Anonimiseringstool

Octobox Anonimiseren herkent privacygevoelige informatie in documenten en maakt die onleesbaar. Dat heet anonimiseren. De basis hiervoor is de privacywet (de AVG). Je kunt het programma ook gebruiken om andere informatie onleesbaar te maken. Bijvoorbeeld informatie die niet gedeeld mag worden volgens de Wet open overheid (Woo) of de Wet politiegegevens (Wpg).
Laatst gewijzigd op 22 juli 2026 om 14:55 | Publicatiestandaard 1.0
Publicatiecategorie
Overige algoritmes
Impacttoetsen
DPIA, Quickscan Information Security
Status
In gebruik

Algemene informatie

Thema

Openbare orde en veiligheid

Begindatum

2026-07

Contactgegevens

https://politie.nl/

Verantwoord gebruik

Doel en impact

De anonimiseringstool helpt de organisatie bij twee dingen tegelijk. Aan de ene kant: open zijn over wat de organisatie doet. Aan de andere kant: de privacy beschermen van personen, bedrijven en instellingen die in de documenten staan.

Open zijn betekent dat de organisatie informatie kan delen. Dat moet bijvoorbeeld op grond van de Wet open overheid (Woo). Voor de burger in de documenten is dit goed nieuws: hun privacy wordt niet geschonden. Zo houdt de organisatie zich aan de privacywet (de AVG/Wpg). Dat geldt ook voor de privacy van de eigen medewerkers.

Iemand die een Woo-verzoek doet, krijgt de gevraagde informatie. De persoonsgegevens zijn eruit gehaald. Soms zijn ook andere delen onleesbaar gemaakt om een andere reden. Organisaties die Woo-verzoeken behandelen, voldoen zo aan de wet. Het programma maakt het werk efficiënter. Daardoor lukt het beter om binnen de wettelijke termijn te antwoorden.

De impact van het systeem op mensen is laag. Dat geldt voor burgers, medewerkers, bedrijven en instellingen. Het programma zoekt alleen naar (persoons)gegevens en markeert die. Het maakt zelf geen beslissingen. Het doet een voorstel aan een medewerker. Die medewerker beslist. Je kunt ook handmatig stukken tekst onleesbaar maken om een andere reden. Bijvoorbeeld om strategische informatie van de eigen organisatie of een partner te beschermen. In het programma staat altijd de reden waarom iets onleesbaar is gemaakt.

Afwegingen

Soms staat er in documenten informatie die niet openbaar mag worden. De Wet open overheid (Woo) geeft aan wanneer dat zo is. Ook de privacywet (de AVG) en de Wet politiegegevens (de Wpg) kan een reden zijn om informatie niet te delen.

Zonder dit programma kost het veel meer tijd om die delen in documenten onleesbaar te maken. Met dit programma gaat het werk sneller en makkelijker. Het programma maakt ook minder fouten dan een mens. Daardoor is de kans op een datalek kleiner. En de gegevens van mensen zijn beter beschermd.

Menselijke tussenkomst

Een medewerker controleert altijd de uitkomsten van het programma. Dat is de norm. Het programma werkt met een instellingenbestand (een bestand waarin alle voorkeuren en wensen zijn opgenomen op basis waarvan de software voormarkeert). Daarin staan de voorkeuren van de organisatie. Zo kun je het programma aanpassen aan je eigen situatie.

Het programma doet een voorstel aan een medewerker met kennis van het onderwerp. Het programma neemt zelf geen beslissingen. Het zoekt alleen naar (persoons)gegevens en markeert die. De medewerker bekijkt de voorstellen. Goede voorstellen keurt de medewerker goed. Foute voorstellen past de medewerker aan. Bij het ontbreken van een voorstel kan een medewerker zelf een markering aanbrengen. Een tweede medewerker kan het werk daarna ook nog controleren (vierogenprincipe).

Voor de burger betekent dit dat de organisatie zorgvuldig werkt. De kans op een schending van de privacy wordt zo klein mogelijk. De organisatie houdt zich aan de onderliggende wetgeving (de AVG & Wpg & Woo).

Risicobeheer

Een medewerker controleert altijd of een document goed is geanonimiseerd. Die controle is volledig. Met het programma kun je makkelijk dingen aanpassen of toevoegen.

Zonder menselijke controle kunnen er risico's ontstaan. Vooral als privacygevoelige gegevens per ongeluk openbaar worden. Deze risico's zijn inherent verweven met het bedrijfsproces en zijn niet zozeer ten laste van het programma. Deze risico's zijn er altijd ongeacht er gebruik wordt gemaakt van dit programma. Het programma en de mens zorgen er samen ervoor dat de risico's worden voorkomen of geminimaliseerd. Dit zijn de risico's:

  1. Schending van de privacywet: Per ongeluk persoonsgegevens openbaar maken is in strijd met de privacywet, zoals de AVG. Dat kan leiden tot hoge boetes en juridische gevolgen.
  2. Identiteitsdiefstal: Worden persoonsgegevens openbaar zoals namen, adressen en burgerservicenummers? Dan kunnen kwaadwillenden hiermee identiteitsdiefstal plegen of fraude.
  3. Schade aan reputatie: De reputatie van de personen wier gegevens uitlekken kan beschadigd raken. Datzelfde geldt voor de organisatie die het lek veroorzaakte.
  4. Verlies van vertrouwen: Mensen kunnen het vertrouwen in de organisatie verliezen. Dat kan leiden tot minder steun en betrokkenheid.
  5. Persoonlijke schade: Mensen kunnen emotionele schade oplopen. Bijvoorbeeld als hun medische of financiële gegevens openbaar worden.
  6. Misbruik: Openbare gegevens kunnen worden misbruikt. Bijvoorbeeld voor stalking, intimidatie of discriminatie.

Menselijke controle helpt om deze risico's klein te houden. Een mens bekijkt altijd of de anonimisering goed is gedaan. Pas daarna gaat de informatie naar buiten.

Wettelijke basis

Woo: Bescherming van gevoelige informatie conform uitzonderingsgronden Woo (artikelen 5.1 en 5.2 Woo) AVG: Bescherming van privacy gevoelige informatie. WPG: Bescherming van informatie die in het kader van de politietaak is opgesteld.

Impacttoetsen

  • Data Protection Impact Assessment (DPIA)
  • Quickscan Information Security

Werking

Gegevens

Bij de start hebben de organisatie en de leverancier samen een instellingenbestand gemaakt. Daarin staan de voorkeuren van de organisatie over wat onleesbaar gemaakt moet worden.

Het instellingenbestand wordt gecombineerd met het basismodel van Octobox. Dit basismodel zoekt standaard naar gegevens die naar personen te herleiden zijn. Bijvoorbeeld burgerservicenummers, bankrekeningnummers, telefoonnummers, e-mailadressen, datums, woonadressen en postcodes.

De organisatie kan eigen voorkeuren toevoegen. Bijvoorbeeld: de naam van een bewindspersoon of directeur blijft zichtbaar. Of: bepaalde andere namen worden juist wel onleesbaar gemaakt. Namen van eigen medewerkers staan vaak niet in het basismodel. Die kun je vooraf toevoegen. Je kunt ook kiezen hoe een e-mailadres onleesbaar wordt gemaakt.

Technische werking

Het programma doorzoekt elk document in het dossier. Het werkt met vooraf voorgeprogrammeerde regels en gedurende het gebruik kunnen gebruikers deze regels aanvullen of wijzigen. Het herkent teksten of cijferreeksen die naar personen kunnen leiden. Bijvoorbeeld burgerservicenummers, bankrekeningnummers, telefoonnummers, e-mailadressen, datums, woonadressen en postcodes.

Je kunt zelf instellen hoe zeker het programma moet zijn. Op het scherm zie je welke teksten zeker onleesbaar moeten worden. Je ziet ook welke teksten minder zeker zijn. Als medewerker kun je de voorstellen goedkeuren of afkeuren. Je kunt ze ook eerst aanpassen.

Je kunt ook zelf tekst markeren om onleesbaar te maken. Je geeft daarbij aan om welke reden dat moet. Een tweede medewerker kan het werk van de eerste controleren. Zijn alle pagina's van alle documenten klaar? Dan maakt het programma een definitieve versie. Die versie is geschikt om te publiceren.

Leverancier

Octobox Nederland B.V.

Soortgelijke algoritmebeschrijvingen

  • Octobox Anonimiseren wordt ingezet bij het onleesbaar maken (lakken) van informatie, zoals persoonsgegevens. Dit gebeurt vooral bij verzoeken in het kader van de Wet open overheid (Woo). De basis van het algoritme wordt gevormd door AVG-regels. Het algoritme heeft daarnaast zelflerende eigenschappen op basis van menselijke input.
    Laatst gewijzigd op 11 september 2024 om 15:14 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    Impact- en maatregelenanalyse Algoritmen, DPIA
    Status
    In gebruik
  • Herkennen en anonimiseren van privacygevoelige informatie in documenten.
    Laatst gewijzigd op 3 juli 2024 om 13:49 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik
  • Herkennen en anonimiseren van privacygevoelige informatie in documenten op basis van AVG en Woo.
    Laatst gewijzigd op 17 april 2026 om 8:44 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    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 (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