Download to read offline
Uploaded byDATPROF
Presentatie Privacy Paleis anonimiseringstool PIA
De Presentatie van Hilbrand Kikkers vanuit ITCG met DATPROF privacy over het anonimiseren van testdata. En de impact op het uitvoeren van een Privacy Impact Assesment. Deze presentatie is gegeven tijdens een bijeenkomst van het Privacy Paleis op de Europese Dag van de Privacy.
Law◦
Presentatie Privacy Paleis anonimiseringstool PIA
- 1. Hilbrand KikkersI TC G ITCG Friesestraatweg 215 9743 AD Groningen Anonimisering van testgegevens Privacy Paleis 28 januari 2015
- 2. I T CGEven voorstellen… 2
- 3. I T CG VEEL ORGANISATIES GEBRUIKEN KOPIEËN VAN PRODUCTIE DATABASES
- 4. I T CG VEEL ORGANISATIES GEBRUIKEN KOPIEËN VAN PRODUCTIE DATABASES DOELEINDEN: • TESTEN • ONTWIKKELING • OUTSOURCING • MARKETING • OPLEIDING
- 5. I T CG Anonimiseren SubsettenHoe beheer je al deze omgevingen? Hoe ga je om met persoonsgegevens?
- 6. I T CG Productie Test/Ontwikkel Source Database Target Database
- 7. I T CG Minimaliseer datagebruik Bespaar op hardware Verkort doorlooptijden Efficiënter data beheer Beschermen van relaties Voldoen aan wetgeving Voorkom imagoschade Behoud concurrentie positie Subsetten Anonimiseren Voordelen van het subsetten van data Voordelen van het anonimiseren en maskeren
- 8. I T CG Anonimiseren van gevoelige gegevens
- 9. I T CG Persoonsgegevens Identificerende Kenmerkende - Naam - Geboortedatum - Email - Bankrekening nummer - BSN nummer - Adres - Polisnummer - Telefoonnummer - Etc… - Banksaldo - Schulden - Medicijn gebruik - Ziekte - Geloofsovertuiging - Politieke voorkeur - Salaris - Telefoonhistorie - Etc… “Elk gegeven over een geïdentificeerde of identificeerbare natuurlijke persoon” Bron: Wet Bescherming Persoonsgegevens
- 10. I T CG Identiteitsdiefstal Chantage Creditcard fraude Spam Imagoschade Risico Welke risico’s lopen betrokkenen
- 11. I T CG Technieken
- 12. I T CG Shuffle Verwissel waarden binnen een kolom Conditioneel Maskeer gespecificeerde delen van tabellen+ Voornaam Naam Soort Frans Jan Dirk Jansen de Boer Huisman DATPROF Klant Klant Klant Leverancier
- 13. I T CG 321 Voornaam Naam Soort Opmerking E-Mail Frans Jan Dirk de Boer Huisman Jansen Blank Verwijder waarden uit kolom Scramble Vervang bestaande karakters fjansen@live.nl jdeboer@live.nl ikben@dirkhuisman.nl “Zwager van D.Jansen” “Heeft schulden” xxxxxxx@xxxx.xx Xxxxxxx@xxxx.xx xxxxx@xxxxxxxxxx.xx Klant Klant Klant LeverancierDATPROF
- 14. I T CG Nr. Polis 789 321 Nr. Voornaam Naam Soort Opmerking E-mail Frans Jan Dirk de Boer Huisman Jansen DATPROF 123 456 789 321 123 456 Basis + AV Standaard Basis Klant Klant Klant Leverancier xxxxxxx@xxxx.xx Xxxxxxx@xxxx.xx xxxxx@xxxxxxxxxx.xx Key-Shuffle Verwissel primary keys en foreign keys consistent. “Uniek klantnummer dat op pasjes en polissen wordt gedrukt”
- 15. I T CG Nr. Voornaam Naam Soort Opm.. E-mail Geboortedatum Frans Jan Dirk de Boer Huisman Jansen DATPROF 123 Klant Klant Klant Leverancier xxxxxxx@xxxx.xx Xxxxxxx@xxxx.xx xxxxx@xxxxxxxxxx.xx 321 789 456 First day Verander datum velden naar de 1e van dezelfde maand of jaar 16-02-1954 25-11-1984 27-03-1974 01-02-1954 01-11-1984 01-03-1974 Postcode Geslacht Geboortedatum Geboortemaand Geboortejaar 87% 3.7% 0.04% Bron: onderzoek anonimiteit door Prof. Dr. Latanya Sweeney (Harvard University)
- 16. I T CG Nr. Voornaam Naam Soort Opm.. E-mail Geb-datum de Boer Huisman Jansen DATPROF 123 Klant Klant Klant Leverancier xxxxxxx@xxxx.xx Xxxxxxx@xxxx.xx xxxxx@xxxxxxxxxx.xx 321 789 01-02-1954 01-11-1984 01-03-1974 Look-up Vervang waarden met waarden uit een andere tabel Tim Ruben Thomas Frans Jan Dirk Voornamen Daan Thomas Tim Lars Ruben Levi Luuk Referentiedata
- 17. I T CG Nr. Voornaam Naam Soort Opm.. E-mail Geboortedatum Thomas Tim Ruben de Boer Huisman Jansen DATPROF 123 Klant Klant Klant Leverancier xxxxxxx@xxxx.xx Xxxxxxx@xxxx.xx xxxxx@xxxxxxxxxx.xx 321 789 456 01-02-1954 01-11-1984 01-03-1974 Expression Maak gebruik van standaard of eigen functies T.deBoer@testdata.nl T.Huisman@testdata.nl R.Jansen@testdata.nl Fictief Fictief Fictief
- 18. I T CG Keten Methodes om over de keten heen te anonimiseren Stap 1 Anonimiseer database A Stap 2 Anonimiseer database B geheugen
- 19. I T CG Berichtenverkeer Methodes om met ketenpartners te communiceren geheugen xml xml xml xml
- 20. I T CG “Blauwdruk” Productie Master Testset Testsets
- 21. I T CG Concrete tips 1. Inventariseer de risico’s (privacy-scan, impact assessment, ...) Identiteitsdiefstal Chantage Creditcard fraude Spam Imagoschade
- 22. I T CG 1. Inventariseer de risico’s (privacy-scan, impact assessment, ...) 2. Leer van collega-bedrijven (referentiegesprek, kennis-sessies)
- 23. I T CG 1. Inventariseer de risico’s (privacy-scan, impact assessment, ...) 2. Leer van collega-bedrijven (referentiegesprek, kennis-sessies) 3. Zoek een kennis-partner (oplossingen, wetgeving, etc) veilig bruikbaar
- 24. I T CG 1. Inventariseer de risico’s (privacy-scan, impact assessment, ...) 2. Leer van collega-bedrijven (referentiegesprek, kennis-sessies) 3. Zoek een kennis-partner (oplossingen, wetgeving, etc) 4. Doe ervaring op (proefproject) veilig bruikbaar
- 25. I T CG 1. Inventariseer de risico’s (privacy-scan, impact assessment, ...) 2. Leer van collega-bedrijven (referentiegesprek, kennis-sessies) 3. Zoek een kennis-partner (oplossingen, wetgeving, etc) 4. Doe ervaring op (proefproject) 5. Kijk naar de (extra) voordelen
- 26. I T CG 1. Inventariseer de risico’s (privacy-scan, impact assessment, ...) 2. Leer van collega-bedrijven (referentiegesprek, kennis-sessies) 3. Zoek een kennis-partner (oplossingen, wetgeving, etc) 4. Doe ervaring op (proefproject) 5. Kijk naar de (extra) voordelen 6. Maak fictieve data herkenbaar
- 27. I T CG 1. Inventariseer de risico’s (privacy-scan, impact assessment, ...) 2. Leer van collega-bedrijven (referentiegesprek, kennis-sessies) 3. Zoek een kennis-partner (oplossingen, wetgeving, etc) 4. Doe ervaring op (proefproject) 5. Kijk naar de (extra) voordelen 6. Maak fictieve data herkenbaar 7. Begin eenvoudig
- 28. I T CG Vragen?