%，这一数据来自ANPD技术评估报告。
个人信息检测的关键差异包括：
- 姓名： 双姓使用习惯和姓名顺序与葡萄牙不同。
- 地址： CEP邮政编码格式为XXXXX-XXX，该格式为巴西独有，需要专门的检测逻辑。
- 文件术语： 巴西使用「Carteira de Identidade」，葡萄牙使用「Bilhete de Identidade」，政府机构名称也有所不同。
ANPD合规的技术要求
四项技术要求涵盖ANPD合规所需：CPF和CNPJ检测须包含两步校验字符验证；RG检测须覆盖所有州；同时还需检测SUS号码和选民证；NLP模型须基于本地葡萄牙语文本训练。
请参阅我们的全球个人信息标识符检测指南和2024年LGPD执法行动指南。