Anonimiseringstool
- Publicatiecategorie
- Overige algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
Algemene informatie
Thema
Begindatum
Contactgegevens
Verantwoord gebruik
Doel en impact
De anonimiseringstool wordt gebruikt om invulling te geven aan een open overheid. Daarmee beschermt de BEL Combinatie de gegevens van personen en organisaties over wie documenten gaan.
Openheid zodat de organisatie deze informatie kan delen volgens de wet zoals de Wet open overheid (Woo). Voor de inwoner over wie er gegevens in openbaar te maken documenten zijn opgenomen, betekent het gebruik dat er geen privacy inbreuk is. De BEL Combinatie houdt zich daarmee aan de Algemene verordening gegevensbescherming (AVG). Dat geldt ook voor de bescherming van persoonsgegevens van de medewerkers van de BEL Combinatie.
De aanvrager van een Woo verzoek krijgt de informatie waarom zij vroeg. Dit krijgt zij in een (voor een deel) anoniem gemaakte versie. Voor de afdelingen binnen de BEL Combinatie die een Woo verzoek behandelen en/of informatie openbaar maken, betekent het dat ze zich houden aan de wet. Gebruik van het algoritme zorgt ervoor dat het anoniem maken sneller en makkelijker kan. Hierdoor kan de BEL Combinatie de gevraagde informatie binnen de wettelijke termijnen bieden.
Het risico van het algoritme is laag. Het algoritme zoekt in het bijzonder naar (persoons)gegevens en maakt deze anoniem. Er wordt een voorstel gedaan voor het anoniem maken van een tekstfragment aan een medewerker. Het algoritme maakt zelf geen (automatische) beslissingen. Daarnaast heeft het algoritme als optie om zelf informatie anoniem te maken die om andere redenen niet openbaar gemaakt kan worden. Daarmee kan bijvoorbeeld een tekstfragment met gevoelige informatie van de BEL Combinatie anoniem gemaakt worden om de organisatie te beschermen. De reden van het anoniem maken wordt genoemd in het vak.
Afwegingen
Het komt voor dat tekstfragmenten in documenten die openbaar gemaakt worden, niet gedeeld kunnen worden met het publiek. De Woo geeft redenen op basis waarvan dat mogelijk is. En ook de Algemene verordening gegevensbescherming (AVG) is zo'n reden om (een deel van) documenten niet bekend te maken.
Zonder het gebruik van het algoritme zou het anoniem maken van tekstfragmenten in documenten veel meer tijd kosten. Het gebruik van het algoritme zorgt voor het sneller en makkelijker maken van het proces voor actieve en passieve bekend maken van documenten. Het anoniem maken door het algoritme is ook minder foutgevoelig dan alleen de behandeling door een medewerker. Daardoor is de kans op een datalek kleiner en zijn de gegevens van de betrokken personen beter beschermd.
Menselijke tussenkomst
Door het algoritme wordt een voorstel gedaan voor het anoniem maken van een tekstfragment aan een medewerker. Er worden geen automatische beslissingen genomen. Het algoritme zoekt in het bijzonder naar (persoons)gegevens om deze anoniem te maken ondanks de inhoud van documenten.
De medewerker behandelt de voorstellen en geeft aan waar ze goed zijn en verbetert waar het moet. Ook kan binnen het algoritme de beslissingen van de medewerker door een tweede persoon nagekeken worden.
Voor de inwoner betekent dit dat de BEL Combinatie kan laten zien dat ze werkt aan het wegnemen van (de kans op) privacy inbreuken.
Risicobeheer
Het algoritme zal steeds opnieuw worden gecontroleerd of deze goed werkt. Het algoritme zal daarna worden aangepast en/of gewijzigd. Om fouten te voorkomen zal er altijd een medewerker de beslissing maken over de anoniem te maken voorgestelde tekstfragmenten.
Wettelijke basis
Wet open overheid (Woo)
Wet elektronische publicaties (Wep)
Algemene verordening gegevensbescherming (AVG)
Algemene Wet Bestuursrecht (AWB)
Links naar wettelijke basis
- Wet open overheid (WOO): https://wetten.overheid.nl/BWBR0045754/
- Wet elektronische publicaties (WEP): https://wetten.overheid.nl/BWBR0043961/
- Algemene verordening gegevensbescherming (AVG): https://eur-lex.europa.eu/eli/reg/2016/679
- Algemene Wet Bestuursrecht (AWB): https://wetten.overheid.nl/BWBR0005537/2022-11-05
Impacttoetsen
Werking
Gegevens
Ruimtelijke plannen en interne documenten.
Links naar gegevensbronnen
Technische werking
Deep learning-modellen die op zowel visuele als tekstuele wijze bepalen welke informatie als privacygevoelig wordt beschouwd.
Leverancier
Soortgelijke algoritmebeschrijvingen
- 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
- 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
- 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
- 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
- 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