Cyberpediapor Brain

Anonimizar ou pseudonimizar antes de interrogar uma IA

Substituir um nome por um código não torna um dado anónimo. O que dizem a CNIL, a ANSSI e o NCSC antes de colar um texto numa IA.

Nesta página
  1. 1Em 30 segundos
  2. 2Do que se trata
  3. 3Perguntas diretas
  4. 4Como funciona
  5. 5O que fazer
  6. 6As armadilhas
  7. 7Fontes
  8. 8Citar este artigo

Em 30 segundos

Onde acontece
Quando se copia um documento, por vezes muito longo, para o campo de pedido de uma ferramenta de IA, para obter uma resposta sobre o seu conteúdo[3].
O que está em jogo
O pedido é visível para a organização que fornece a ferramenta, fica armazenado e será quase de certeza utilizado para desenvolver o serviço ou o modelo[3].
O reflexo
Não colar mais do que o necessário, retirar os pormenores que permitem o cruzamento e nunca enviar dados sensíveis para uma ferramenta de IA pública em linha[1][4].

Do que se trata

Substituir um nome por um código antes de colar um texto numa ferramenta de IA dá a impressão de proteger a pessoa. Para a CNIL, este gesto é pseudonimização, e os dados pseudonimizados continuam a ser dados pessoais[1].

O ponto fraco é o cruzamento. Mesmo sem nome, dados de terceiros ou valores raros (uma idade, uma morada) podem bastar para encontrar alguém[1]. As autoridades europeias de proteção de dados fixaram três critérios para avaliar se um conjunto de dados é verdadeiramente anónimo[1][2].

Perguntas diretas

Qual é a diferença entre anonimizar e pseudonimizar?

A anonimização torna impossível, na prática, qualquer identificação da pessoa, por qualquer meio, e de forma irreversível[1]. A pseudonimização consiste em substituir os dados diretamente identificadores (nome, apelido) por dados indiretamente identificadores, como um pseudónimo ou um número sequencial[1].

Esta operação é reversível. Muito frequentemente é possível encontrar a identidade das pessoas graças a dados de terceiros, de modo que os dados em causa continuam a ser pessoais[1]. O G29, que reúne as autoridades europeias de proteção de dados, lembra que os dados pseudonimizados não são dados anónimos[2].

Se eu substituir um nome por um número, o texto fica anónimo?

Não. A CNIL dá o exemplo de uma base de currículos em que o nome e os apelidos, e mais nada, foram substituídos por um número que corresponde a uma única pessoa: essa base permite individualizar a pessoa, logo está pseudonimizada e não anonimizada[1].

Quais são os três critérios do G29?

Servem para verificar que um conjunto de dados é anónimo[1][2]:

  • A individualização: é possível isolar um indivíduo nos dados?[1][2]
  • A correlação: é possível ligar entre si conjuntos de dados distintos relativos a um mesmo indivíduo?[1][2]
  • A inferência: é possível deduzir informações sobre um indivíduo?[2] A CNIL precisa: de forma quase certa[1].

Um conjunto de dados que não permite individualizar, correlacionar nem inferir é, à partida, anónimo. Se um único destes critérios não for respeitado, só pode ser considerado anónimo depois de uma análise detalhada dos riscos de reidentificação[2].

Basta suprimir alguns campos?

Também não. A CNIL aconselha a suprimir os elementos de identificação direta, mas também os valores raros que permitiriam uma reidentificação fácil. Cita a idade, que permite encontrar muito facilmente as pessoas centenárias[1].

A ferramenta de IA guarda o que lhe escrevo?

O NCSC britânico indicava em 2023 que um modelo de IA não acrescentava automaticamente os pedidos dos utilizadores ao seu modelo, mas que esses pedidos ficavam visíveis para o fornecedor e armazenados[3]. A ANSSI observa que, para a maioria dos serviços, os dados enviados são recolhidos e utilizados pelo fornecedor para otimizar os modelos[4].

Como funciona

A CNIL agrupa as técnicas de anonimização em duas famílias[1]. A aleatorização modifica os atributos para os tornar menos precisos, mantendo a distribuição global; protege contra a inferência, e a CNIL cita a permutação das datas de nascimento[1]. A generalização muda a escala dos atributos para que sejam comuns a um conjunto de pessoas; evita a individualização e limita as correlações, por exemplo substituindo uma data de nascimento pelo ano, e mais nada[1].

A lista de verificação da CNIL para os conceptores de sistemas de IA vai no mesmo sentido: recomenda privilegiar formatos menos intrusivos, por exemplo um escalão etário em vez de uma data de nascimento completa[5].

A ENISA dedicou dois relatórios à pseudonimização: um primeiro, publicado em janeiro de 2019, explora o conceito e diferentes técnicas[6]; um segundo, de janeiro de 2021, estuda soluções avançadas para cenários mais complexos[7].

O que fazer

  • Não cole mais do que o necessário. A ANSSI pede, por precaução, que nunca se incluam dados sensíveis da entidade nos pedidos a um serviço de IA generativa em linha[4]. Inclui nesses dados as informações pessoais (contactos, informações privadas), os dados contratuais, jurídicos e financeiros, e os segredos informáticos como as palavras-passe ou as chaves de API[4].
  • Retire os pormenores que se cruzam: valores raros, idade exata, data de nascimento completa[1][5]. Um nome substituído por um código não basta[1].
  • Não submeta a uma ferramenta pública um pedido que causaria problemas se se tornasse público. É a recomendação do NCSC[3].
  • Para dados sensíveis, a ANSSI afasta as ferramentas públicas como ChatGPT, Gemini, Copilot, DeepL ou Perplexity[4]. O NCSC precisa que existem modelos privados, propostos por um fornecedor de cloud ou alojados internamente, mas que é preciso compreender as condições de utilização e a política de privacidade de um modelo fornecido pela cloud[3].

As armadilhas

  • O código que substitui o nome: individualiza a pessoa em vez de a proteger[1].
  • O cruzamento com outros dados. Uma base de moradas não pode ser considerada anónima se outras bases contiverem essas mesmas moradas com dados identificadores[1]. A ANSSI cita também a reidentificação por cruzamento com outros conjuntos de dados entre os ataques contra os dados anonimizados[4].
  • A inferência. No exemplo da CNIL, um conjunto de dados sobre impostos mostra que todos os homens de 20 a 25 anos que responderam não são tributáveis: se se sabe que o Sr. X, de 24 anos, respondeu, deduz-se que não é tributável[1].
  • A sensibilidade que vem de quem pergunta. O NCSC cita o caso de um dirigente que perguntasse como despedir um colaborador, e lembra que as informações se agregam de um pedido para outro sob um mesmo identificador[3].
  • As fugas. Os pedidos armazenados podem ser pirateados, divulgados ou tornados públicos por acidente, e o operador da ferramenta pode ser adquirido por uma organização com uma abordagem diferente da privacidade[3].
  • O anonimato que se desgasta. As técnicas de anonimização e de reidentificação evoluem, o que obriga a uma vigilância regular por parte de quem alega ter anonimizado[1][2].

Fontes

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