Direct naar content

U bent hier:

  1. Home
  2. Algoritmes

Anonimiseren

Gemeente Arnhem

Het identificeren en anonimiseren van privacygevoelige informatie in informatieobjecten (in veel gevallen documenten).
Laatst gewijzigd op 11 mei 2026 om 12:00 | Publicatiestandaard 1.0
Publicatiecategorie
Overige algoritmes
Impacttoetsen
DPIA
Status
In gebruik

Algemene informatie

Thema

Organisatie en bedrijfsvoering

Begindatum

05-2026

Contactgegevens

algoritmeregister@arnhem.nl

Link naar publiekspagina

opendata.arnhem.nl

Verantwoord gebruik

Doel en impact

Het doel van het algoritme is het anonimiseren van privacygevoelige informatie in informatieobjecten. Hierdoor wordt de persoonlijke informatie beschermd en blijft de privacy van individuen gewaarborgd.

Afwegingen

Het algoritme is getraind op het herkennen van privacy gevoelige informatie, maar beperkt zich tot classificatie en zal daardoor nooit inhoudelijke informatie onthullen. Bovendien draagt de technologie bij aan verbetering van de kwaliteit van anonimisatie.

Menselijke tussenkomst

De uitkomsten van het algoritme fungeren slechts als hulpmiddel, waarbij menselijke tussenkomst altijd nodig is voor de definitieve anonimisatie.

Risicobeheer

Om de privacyrisico's van het algoritme te waarborgen, ondergaat het constante evaluatie en updates om nieuwe bedreigingen en privacy-uitdagingen aan te pakken. Menselijk toezicht en interventie zijn ingebed om fouten te corrigeren. Bovendien wordt er voortdurend in dialoog gegaan met belanghebbenden.

Wettelijke basis

Wet open overheid
Wet elektronische publicaties

Links naar wettelijke basis

  • Wet open overheid (WOO): https://wetten.overheid.nl/BWBR0045754/
  • Wet elektronische publicaties (WEP): https://wetten.overheid.nl/BWBR0043961/

Toelichting op impacttoetsen

De gemeente Arnhem heeft op e-Data anonimiseren een DPIA uitgevoerd

Impacttoetsen

Data Protection Impact Assessment (DPIA)

Werking

Gegevens

Ruimtelijke plannen en interne documenten.

Links naar gegevensbronnen

Ruimtelijke plannen en interne documenten: https://www.ruimtelijkeplannen.nl/home

Technische werking

Deep learning-modellen die op zowel visuele als tekstuele wijze bepalen welke informatie als privacygevoelig wordt beschouwd.

Leverancier

eData B.V.

Soortgelijke algoritmebeschrijvingen

  • Anonimiseren

    Gemeente Meppel

    Het identificeren en anonimiseren van privacygevoelige informatie in informatieobjecten (in veel gevallen documenten).
    Laatst gewijzigd op 15 juli 2024 om 11:50 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik

  • Anonimiseren

    Gemeente Tilburg

    Het identificeren en anonimiseren van privacygevoelige informatie in informatieobjecten (in veel gevallen documenten).
    Laatst gewijzigd op 26 juni 2024 om 19:07 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik

  • Anonimiseren

    Gemeente Huizen

    Het identificeren en anonimiseren van privacygevoelige informatie in informatieobjecten (in veel gevallen documenten).
    Laatst gewijzigd op 3 juni 2024 om 11:30 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik

  • Anonimiseren

    Gemeente Westerkwartier

    Het identificeren en anonimiseren van privacygevoelige informatie in informatieobjecten (in veel gevallen documenten).
    Laatst gewijzigd op 10 juni 2024 om 9:56 | Publicatiestandaard 1.0
    Publicatiecategorie
    Impactvolle algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik

  • Anonimiseren

    Gemeente Lingewaard

    Het identificeren en anonimiseren van privacygevoelige informatie in informatieobjecten (in veel gevallen documenten).
    Laatst gewijzigd op 3 september 2024 om 8:14 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik