Cyberpediaod Brain

Anonimizować lub pseudonimizować przed zadaniem pytania AI

Zastąpienie nazwiska kodem nie czyni danych anonimowymi. Co mówią CNIL, ANSSI i NCSC, zanim wklei się tekst do narzędzia AI.

Na tej stronie
  1. 1W 30 sekund
  2. 2O co chodzi
  3. 3Pytania wprost
  4. 4Jak to działa
  5. 5Co robić
  6. 6Pułapki
  7. 7Źródła
  8. 8Zacytuj ten artykuł

W 30 sekund

Gdzie to się zdarza
Gdy kopiuje się dokument, czasem bardzo długi, do pola zapytania narzędzia AI, aby uzyskać odpowiedź na temat jego treści[3].
Co jest stawką
Zapytanie jest widoczne dla organizacji dostarczającej narzędzie, jest przechowywane i niemal na pewno zostanie wykorzystane do rozwijania usługi lub modelu[3].
Odruch
Wklejać tylko to, co konieczne, usuwać szczegóły pozwalające na zestawienie danych i nigdy nie wysyłać danych wrażliwych do publicznego narzędzia AI online[1][4].

O co chodzi

Zastąpienie nazwiska kodem przed wklejeniem tekstu do narzędzia AI daje wrażenie, że osoba jest chroniona. Według CNIL ten zabieg jest pseudonimizacją, a dane spseudonimizowane nadal mają charakter danych osobowych[1].

Słabym punktem jest zestawianie danych. Nawet bez nazwiska dane z innych źródeł lub rzadkie wartości (wiek, adres) mogą wystarczyć, by kogoś odnaleźć[1]. Europejskie organy ochrony danych ustaliły trzy kryteria oceny, czy zbiór danych jest naprawdę anonimowy[1][2].

Pytania wprost

Jaka jest różnica między anonimizacją a pseudonimizacją?

Anonimizacja sprawia, że w praktyce niemożliwe jest zidentyfikowanie osoby jakimikolwiek środkami, i to w sposób nieodwracalny[1]. Pseudonimizacja polega na zastąpieniu danych bezpośrednio identyfikujących (nazwisko, imię) danymi identyfikującymi pośrednio, takimi jak pseudonim lub kolejny numer[1].

Ta operacja jest odwracalna. Bardzo często można odtworzyć tożsamość osób dzięki danym z zewnętrznych źródeł, więc dane te nadal są danymi osobowymi[1]. G29, które zrzesza europejskie organy ochrony danych, przypomina, że dane spseudonimizowane nie są danymi anonimowymi[2].

Jeśli nazwisko zostanie zastąpione numerem, czy tekst jest anonimowy?

Nie. CNIL podaje przykład bazy CV, w której numerem zastąpiono tylko nazwisko i imiona, a numer odpowiada tylko jednej osobie: taka baza pozwala wyodrębnić osobę, jest więc spseudonimizowana, a nie zanonimizowana[1].

Jakie są trzy kryteria G29?

Służą do sprawdzenia, czy zbiór danych jest anonimowy[1][2]:

  • Wyodrębnienie: czy w danych da się wyodrębnić jedną osobę?[1][2]
  • Powiązanie: czy da się połączyć ze sobą odrębne zbiory danych dotyczące tej samej osoby?[1][2]
  • Wnioskowanie: czy można wywnioskować informacje o osobie?[2] CNIL precyzuje: w sposób niemal pewny[1].

Zbiór danych, który nie pozwala ani wyodrębnić, ani powiązać, ani wywnioskować, jest a priori anonimowy. Jeśli choć jedno z tych kryteriów nie jest spełnione, można go uznać za anonimowy dopiero po szczegółowej analizie ryzyka reidentyfikacji[2].

Czy wystarczy usunąć kilka pól?

Również nie. CNIL radzi usuwać elementy bezpośredniej identyfikacji, ale także rzadkie wartości, które ułatwiłyby reidentyfikację. Podaje przykład wieku, który pozwala bardzo łatwo odnaleźć osoby stuletnie[1].

Czy narzędzie AI zachowuje to, co się w nim wpisuje?

Brytyjskie NCSC wskazywało w 2023 r., że model AI nie dodaje automatycznie zapytań użytkowników do swojego modelu, ale że zapytania te pozostają widoczne dla dostawcy i są przechowywane[3]. ANSSI zauważa, że w przypadku większości usług przesłane dane są zbierane i wykorzystywane przez dostawcę do optymalizacji modeli[4].

Jak to działa

CNIL dzieli techniki anonimizacji na dwie rodziny[1]. Randomizacja zmienia atrybuty tak, by były mniej precyzyjne, przy zachowaniu ogólnego rozkładu; chroni przed wnioskowaniem, a CNIL podaje jako przykład permutację dat urodzenia[1]. Uogólnianie zmienia skalę atrybutów tak, by były wspólne dla grupy osób; zapobiega wyodrębnieniu i ogranicza powiązania, na przykład przez zastąpienie daty urodzenia samym rokiem[1].

Lista kontrolna CNIL dla twórców systemów AI wskazuje ten sam kierunek: zaleca preferowanie formatów mniej inwazyjnych, na przykład przedziału wiekowego zamiast pełnej daty urodzenia[5].

ENISA poświęciła pseudonimizacji dwa raporty: pierwszy, opublikowany w styczniu 2019 r., bada pojęcie i różne techniki[6]; drugi, ze stycznia 2021 r., analizuje zaawansowane rozwiązania dla bardziej złożonych scenariuszy[7].

Co robić

  • Wklejać tylko to, co konieczne. ANSSI prosi, na zasadzie ostrożności, by nigdy nie umieszczać danych wrażliwych podmiotu w zapytaniach do internetowej usługi generatywnej AI[4]. Zalicza do nich informacje osobowe (dane kontaktowe, informacje prywatne), dane umowne, prawne i finansowe oraz tajemnice informatyczne, takie jak hasła czy klucze API[4].
  • Usuwać szczegóły, które pozwalają na zestawienie danych: rzadkie wartości, dokładny wiek, pełną datę urodzenia[1][5]. Nazwisko zastąpione kodem nie wystarcza[1].
  • Nie przesyłać do publicznego narzędzia zapytania, które sprawiałoby problem, gdyby stało się publiczne. Tak zaleca NCSC[3].
  • W przypadku danych wrażliwych ANSSI odrzuca narzędzia publiczne, takie jak ChatGPT, Gemini, Copilot, DeepL czy Perplexity[4]. NCSC wyjaśnia, że istnieją modele prywatne, oferowane przez dostawcę chmury lub hostowane wewnętrznie, ale że warunki korzystania i politykę prywatności modelu dostarczanego przez chmurę należy zrozumieć[3].

Pułapki

  • Kod zastępujący nazwisko: wyodrębnia osobę zamiast ją chronić[1].
  • Zestawianie z innymi danymi. Baza adresów nie może być uznana za anonimową, jeśli inne bazy zawierają te same adresy wraz z danymi identyfikującymi[1]. ANSSI wymienia też reidentyfikację przez krzyżowanie z innymi zbiorami danych wśród ataków na dane zanonimizowane[4].
  • Wnioskowanie. W przykładzie CNIL zbiór danych o podatkach pokazuje, że wszyscy mężczyźni w wieku od 20 do 25 lat, którzy odpowiedzieli, nie podlegają opodatkowaniu: skoro wiadomo, że pan X, lat 24, odpowiedział, można wywnioskować, że nie podlega opodatkowaniu[1].
  • Wrażliwość wynikająca z osoby, która zadaje pytanie. NCSC podaje przypadek osoby z kierownictwa, która zapytałaby, jak zwolnić pracownika, i przypomina, że informacje sumują się z jednego zapytania na drugie pod tym samym identyfikatorem[3].
  • Wycieki. Przechowywane zapytania mogą zostać zhakowane, ujawnione lub przypadkowo upublicznione, a operator narzędzia może zostać przejęty przez organizację, której podejście do prywatności jest inne[3].
  • Anonimowość, która się zużywa. Techniki anonimizacji i reidentyfikacji się rozwijają, co wymaga regularnego śledzenia zmian od tego, kto twierdzi, że zanonimizował dane[1][2].

Źródła

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