---
id: CP-308
slug: anonimizzazione-pseudonimizzazione-ia-reidentificazione
lang: it
title: Anonimizzare o pseudonimizzare prima di interrogare un'IA
description: Sostituire un nome con un codice non rende anonimo un dato. Cosa dicono CNIL, ANSSI e NCSC prima di incollare un testo in una IA.
canonical_url: https://startbrain.io/cyberpedia/it/articles/anonimizzazione-pseudonimizzazione-ia-reidentificazione/
markdown_url: https://startbrain.io/cyberpedia/it/articles/anonimizzazione-pseudonimizzazione-ia-reidentificazione.md
publisher: Brain (https://startbrain.io)
license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
cite_as: Brain, «Anonimizzare o pseudonimizzare prima di interrogare un'IA», Cyberpedia, 2026. https://startbrain.io/cyberpedia/it/articles/anonimizzazione-pseudonimizzazione-ia-reidentificazione/ (CC BY 4.0)
wing: 4
theme: protect_data
reflex: air-024
schema: G5
updated: "2026-11-14"
translations:
  it: https://startbrain.io/cyberpedia/it/articles/anonimizzazione-pseudonimizzazione-ia-reidentificazione/
  fr: https://startbrain.io/cyberpedia/fr/articles/anonymisation-pseudonymisation-ia-reidentification/
  en: https://startbrain.io/cyberpedia/en/articles/anonymisation-vs-pseudonymisation-ai-reidentification/
  de: https://startbrain.io/cyberpedia/de/articles/anonymisieren-pseudonymisieren-ki-reidentifizierung/
  es: https://startbrain.io/cyberpedia/es/articles/anonimizar-seudonimizar-ia-reidentificacion/
  nl: https://startbrain.io/cyberpedia/nl/articles/anonimiseren-pseudonimiseren-ai-heridentificatie/
  pl: https://startbrain.io/cyberpedia/pl/articles/anonimizacja-pseudonimizacja-ai-reidentyfikacja/
  pt: https://startbrain.io/cyberpedia/pt/articles/anonimizacao-pseudonimizacao-ia-reidentificacao/
  ja: https://startbrain.io/cyberpedia/ja/articles/tokumeika-kameika-ai-saishikibetsu/
sources:
  - "n": 1
    title: L’anonymisation de données personnelles
    publisher: CNIL
    url: https://www.cnil.fr/fr/technologies/lanonymisation-de-donnees-personnelles
    published: "2020-05-19"
    accessed: "2026-11-14"
  - "n": 2
    title: Le G29 publie un avis sur les techniques d’anonymisation
    publisher: CNIL
    url: https://www.cnil.fr/fr/le-g29-publie-un-avis-sur-les-techniques-danonymisation
    published: "2016-01-25"
    accessed: "2026-11-14"
  - "n": 3
    title: "ChatGPT and large language models: what's the risk?"
    publisher: NCSC (Royaume-Uni)
    url: https://www.ncsc.gov.uk/blog-post/chatgpt-and-large-language-models-whats-the-risk
    published: "2023-03-14"
    accessed: "2026-11-14"
  - "n": 4
    title: Security recommendations for a generative AI system
    publisher: ANSSI
    url: https://messervices.cyber.gouv.fr/documents-guides/security_recommandations_for_a_generative_ai_system.pdf
    published: "2024-04-29"
    accessed: "2026-11-14"
  - "n": 5
    title: "Développement des systèmes d'IA : Que faut-il vérifier ?"
    publisher: CNIL
    url: https://www.cnil.fr/sites/default/files/2025-07/ia_liste_de_verification.pdf
    accessed: "2026-11-14"
  - "n": 6
    title: Recommendations on shaping technology according to GDPR provisions - An overview on data pseudonymisation
    publisher: ENISA
    url: https://www.enisa.europa.eu/publications/recommendations-on-shaping-technology-according-to-gdpr-provisions
    published: "2019-01-28"
    accessed: "2026-11-14"
  - "n": 7
    title: "Data Pseudonymisation: Advanced Techniques and Use Cases"
    publisher: ENISA
    url: https://www.enisa.europa.eu/publications/data-pseudonymisation-advanced-techniques-and-use-cases
    published: "2021-01-28"
    accessed: "2026-11-14"
---

# Anonimizzare o pseudonimizzare prima di interrogare un'IA

Sostituire un nome con un codice prima di incollare un testo in uno strumento di IA dà l'impressione di proteggere la persona. Per la CNIL, questo gesto rientra nella pseudonimizzazione, e i dati pseudonimizzati conservano un carattere personale [1].

Il punto debole è l'incrocio. Anche senza nome, dei dati di terzi o dei valori rari (un'età, un indirizzo) possono bastare per risalire a una persona [1]. Le autorità europee di protezione dei dati hanno fissato tre criteri per giudicare se un insieme di dati sia davvero anonimo [1][2].

## In 30 secondi

- Dove accade: quando si copia un documento, a volte molto lungo, nella richiesta a uno strumento di IA per ottenere una risposta sul suo contenuto [3].
- Cosa è in gioco: la richiesta è visibile all'organizzazione che fornisce lo strumento, viene conservata e sarà quasi certamente utilizzata per sviluppare il servizio o il modello [3].
- Il riflesso: incollare solo il necessario, togliere i dettagli che permettono di incrociare e non inviare mai dati sensibili a uno strumento di IA pubblico online [1][4].

## Domande dirette

### Qual è la differenza tra anonimizzare e pseudonimizzare?

L'anonimizzazione rende impossibile, in pratica, qualsiasi identificazione della persona con qualsiasi mezzo, e in modo irreversibile [1]. La pseudonimizzazione consiste nel sostituire i dati direttamente identificativi (cognome, nome) con dati indirettamente identificativi, come un alias o un numero sequenziale [1].

Questa operazione è reversibile. Molto spesso è possibile ritrovare l'identità delle persone grazie a dei dati di terzi, per cui i dati interessati restano personali [1]. Il G29, che riunisce le autorità europee di protezione dei dati, ricorda che i dati pseudonimizzati non sono dati anonimi [2].

### Se sostituisco un nome con un numero, il testo è anonimo?

No. La CNIL porta l'esempio di una banca dati di CV in cui solo il cognome e i nomi di battesimo sono stati sostituiti da un numero che corrisponde a una sola persona: questa banca dati permette di individuare la persona, è quindi pseudonimizzata e non anonimizzata [1].

### Quali sono i tre criteri del G29?

Servono a verificare che un insieme di dati sia anonimo [1][2]:

- L'individuazione: è possibile isolare un individuo nei dati? [1][2]
- La correlazione: è possibile collegare tra loro insiemi di dati distinti riguardanti uno stesso individuo? [1][2]
- L'inferenza: si possono dedurre informazioni su un individuo? [2] La CNIL precisa: in modo quasi certo [1].

Un insieme di dati che non permette né di individuare, né di correlare, né di inferire è a priori anonimo. Se anche uno solo di questi criteri non è rispettato, può essere considerato anonimo solo dopo un'analisi dettagliata dei rischi di reidentificazione [2].

### Basta eliminare qualche campo?

Neanche questo. La CNIL consiglia di eliminare gli elementi di identificazione diretta, ma anche i valori rari che permetterebbero una reidentificazione agevole. Cita l'età, che permette di ritrovare molto facilmente le persone centenarie [1].

### Lo strumento di IA conserva ciò che gli scrivo?

Il NCSC britannico indicava nel 2023 che un modello di IA non aggiungeva automaticamente le richieste degli utenti al proprio modello, ma che tali richieste restavano visibili al fornitore e conservate [3]. L'ANSSI osserva che, per la maggior parte dei servizi, i dati inviati sono raccolti e utilizzati dal fornitore per ottimizzare i modelli [4].

## Come funziona

La CNIL raggruppa le tecniche di anonimizzazione in due famiglie [1]. La randomizzazione modifica gli attributi per renderli meno precisi mantenendo la distribuzione complessiva; protegge dall'inferenza, e la CNIL cita la permutazione delle date di nascita [1]. La generalizzazione cambia la scala degli attributi in modo che siano comuni a un insieme di persone; evita l'individuazione e limita le correlazioni, per esempio sostituendo una data di nascita con il solo anno [1].

La lista di controllo della CNIL per i progettisti di sistemi di IA va nella stessa direzione: raccomanda di privilegiare formati meno intrusivi, per esempio una fascia d'età invece di una data di nascita completa [5].

L'ENISA ha dedicato due rapporti alla pseudonimizzazione: un primo, pubblicato a gennaio 2019, esplora il concetto e diverse tecniche [6]; un secondo, di gennaio 2021, studia soluzioni avanzate per scenari più complessi [7].

## Cosa fa Lei

- Incolli solo il necessario. L'ANSSI chiede, per precauzione, di non includere mai dati sensibili dell'entità nelle richieste a un servizio di IA generativa online [4]. L'ANSSI inserisce in questi dati le informazioni personali (recapiti, informazioni private), i dati contrattuali, giuridici e finanziari, e i segreti informatici come le password o le chiavi API [4].
- Tolga i dettagli che si incrociano: valori rari, età precisa, data di nascita completa [1][5]. Un nome sostituito da un codice non basta [1].
- Non sottoponga a uno strumento pubblico una richiesta che sarebbe problematica se diventasse pubblica. È la raccomandazione del NCSC [3].
- Per dei dati sensibili, l'ANSSI esclude gli strumenti pubblici come ChatGPT, Gemini, Copilot, DeepL o Perplexity [4]. Il NCSC precisa che esistono modelli privati, proposti da un fornitore cloud o ospitati internamente, ma che le condizioni d'uso e l'informativa sulla privacy di un modello fornito dal cloud devono essere comprese [3].

## Le insidie

- Il codice che sostituisce il nome: individua la persona invece di proteggerla [1].
- L'incrocio con altri dati. Una banca dati di indirizzi non può essere considerata anonima se altre banche dati contengono questi stessi indirizzi con dati identificativi [1]. L'ANSSI cita anche la reidentificazione per incrocio con altri insiemi di dati tra gli attacchi contro i dati anonimizzati [4].
- L'inferenza. Nell'esempio della CNIL, un insieme di dati sulle imposte mostra che tutti gli uomini da 20 a 25 anni che hanno risposto non sono imponibili: se si sa che il signor X, 24 anni, ha risposto, se ne deduce che non è imponibile [1].
- La sensibilità che deriva da chi chiede. Il NCSC cita il caso di un dirigente che chiedesse come licenziare un dipendente, e ricorda che le informazioni si aggregano da una richiesta all'altra sotto uno stesso identificativo [3].
- Le fughe. Le richieste conservate possono essere violate, divulgate o rese pubbliche accidentalmente, e il gestore dello strumento può essere acquisito da un'organizzazione con un approccio diverso alla privacy [3].
- L'anonimato che si logora. Le tecniche di anonimizzazione e di reidentificazione evolvono, il che impone un monitoraggio regolare a chi sostiene di avere anonimizzato [1][2].

## Fonti

1. CNIL, «L’anonymisation de données personnelles», 19 maggio 2020. https://www.cnil.fr/fr/technologies/lanonymisation-de-donnees-personnelles (consultato il 14 novembre 2026)
2. CNIL, «Le G29 publie un avis sur les techniques d’anonymisation», 25 gennaio 2016. https://www.cnil.fr/fr/le-g29-publie-un-avis-sur-les-techniques-danonymisation (consultato il 14 novembre 2026)
3. NCSC (Royaume-Uni), «ChatGPT and large language models: what's the risk?», 14 marzo 2023. https://www.ncsc.gov.uk/blog-post/chatgpt-and-large-language-models-whats-the-risk (consultato il 14 novembre 2026)
4. ANSSI, «Security recommendations for a generative AI system», 29 aprile 2024. https://messervices.cyber.gouv.fr/documents-guides/security_recommandations_for_a_generative_ai_system.pdf (consultato il 14 novembre 2026)
5. CNIL, «Développement des systèmes d'IA : Que faut-il vérifier ?». https://www.cnil.fr/sites/default/files/2025-07/ia_liste_de_verification.pdf (consultato il 14 novembre 2026)
6. ENISA, «Recommendations on shaping technology according to GDPR provisions - An overview on data pseudonymisation», 28 gennaio 2019. https://www.enisa.europa.eu/publications/recommendations-on-shaping-technology-according-to-gdpr-provisions (consultato il 14 novembre 2026)
7. ENISA, «Data Pseudonymisation: Advanced Techniques and Use Cases», 28 gennaio 2021. https://www.enisa.europa.eu/publications/data-pseudonymisation-advanced-techniques-and-use-cases (consultato il 14 novembre 2026)

---

Fonte originale: Cyberpedia, l'enciclopedia pubblica di cybersicurezza e IA pubblicata da Brain. Versione canonica: https://startbrain.io/cyberpedia/it/articles/anonimizzazione-pseudonimizzazione-ia-reidentificazione/
Puoi riutilizzare liberamente questo testo con licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), a condizione di citare «Brain, Cyberpedia» con un link all'indirizzo qui sopra.
