L'anonimizzazione di un dataset di onboarding rimuove i dati personali dai file strutturati che raccolgono le informazioni acquisite all'apertura del rapporto. Il Considerando 26 del GDPR colloca fuori dall'ambito del regolamento i dati per cui non resta possibile una re-identificazione ragionevole; il Parere 05/2014 (WP216) del Gruppo di lavoro Art. 29 sulle tecniche di anonimizzazione spiega perché la sola rimozione del nome non basta. Se il dataset serve ad addestrare o testare sistemi che valutano il merito creditizio delle persone fisiche, si entra nell'Allegato III, punto 5, lett. b) del regolamento (UE) 2024/1689 sull'IA. anonym.plus elabora ogni riga in locale.
Quando si applica
Un dataset di onboarding contiene migliaia di righe con nome, codice fiscale, IBAN, data di nascita e residenza. Il file serve a collaudare una nuova release del sistema di apertura conto e a un esercizio di analisi statistica. Serve la forma dei dati, non le persone.
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
- Soglia dell'anonimizzazione — il Considerando 26 del GDPR esclude dall'ambito del regolamento i dati non più riconducibili a una persona; il Parere 05/2014 (WP216) chiarisce che singolarizzazione e correlabilità vanno valutate insieme.
- Riuso per test e statistica — la finalità diversa da quella originaria ricade nell'art. 5, par. 1, lett. b) e nelle garanzie dell'art. 89 GDPR: un dataset sintetico le soddisfa alla radice.
- Sistemi di IA ad alto rischio — l'Allegato III, punto 5, lett. b) del Reg. UE 2024/1689 classifica la valutazione del merito creditizio come alto rischio, e l'art. 10 impone requisiti di governance dei dati di addestramento.
- Sicurezza del trattamento — nessuna riga lascia il dispositivo; 340+ tipi di entità riconosciuti nelle colonne e cifratura AES-256-GCM + Argon2id sui file intermedi.
Anonimizza Dataset di onboarding cliente offline — vedi piani & inizia gratis →
Limiti & avvertenze
La sostituzione dei campi diretti non garantisce l'anonimato se le colonne residue — CAP, professione, fascia d'età, filiale — restano combinabili. Esegui una valutazione del rischio di re-identificazione prima del rilascio, come suggerisce il Parere 05/2014.
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 di onboarding viene caricato su un server?
No. Tutto avviene in locale sul tuo dispositivo; nessun file lascia il tuo computer.