Nieuwe Python-tool anonimiseert overheidsdata in drie stappen
Het ophalen van signalen uit de samenleving vereist vaak het doorzoeken van grote hoeveelheden gesprekken, meldingen en documenten. Om te voorkomen dat privacygevoelige informatie daarbij op straat belandt, is een nieuw maskeringsscript ontwikkeld dat persoonsgegevens automatisch anonimiseert. Door privacygevoelige data te vervangen door neutrale tags zoals <Naam>, <BSN> of <Telefoon>, kunnen overheidsinstanties en partners eenvoudiger en veiliger data verwerken en uitwisselen.
Het technische script is ontwikkeld in samenwerking met de Gemeente Rotterdam en is beschikbaar gemaakt als open-source module in Python. Het proces van anonimiseren is een cruciale stap in de dataverwerking: zolang privacygevoelige informatie leesbaar in teksten staat, mogen deze niet verder verwerkt of gedeeld worden. Uit praktijktests bij de gemeente blijkt dat de software in staat is om circa 93 procent van de herleidbare gegevens correct te vervangen.
De werking van het script steunt op drie opeenvolgende technologische stappen:
- Patroonherkenning: Het automatisch herkennen van vaste datastructuren (zoals telefoonnummers en BSN's).
- Blacklists en whitelists: Lijsten met specifieke woorden die altijd wel of juist nooit gemaskeerd moeten worden.
- Named Entity Recognition (NER): De inzet van een taalmodel om namen en entiteiten uit de context van de tekst te filteren.
Bij de implementatie kunnen organisaties de patronen en woordenlijsten eenvoudig aanpassen aan hun eigen specifieke behoeften.
Github
Het Ministerie van Binnenlandse Zaken en Koninkrijksrelaties (BZK) wijst erop dat de toepassing direct ingezet kan worden via GitHub.
Wel is nauwe samenwerking vereist tussen inhoudelijk adviseurs en interne IT-experts voor de juiste installatie en configuratie binnen de eigen organisatie. Vragen over de toepassing kunnen gericht worden aan het ministerie.
Meer over Software
Over Witold Kepinski
