L'anonimizzazione di dataset di onboarding cliente rimuove i dati personali da file strutturati contenenti informazioni raccolte durante l'apertura del rapporto. Il GDPR (considerando 26) stabilisce che i dati genuinamente anonimi non sono soggetti alla normativa sulla protezione dei dati. anonym.plus elabora ogni riga localmente: la struttura del dataset resta intatta mentre le PII vengono sostituite con valori sintetici.
Quando si applica
Un dataset di onboarding contiene migliaia di righe con nome, codice fiscale, IBAN, data di nascita e indirizzo. Questi campi devono essere anonimizzati prima di usare il dataset per il training di modelli o test di sistema.
Come lo gestisce anonym.plus
- Carica il dataset in anonym.plus sul tuo dispositivo.
- Lo strumento identifica automaticamente le colonne con PII.
- Visualizza l'anteprima delle colonne rilevate per la revisione.
- Conferma le colonne da anonimizzare e quelle da conservare.
- Avvia l'anonimizzazione: ogni valore PII viene sostituito con un valore sintetico.
- Esporta il dataset anonimizzato in locale.
Cosa serve fornire
- Il dataset di onboarding (CSV, XLSX o JSON).
- Un operatore: Sostituire con valore sintetico, Cancellare o Mascherare.
- Mapping opzionale delle colonne per personalizzare il rilevamento.
Tipi di entità rilevati nei documenti finanziari
| Categoria | Tipo di entità anonym.plus | Esempio |
|---|---|---|
| Nominativo | PERSON | Colonna 'nome_cliente' → [NOME-SINTETICO] |
| Fiscale | IT_FISCAL_CODE | Colonna 'codice_fiscale' → [CF-SINTETICO] |
| Finanziario | IBAN_CODE | Colonna 'iban' → [IBAN-SINTETICO] |
| Data | DATE_TIME | Colonna 'data_nascita' → [DATA-SINTETICA] |
| Indirizzo | LOCATION | Colonna 'indirizzo' → [INDIRIZZO-SINTETICO] |
| Contatto | EMAIL_ADDRESS | Colonna 'email' → [EMAIL-SINTETICA] |
Conformità raggiunta
- S
- u
- p
- p
- o
- r
- t
- a
- l
- a
- d
- e
- -
- i
- d
- e
- n
- t
- i
- f
- i
- c
- a
- z
- i
- o
- n
- e
- a
- i
- s
- e
- n
- s
- i
- d
- e
- l
- <
- s
- t
- r
- o
- n
- g
- >
- G
- D
- P
- R
- c
- o
- n
- s
- i
- d
- e
- r
- a
- n
- d
- o
- 2
- 6
- &
- a
- m
- p
- ;
- a
- r
- t
- .
- 5
- (
- 1
- )
- (
- c
- )
- m
- i
- n
- i
- m
- i
- z
- z
- a
- z
- i
- o
- n
- e
- <
- /
- s
- t
- r
- o
- n
- g
- >
- .
- L
- '
- e
- l
- a
- b
- o
- r
- a
- z
- i
- o
- n
- e
- o
- f
- f
- l
- i
- n
- e
- m
- a
- n
- t
- i
- e
- n
- e
- i
- l
- d
- a
- t
- a
- s
- e
- t
- n
- e
- l
- p
- e
- r
- i
- m
- e
- t
- r
- o
- a
- z
- i
- e
- n
- d
- a
- l
- e
- .
- C
- i
- f
- r
- a
- l
- e
- c
- o
- p
- i
- e
- d
- i
- l
- a
- v
- o
- r
- o
- c
- o
- n
- <
- s
- t
- r
- o
- n
- g
- >
- A
- E
- S
- -
- 2
- 5
- 6
- -
- G
- C
- M
- +
- A
- r
- g
- o
- n
- 2
- i
- d
- <
- /
- s
- t
- r
- o
- n
- g
- >
- .
- 3
- 4
- 0
- +
- t
- i
- p
- i
- d
- i
- e
- n
- t
- i
- t
- à
- r
- i
- l
- e
- v
- a
- t
- i
- a
- u
- t
- o
- m
- a
- t
- i
- c
- a
- m
- e
- n
- t
- e
- n
- e
- l
- l
- e
- c
- o
- l
- o
- n
- n
- e
- .
Anonimizza Dataset di onboarding cliente offline — vedi piani & inizia gratis →
Limiti & avvertenze
La de-identificazione di un dataset non garantisce l'anonimizzazione completa se le colonne residue (es. CAP, professione, fascia di età) consentono la re-identificazione per inferenza. Valuta il rischio di re-identificazione prima del rilascio.
Domande frequenti
Lo strumento rileva automaticamente le colonne con PII?
Sì. Il motore scansiona l'intestazione e un campione di righe e propone le colonne da anonimizzare. Puoi confermare o modificare la selezione.
I valori sintetici mantengono la struttura originale (es. formato IBAN)?
Sì. I valori sostitutivi rispettano il formato del campo originale per mantenere la compatibilità con i sistemi che leggono il dataset.
Il dataset viene caricato su un server?
No. Tutto avviene in locale sul tuo dispositivo; nessun file lascia il tuo computer.