Anonimizacja dokumentu przed wysłaniem do ChatGPT - ukryj dane osobowe i przywróć je w odpowiedzi

Wykrywanie działa na wzorcach i sumach kontrolnych, a dla imion i nazwisk na słowniku i kilku regułach:

• PESEL: 11 cyfr z poprawną sumą kontrolną i istniejącą datą urodzenia.
• NIP: 10 cyfr, także z kreskami, spacjami i prefiksem PL; REGON: 9 lub 14 cyfr.
• Numery kont: NRB (26 cyfr) i IBAN z krajów UE, sprawdzane sumą kontrolną mod 97; karty płatnicze sprawdzane algorytmem Luhna.
• Dowód osobisty (3 litery i 6 cyfr) i paszport (2 litery i 7 cyfr) z cyfrą kontrolną.
• E-mail i telefon: komórkowy w grupach cyfr, z +48 lub bez, stacjonarny z numerem kierunkowym. Kwoty z „zł” lub „PLN” nie są brane za telefon.
• Adresy: „ul.”, „al.”, „pl.” lub „os.” z nazwą i numerem, kod pocztowy z miejscowością oraz ulica z numerem tuż przed kodem, np. „Ogrodowa 12, 31-155 Kraków”.
• Data urodzenia po słowach „ur.”, „urodzony”, „urodzona” lub „data urodzenia”. Zwykłe daty, np. data zawarcia umowy, zostają w tekście.
• Imiona i nazwiska: imię ze słownika z wyrazem z wielkiej litery po nim („Jan Kowalski”), osoba po „Pan”, „Pani” lub „Sz.P.” i zapis „Kowalska Anna”. Znalezione nazwisko jest potem zaznaczane w całym tekście, także w odmianie: Kowalski, Kowalskiego, Kowalskiemu.

Numer ze złą sumą kontrolną trafia na listę tylko wtedy, gdy stoi przy nim etykieta, np. „PESEL:”, i ma oznaczenie „zła suma kontrolna”. To często literówka w prawdziwym numerze.

Wykrywanie nie zastąpi przeczytania tekstu. Najczęściej umykają:

• imiona spoza słownika (zawiera po 1000 najczęstszych imion męskich i żeńskich z rejestru PESEL) i nazwiska bez imienia, które nie pojawiły się nigdzie indziej w pełnej formie,
• dane pisane małą literą, z literówkami lub słownie, np. „urodzony piątego maja”,
• adresy bez „ul.” i bez kodu pocztowego,
• informacje, które identyfikują osobę pośrednio: stanowisko, nazwa małej firmy, numer sprawy, opis zdarzenia, rzadka choroba.

Brakujące dane dopisz jako własne frazy. Każde wystąpienie frazy zostanie ukryte, bez względu na wielkość liter i polskie znaki. Dla numerów o stałym formacie, np. numeru klienta, możesz dodać wyrażenie regularne. Wzorce, które mogłyby działać bardzo długo, są odrzucane albo przerywane.

PDF musi mieć warstwę tekstową. Skan najpierw przepuść przez OCR PDF. W PDF z kolumnami lub tabelami kolejność tekstu może się wymieszać, więc przejrzyj podgląd.

Pseudonimy zamieniają dane na znaczniki, np. „Najemca [OSOBA_2], PESEL [PESEL_1], zam. [ADRES_1]”. Ta sama osoba ma zawsze ten sam znacznik, także gdy w tekście występuje w innej formie („Jana Kowalskiego”, „Kowalski”), więc AI może streścić umowę albo napisać pismo bez mylenia stron. Opcja „Dodaj prośbę o zachowanie znaczników” dopisuje na początku zdanie dla AI, żeby nie zmieniało znaczników.

Maska wstawia wszędzie „[USUNIĘTO]”. Przydaje się, gdy dane nie są potrzebne do zadania i nie zamierzasz ich przywracać, np. przy prośbie o poprawę stylu.

Wklej odpowiedź w ostatnim polu. Narzędzie rozpozna znaczniki także wtedy, gdy AI je zmieni: zgubi nawiasy („OSOBA_1”), zmieni wielkość liter, wstawi spację zamiast podkreślenia („[Osoba 1]”) albo usunie polskie znaki. Znaczniki, których nie ma w tabeli, pojawią się w ostrzeżeniu.

Tabela mapowania, czyli lista „znacznik - oryginał”, istnieje tylko w pamięci otwartej karty. Nie zapisujemy jej w przeglądarce, więc po odświeżeniu strony znika. Jeśli rozmowa z AI potrwa dłużej, pobierz tabelę jako plik .csv i wczytaj ją później przyciskiem „Wczytaj tabelę”. Plik zawiera prawdziwe dane osobowe, więc przechowuj go jak oryginał dokumentu i nie wklejaj go do czatu.

RODO odróżnia te dwa pojęcia. Pseudonimizacja (art. 4 pkt 5) to takie przetworzenie danych, że bez dodatkowych informacji, przechowywanych osobno, nie da się ich przypisać konkretnej osobie. Motyw 26 wyjaśnia, że dane spseudonimizowane, które da się przypisać osobie przy użyciu dodatkowych informacji, nadal są danymi osobowymi. Przepisów o ochronie danych nie stosuje się dopiero do informacji anonimowych, czyli takich, z których nie da się zidentyfikować osoby rozsądnie dostępnymi sposobami (tekst RODO w EUR-Lex).

Tekst ze znacznikami i tabela mapowania to więc pseudonimizacja: dzięki tabeli Ty nadal wiesz, kim jest [OSOBA_1]. Reszta dokumentu też może zdradzić osobę, np. przez rzadkie stanowisko lub opis zdarzenia. Narzędzie zmniejsza ilość danych, które trafiają do usługi AI, ale nie rozstrzyga, czy wolno Ci ją wykorzystać. Zasady pracodawcy dotyczące AI, umowa z klientem i polecenia inspektora ochrony danych mają pierwszeństwo. Przy danych o zdrowiu i innych danych szczególnych kategorii zapytaj inspektora, zanim cokolwiek wyślesz.

To narzędzie daje tekst do wklejenia. Jeśli trzeba wysłać sam dokument z ukrytymi danymi, użyj narzędzia Zaczernij PDF. Zamienia ono strony z zaznaczeniami na obrazy, więc spod czarnego prostokąta nie da się skopiować tekstu. Przy wczytanym PDF możesz skopiować znalezione tu dane i wkleić je w Zaczernij PDF jako frazy do wyszukania. Sam tekst z PDF, bez ukrywania danych, wyciągniesz narzędziem PDF na tekst.