---
id: CP-308
slug: anonimiseren-pseudonimiseren-ai-heridentificatie
lang: nl
title: Anonimiseren of pseudonimiseren voordat u een AI bevraagt
description: Een naam door een code vervangen maakt gegevens niet anoniem. Wat de CNIL, de ANSSI en het NCSC zeggen voordat u een tekst in een AI plakt.
canonical_url: https://startbrain.io/cyberpedia/nl/articles/anonimiseren-pseudonimiseren-ai-heridentificatie/
markdown_url: https://startbrain.io/cyberpedia/nl/articles/anonimiseren-pseudonimiseren-ai-heridentificatie.md
publisher: Brain (https://startbrain.io)
license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
cite_as: Brain, “Anonimiseren of pseudonimiseren voordat u een AI bevraagt”, Cyberpedia, 2026. https://startbrain.io/cyberpedia/nl/articles/anonimiseren-pseudonimiseren-ai-heridentificatie/ (CC BY 4.0)
wing: 4
theme: protect_data
reflex: air-024
schema: G5
updated: "2026-11-14"
translations:
  nl: https://startbrain.io/cyberpedia/nl/articles/anonimiseren-pseudonimiseren-ai-heridentificatie/
  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/
  it: https://startbrain.io/cyberpedia/it/articles/anonimizzazione-pseudonimizzazione-ia-reidentificazione/
  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"
---

# Anonimiseren of pseudonimiseren voordat u een AI bevraagt

Een naam door een code vervangen voordat u een tekst in een AI-tool plakt, wekt de indruk de persoon te beschermen. Voor de CNIL valt dit onder pseudonimisering, en gepseudonimiseerde gegevens blijven persoonsgegevens [1].

Het zwakke punt is de kruising van gegevens. Ook zonder naam kunnen gegevens van derden of zeldzame waarden (een leeftijd, een adres) volstaan om iemand te vinden [1]. De Europese gegevensbeschermingsautoriteiten hebben drie criteria vastgesteld om te beoordelen of een dataset echt anoniem is [1][2].

## In 30 seconden

- Waar het gebeurt: wanneer men een document, soms heel lang, kopieert in de prompt van een AI-tool om een antwoord over de inhoud te krijgen [3].
- Wat op het spel staat: het verzoek is zichtbaar voor de organisatie die de tool levert, wordt opgeslagen en zal vrijwel zeker worden gebruikt om de dienst of het model te ontwikkelen [3].
- De reflex: alleen plakken wat nodig is, details verwijderen waarmee gegevens kunnen worden gekruist en nooit gevoelige gegevens naar een openbare online AI-tool sturen [1][4].

## Directe vragen

### Wat is het verschil tussen anonimiseren en pseudonimiseren?

Anonimisering maakt het in de praktijk onmogelijk om de persoon met welk middel ook te identificeren, en dat op onomkeerbare wijze [1]. Pseudonimisering bestaat erin de direct identificerende gegevens (naam, voornaam) te vervangen door indirect identificerende gegevens, zoals een alias of een volgnummer [1].

Deze bewerking is omkeerbaar. Vaak is het mogelijk de identiteit van personen terug te vinden dankzij gegevens van derden, zodat de betreffende gegevens persoonsgegevens blijven [1]. De G29, waarin de Europese gegevensbeschermingsautoriteiten samenkomen, herinnert eraan dat gepseudonimiseerde gegevens geen anonieme gegevens zijn [2].

### Als ik een naam door een nummer vervang, is de tekst dan anoniem?

Nee. De CNIL geeft het voorbeeld van een cv-database waarin alleen de naam en voornamen zijn vervangen door een nummer dat bij slechts één persoon hoort: met deze database kan de persoon worden geïndividualiseerd, ze is dus gepseudonimiseerd en niet geanonimiseerd [1].

### Wat zijn de drie criteria van de G29?

Ze dienen om na te gaan of een dataset anoniem is [1][2]:

- Individualisering: is het mogelijk een individu in de gegevens af te zonderen? [1][2]
- Correlatie: is het mogelijk afzonderlijke datasets over hetzelfde individu met elkaar te verbinden? [1][2]
- Inferentie: kan men informatie over een individu afleiden? [2] De CNIL preciseert: met vrijwel zekerheid [1].

Een dataset die geen individualisering, correlatie of inferentie toelaat, is a priori anoniem. Als één enkel criterium niet wordt nageleefd, kan ze pas als anoniem worden beschouwd na een gedetailleerde analyse van de risico's op heridentificatie [2].

### Is het voldoende een paar velden te verwijderen?

Ook niet. De CNIL raadt aan de direct identificerende elementen te verwijderen, maar ook de zeldzame waarden die een gemakkelijke heridentificatie mogelijk zouden maken. Ze noemt de leeftijd, waarmee honderdjarigen heel gemakkelijk kunnen worden teruggevonden [1].

### Bewaart de AI-tool wat ik schrijf?

Het Britse NCSC gaf in 2023 aan dat een AI-model de verzoeken van gebruikers niet automatisch aan zijn model toevoegde, maar dat deze verzoeken zichtbaar bleven voor de aanbieder en werden opgeslagen [3]. De ANSSI merkt op dat voor de meeste diensten de verzonden gegevens door de aanbieder worden verzameld en gebruikt om de modellen te optimaliseren [4].

## Hoe het werkt

De CNIL deelt de anonimiseringstechnieken in twee families in [1]. Randomisatie wijzigt de attributen zodat ze minder nauwkeurig zijn, met behoud van de algemene verdeling; ze beschermt tegen inferentie, en de CNIL noemt het verwisselen van geboortedata [1]. Generalisatie verandert de schaal van de attributen zodat ze gemeenschappelijk zijn voor een groep personen; ze voorkomt individualisering en beperkt correlaties, bijvoorbeeld door een geboortedatum te vervangen door alleen het jaar [1].

De controlelijst van de CNIL voor ontwerpers van AI-systemen gaat in dezelfde richting: ze raadt aan bij voorkeur minder opdringerige formaten te gebruiken, bijvoorbeeld een leeftijdscategorie in plaats van een volledige geboortedatum [5].

ENISA heeft twee rapporten aan pseudonimisering gewijd: een eerste, gepubliceerd in januari 2019, onderzoekt het concept en verschillende technieken [6]; een tweede, van januari 2021, bestudeert geavanceerde oplossingen voor complexere scenario's [7].

## Wat u doet

- Plak alleen wat nodig is. De ANSSI vraagt uit voorzorg nooit gevoelige gegevens van de entiteit op te nemen in verzoeken aan een online generatieve-AI-dienst [4]. Zij rekent daartoe persoonlijke informatie (contactgegevens, privé-informatie), contractuele, juridische en financiële gegevens, en IT-geheimen zoals wachtwoorden of API-sleutels [4].
- Verwijder details waarmee gegevens kunnen worden gekruist: zeldzame waarden, nauwkeurige leeftijd, volledige geboortedatum [1][5]. Een naam die door een code is vervangen, volstaat niet [1].
- Dien bij een openbare tool geen verzoek in dat problemen zou opleveren als het openbaar werd. Dat is de aanbeveling van het NCSC [3].
- Voor gevoelige gegevens sluit de ANSSI openbare tools uit, zoals ChatGPT, Gemini, Copilot, DeepL of Perplexity [4]. Het NCSC preciseert dat er privémodellen bestaan, aangeboden door een cloudaanbieder of intern gehost, maar dat de gebruiksvoorwaarden en het privacybeleid van een door de cloud geleverd model moeten worden begrepen [3].

## De valkuilen

- De code die de naam vervangt: ze individualiseert de persoon in plaats van deze te beschermen [1].
- De kruising met andere gegevens. Een adressendatabase kan niet als anoniem worden beschouwd als andere databases dezelfde adressen bevatten samen met identificerende gegevens [1]. De ANSSI noemt ook heridentificatie door kruising met andere datasets onder de aanvallen op geanonimiseerde gegevens [4].
- De inferentie. In het voorbeeld van de CNIL laat een dataset over belastingen zien dat alle mannen van 20 tot 25 jaar die hebben geantwoord geen belasting verschuldigd zijn: als men weet dat de heer X, 24 jaar, heeft geantwoord, leidt men af dat hij geen belasting verschuldigd is [1].
- De gevoeligheid die voortkomt uit wie de vraag stelt. Het NCSC noemt het geval van een bedrijfsleider die zou vragen hoe een werknemer kan worden ontslagen, en herinnert eraan dat informatie zich van het ene verzoek op het andere opstapelt onder dezelfde identificatiecode [3].
- De lekken. Opgeslagen verzoeken kunnen worden gehackt, gelekt of per ongeluk openbaar gemaakt, en de exploitant van de tool kan worden overgenomen door een organisatie met een andere benadering van privacy [3].
- De anonimiteit die slijt. De technieken voor anonimisering en heridentificatie ontwikkelen zich, wat van degene die beweert te hebben geanonimiseerd regelmatige monitoring vereist [1][2].

## Bronnen

1. CNIL, “L’anonymisation de données personnelles”, 19 mei 2020. https://www.cnil.fr/fr/technologies/lanonymisation-de-donnees-personnelles (geraadpleegd op 14 november 2026)
2. CNIL, “Le G29 publie un avis sur les techniques d’anonymisation”, 25 januari 2016. https://www.cnil.fr/fr/le-g29-publie-un-avis-sur-les-techniques-danonymisation (geraadpleegd op 14 november 2026)
3. NCSC (Royaume-Uni), “ChatGPT and large language models: what's the risk?”, 14 maart 2023. https://www.ncsc.gov.uk/blog-post/chatgpt-and-large-language-models-whats-the-risk (geraadpleegd op 14 november 2026)
4. ANSSI, “Security recommendations for a generative AI system”, 29 april 2024. https://messervices.cyber.gouv.fr/documents-guides/security_recommandations_for_a_generative_ai_system.pdf (geraadpleegd op 14 november 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 (geraadpleegd op 14 november 2026)
6. ENISA, “Recommendations on shaping technology according to GDPR provisions - An overview on data pseudonymisation”, 28 januari 2019. https://www.enisa.europa.eu/publications/recommendations-on-shaping-technology-according-to-gdpr-provisions (geraadpleegd op 14 november 2026)
7. ENISA, “Data Pseudonymisation: Advanced Techniques and Use Cases”, 28 januari 2021. https://www.enisa.europa.eu/publications/data-pseudonymisation-advanced-techniques-and-use-cases (geraadpleegd op 14 november 2026)

---

Oorspronkelijke bron: Cyberpedia, de openbare encyclopedie over cyberveiligheid en AI van Brain. Canonieke versie: https://startbrain.io/cyberpedia/nl/articles/anonimiseren-pseudonimiseren-ai-heridentificatie/
U mag deze tekst vrij hergebruiken onder de licentie CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), mits u “Brain, Cyberpedia” vermeldt met een link naar bovenstaand adres.
