Az adatok anonimizálása eltávolítja a személyes azonosítókat, így az adatok nem kapcsolhatók vissza egyénekhez. A nevek, címek, telefonszámok és társadalombiztosítási számok eltávolításra vagy cserére kerülnek. A cél az adatok kutatási vagy elemzési célú felhasználása anélkül, hogy bárki kilétét felfednénk. Az egészségügyi kutatók anonimizálják a betegek adatait. A vállalatok anonimizálják a felhasználói viselkedési adatokat, mielőtt megosztanák azokat a partnerekkel.

A valódi anonimizálás nehezebb, mint amilyennek hangzik. A nevek eltávolítása nem elég. Az attribútumok kombinációi újra azonosíthatják az embereket. A születési dátum, az irányítószám és a nem együttesen egyértelműen azonosítja a legtöbb egyént az Egyesült Államokban. Latanya Sweeney ezt 1997-ben mutatta be, amikor egy állami kormányzó orvosi feljegyzéseit újra azonosította állítólagosan anonim adatokból. A Netflix-díj adatkészletét 2008-ban deanonimizálták az IMDb-besorolásokkal való kereszthivatkozásokkal. Az olyan technikák, mint a k-anonimitás, a differenciális adatvédelem és a szintetikus adatgenerálás próbálják megoldani a problémát. Mindegyik kompromisszumot kell kötni az adatvédelem és a hasznosság között. Az erősebb anonimizálás kevésbé hasznos adatokat jelent. A tökéletes anonimizálás azt jelentheti, hogy egyáltalán nem lesznek adatok. A szabályozók felismerik a nehézséget. A GDPR másképp kezeli az anonimizált adatokat, mint az álnevesített adatokat, de a köztük lévő határvonal elmosódott. Az újraazonosítás gyakran csak erőfeszítés kérdése.

Anonimizálási technikák

• Elnyomás – azonosítók teljes eltávolítása
• Általánosítás – adott értékek cseréje tartományokkal
• Álnevesítés – azonosítók cseréje hamisakra, ami egy kulccsal visszafordítható
• Differenciális adatvédelem – statisztikai zaj hozzáadása az egyének védelme érdekében
• Szintetikus adatok – mesterséges rekordokat generálnak, amelyek valós mintákat utánoznak

Az anonimizálás csökkenti a kockázatot. Nem szünteti meg. Az anonimizált adatokat körültekintően kezelje.