Anonimiseren

Het zoeken en anonimiseren (weglakken) van persoonlijke informatie. In veel gevallen gaat dit om informatie in documenten en/of e-mails.

Laatst gewijzigd op 22 september 2025 om 9:36 | Publicatiestandaard 1.0
Publicatiecategorie
Overige algoritmes
Impacttoetsen
Veld niet ingevuld.
Status
In gebruik

Algemene informatie

Thema

Organisatie en bedrijfsvoering

Begindatum

01-2023

Contactgegevens

postbus@noordenveld.nl

Verantwoord gebruik

Doel en impact

Wij gebruiken het computerprogramma om persoonlijke gegevens uit documenten weg te lakken voordat we deze documenten openbaar maken. Met dit programma gaat dat sneller en efficiënter dan wanneer we het zelf doen. 

Afwegingen

Wij moeten steeds vaker informatie openbaar maken. Dan is het belangrijk om persoonlijke en gevoelige informatie van tevoren weg te lakken. Niet alleen gaat het weglakken met het programma makkelijker en beter dan wanneer we het zelf doen, maar het leidt ook tot minder fouten. Daardoor is de kans kleiner dat gegevens terecht komen waar ze niet horen, en zijn gegevens van burgers en bedrijven beter beschermd. 

Menselijke tussenkomst

Een medewerker van de gemeente bepaalt welke documenten in dit programma verwerkt worden. Daarna controleert de medewerker de resultaten. Het programma wordt dus vooral gebruikt als hulpmiddel. 

Risicobeheer

Het programma wordt regelmatig bijgewerkt. Zo blijft het programma persoonlijke gegevens beschermen, ook als er nieuwe risico's of bedreigingen ontstaan. Er zijn mensen die dit in de gaten houden en problemen oplossen.

Wettelijke basis

Wet open overheid

Wet elektronische publicaties

Algemene verordening gegevenbescherming

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://wetten.overheid.nl/BWBR0041233/2023-11-01

Werking

Gegevens

Alle informatiedragers die de gemeente in- en uitgaan.

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

  • Het identificeren en anonimiseren van (privacy) gevoelige informatie in bestanden (in veel gevallen documenten).

    Laatst gewijzigd op 26 mei 2025 om 14:43 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    DPIA
    Status
    In gebruik
  • Het identificeren en anonimiseren van (privacy) gevoelige informatie in bestanden (in veel gevallen documenten).

    Laatst gewijzigd op 26 mei 2025 om 14:46 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    DPIA
    Status
    In gebruik
  • Het identificeren en anonimiseren van (privacy) gevoelige informatie in bestanden (in veel gevallen documenten).

    Laatst gewijzigd op 26 mei 2025 om 14:33 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    DPIA
    Status
    In gebruik
  • Het identificeren en anonimiseren van (privacy) gevoelige informatie in bestanden (in veel gevallen documenten).

    Laatst gewijzigd op 26 mei 2025 om 14:40 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    DPIA
    Status
    In gebruik
  • Het identificeren en anonimiseren van privacygevoelige informatie in informatieobjecten (in veel gevallen documenten).

    Laatst gewijzigd op 25 oktober 2024 om 8:31 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik