L'anonimizzazione del dataset per la pubblicazione rimuove tutti gli identificatori diretti e riduce il rischio di re-identificazione fino a soddisfare i criteri del <strong>Considerando 26 GDPR</strong>. Dopo una vera anonimizzazione, il dataset esce dall'ambito del GDPR e può essere pubblicato o condiviso liberamente. anonym.plus elabora ogni file localmente, senza servizi cloud.
Quando si applica
Il gruppo di ricerca dell'Istituto Mario Negri Milano vuole pubblicare i dati di uno studio come open data. Tutti gli identificatori diretti e quasi-diretti vanno rimossi prima della pubblicazione.
Come lo gestisce anonym.plus
- Carica il raccolta (CSV, XLSX o JSON) in anonym.plus.
- Il programma rileva identificatori diretti e quasi-identificatori.
- Esamina ogni campo e applica la strategia di anonimizzazione adeguata.
- Usa Sostituisci, Elimina o Generalizza per ciascuna variabile.
- Verifica che il insieme dati risultante soddisfi i criteri del Considerando 26.
- Esporta il file anonimizzato localmente per la pubblicazione.
Cosa serve fornire
- Il dataset da pubblicare (CSV, XLSX, JSON o TXT).
- Operatore: Elimina per identificatori diretti, Generalizza per quasi-identificatori.
- Facoltativo: piano di anonimizzazione formale con analisi del rischio.
Tipi di entità rilevati nei dati sanitari
| Categoria | Tipo di entità anonym.plus | Esempio |
|---|---|---|
| Nome | PERSON | Marco Esposito → eliminato |
| Codice fiscale | IT_FISCAL_CODE | SPSMRC80H01H501W → eliminato |
| Data di nascita | DATE_TIME | 01/08/1980 → [ANNO_NASCITA: 1980] |
| Indirizzo preciso | LOCATION | Via Roma 14, Bergamo → [REGIONE: Lombardia] |
| EMAIL_ADDRESS | m.esposito@email.it → eliminato | |
| ID paziente | MEDICAL_RECORD_NUMBER | MNG-2026-00456 → eliminato |
Conformità raggiunta
- Criterio di anonimizzazione — il Considerando 26 GDPR impone di considerare tutti i mezzi di cui il titolare o un terzo può ragionevolmente avvalersi per identificare la persona: la valutazione riguarda il rischio residuo, non la semplice rimozione del nome.
- I tre rischi da escludere — il Parere 05/2014 del Gruppo di lavoro Art. 29 sulle tecniche di anonimizzazione misura il risultato su isolamento, collegabilità e inferenza: se anche uno solo dei tre resta possibile, il dataset è ancora dato personale.
- Quasi-identificatori — date rare, comune di residenza, professione e combinazioni di variabili riconducono a una persona anche senza il nome; generalizzare le date e aggregare le celle poco numerose serve a soddisfare la minimizzazione dell'art. 5(1)(c) GDPR.
- Apertura e riutilizzo — la pubblicazione da parte di enti pubblici ricade nella Direttiva (UE) 2019/1024 sull'apertura dei dati e il riutilizzo dell'informazione del settore pubblico, recepita in Italia dal D.Lgs. 8 novembre 2021, n. 200 che ha modificato il D.Lgs. 24 gennaio 2006, n. 36: solo un dataset realmente anonimo si pubblica senza vincoli. Elaborazione 100% locale, copie di lavoro cifrate con AES-256-GCM + Argon2id.
Anonimizza dataset per pubblicazione offline — vedi piani & inizia gratis →
Limiti & avvertenze
Il Considerando 26 GDPR richiede una valutazione olistica del rischio di re-identificazione. anonym.plus rimuove gli identificatori diretti. Per la vera anonimizzazione, un esperto di privacy deve valutare i quasi-identificatori e le tecniche di linking esterne.
Domande frequenti
Cosa significa 'veramente anonimo' secondo il Considerando 26 GDPR?
Un set è veramente anonimo quando la re-identificazione è praticamente impossibile, tenendo conto di tutte le tecniche ragionevolmente disponibili da parte del titolare del trattamento o di terzi.
La generalizzazione dei quasi-identificatori è sufficiente?
È un passo necessario ma non sempre sufficiente. Tecniche come k-anonimizzazione, l-diversity e t-closeness offrono garanzie formali aggiuntive per raccolta complessi.
Dopo l'anonimizzazione posso pubblicare i dati senza restrizioni?
Se il insieme dati soddisfa i criteri del Considerando 26 GDPR, non è più soggetto al regolamento. Verifica comunque eventuali vincoli contrattuali o etici dello studio.