Anonimiseren, ben jij daar nog steeds handmatig mee bezig?

Anonimiseren, daar is de afgelopen jaren wel wat in verbeterd…

Ga je na ontvangst van een Woo-verzoek, alles nog eerst printen en dan een stift pakken?

Dat zal wel niet en kan tegenwoordig nog beter met anonimiseren volgens EasyData.

Om je hier kennis mee te laten maken hebben we onze AI en taalmodellen gekoppeld.

Dat innovatieve systeem kun je gratis testen.

Ho, is dat een Cloud oplossing?

Zeker! Zo betaal voor je gebruik en niets meer.
En bieden we je de mogelijkheid om precies de Tools te gebruiken die bij jouw passen.

Hoezo ‘Tools’ Ik wil toch gewoon anonimiseren?
Ja, maar mogelijk wil je ook minder zichtbare informatie uit de correspondentie halen.

Moet dat in de Cloud?
De meeste diensten van EasyData kunnen ook ‘On-Premise’ geïnstalleerd worden.

De Cloud levert je wel mooie basis oplossing om snel je oplossing aan de praktijk te toetsen.

Extra mogelijkheden maken we standaard

Voor het anonimiseer proces wordt een document digitaal beoordeelt. De extra gegevens die dat oplevert bieden we de gebruiker stadaard aan. Je kan deze informatie gebruiken om bijvoorbeeld het document te classificeren, of meteen een samenvatting van het document te genereren.

Anonimiseren met kunstmatige intelligentie en taaltechnieken

Anonimiseren bij EasyData werkt natuurlijk met kunstmatige intelligentie en taaltechnieken. Het goede nieuws is dat we daarvoor nu eens niet afhankelijk zijn van ChatGPT of andere grote Techbedrijven. We zijn transparant en hebben onze technologie met jouw data goed beveiligd in ons Datacenter staan. Heb je liever het ons model binnen je eigen organisatie staan? Dan kan dat ook. Informeer naar de mogelijkheden die we je bieden.

Voordeel is dat we modellen speciaal voor jouw documenten kunnen trainen.
Stel dat je bijvoorbeeld Technische Tekeningen wil anonimiseren. Dat is met de meeste anonimiseer oplossingen een beetje lastig. Bij EasyData maken we dan speciaal een model aan, daar hebben we veel ervaring mee.

Anonimiseren en classificeren

Stel dat je naast anonimiseren ook documenten zou willen classificeren, dat kan best wel handig zin en leggen je graag uit hoe dat proces er in de basis uit ziet.

Laten we beginnen bij het anonimiseren. Onze anonimiseer oplossing weet niet welk type document wordt aangeboden voor anonimiseren. Daarbij weet zo’n algoritme ook niet maar welke informatie in dat specifiek aangeboden document gevoelig is. Stel je een factuur voor, daar kan de klantnaam of bankrekeningnummer als gevoelig beoordeeld worden. Terwijl in een verzekeringscontract dat voor anonimiseren wordt aangeboden de focus licht bij persoonsgegevens of handtekeningen. De anonimiseer software vervangt deze gevoelige gegevens door anonieme waarden, zoals willekeurige codes of pseudoniemen, zodat de oorspronkelijke informatie niet meer te herleiden is.

Dat doe slimme anonimiseer software

Slimme anonimiseer software interpreteert het document. In het geval van een factuur, waarom zou die dan niet meteen herkend worden? Zodoende kan je in onze anonimiseer portal als vanzelf van meerdere diensten gebruik maken. De basis is dat we begrijpen wat voor document of data ons aangeboden wordt.

Een andere mooie bijvangst van EasyData Technologie is dat deze ook slim genoeg is om variaties of onvolledige gegevens te herkennen. Bijvoorbeeld als een naam niet helemaal goed gespeld is of als een adresdeel ontbreekt. Daarnaast zijn we erop ingericht om in een automatisch proces rekening te houden met jouw specifieke workflow. Als bepaalde informatie belangrijk is voor analyses of processen, zorgt de software ervoor dat die anoniem blijft, maar wel bruikbaar.

Anonieme datasets zijn nuttig voor analyses.

Met de komst van big data en machine learning in de jaren 2010 werd anonimiseren nog slimmer. Software kon niet alleen exacte gegevens herkennen, maar ook patronen en variaties in data. Dit maakt het mogelijk om complexere datasets te anonimiseren, zoals medische dossiers of financiële transacties, zonder dat de essentie van de data verloren gaat.

Anonimiseren zoals vandaag

Tegenwoordig is anonimiseersoftware een onmisbaar hulpmiddel. vooral door strengere privacywetten zoals de AVG (Algemene Verordening Gegevensbescherming). Moderne tools gebruiken geavanceerde technieken zoals ‘Differential privacy’ en ‘Synthetische data’, die ervoor zorgen dat data niet alleen anoniem is, maar de werkelijk gevoelige informatie ook beschermd blijft tegen nieuwe risico’s zoals bijvoorbeeld her-identificatie.

Differential privacy

De methode om data te beschermen, zodat je wel nuttige informatie uit een dataset kunt halen, maar niet kunt achterhalen wie de specifieke personen in die dataset zijn. Het is alsof je een groep mensen vraagt om hun salaris te delen, maar je zorgt ervoor dat niemand kan zien welk salaris bij wie hoort. Het uitgangspunt bij Differential privacy is dus het verkrijgen van nuttige informatie, zoals gemiddelden of trends, maar je ondertussen de privacy van individuen blijft beschermen. Dit is vooral heel handig bij gevoelige data, denk dan aan medische dossiers of financiële gegevens.

Synthetische data

Dat is een mooi woord voor nepdata. Die Synthetische data lijkt sprekend op echte data, maar die is wel volledig kunstmatig tot stand gekomen. Het is met Synthetische data alsof je een kopie van een sleutel maakt: de kopie werkt hetzelfde, maar het is niet de originele sleutel.

Zorg dat gegevens niet herleidbaar zijn

Stel je voor dat je een dataset hebt met informatie over klanten, zoals namen, leeftijden en aankoopgeschiedenis. Synthetische data zou dan een nieuwe dataset creëren die er precies zo uitziet, maar waarbij alle namen, leeftijden en aankopen verzonnen zijn. De patronen en trends in de data blijven hetzelfde. Denk dan bijvoorbeeld aan een specifieke jongeren klantengroep die om een bepaalde reden (de trend) vaker online gaat shoppen. Je kan daar met Synthetische data prima onderzoek mee doen, maar de individuele gegevens zijn niet meer echt of tot echte personen herleidbaar.