Technieken voor gegevensanonimisering uitgelegd met voorbeelden

De belangrijkste technieken voor gegevensanonimisering zijn maskeren, veralgemenen, aggregeren, ruis toevoegen, verwisselen, tokeniseren, pseudonimiseren en hashen, plus twee manieren om het resultaat te meten: k-anonimiteit en differentiële privacy. Geen enkele techniek volstaat op zichzelf. Europese toezichthouders zeggen dat elke techniek een bepaald risico op heridentificatie laat bestaan. Het resultaat geldt alleen als anoniem wanneer niemand redelijkerwijs kan achterhalen op wie een record betrekking heeft.

De maatstaf waaraan elke techniek wordt getoetst

Onder de AVG en de Britse AVG valt anonieme informatie buiten de gegevensbeschermingswetgeving en vallen persoonsgegevens erbinnen. Overweging 26 trekt de grens: je houdt rekening met alle middelen die ‘redelijkerwijs kunnen worden ingezet’, zoals het afzonderlijk identificeren van iemand, om die persoon direct of indirect te identificeren. In dezelfde overweging staat dat gepseudonimiseerde gegevens die met aanvullende informatie aan een persoon kunnen worden gekoppeld, nog steeds informatie over een identificeerbare persoon zijn.

De Europese toezichthouders voor gegevensbescherming van destijds, de Artikel 29-werkgroep, werkten dit uit in drie vragen in hun Advies 05/2014 over anonimiseringstechnieken (WP216). Kan iemand nog één persoon afzonderlijk identificeren? Twee records over dezelfde persoon aan elkaar koppelen? Iets over een persoon afleiden? Het advies concludeert dat elke daarin besproken techniek in bepaalde situaties ten minste één van deze tests niet doorstaat. Daarom worden technieken gecombineerd. De richtlijn van de Britse toezichthouder over anonimisering en pseudonimisering, gepubliceerd op 28 maart 2025, hanteert dezelfde risicogebaseerde benadering.

Wil je eerst het verschil weten tussen anonimisering, pseudonimisering en redactie, begin dan met welke methode je nodig hebt voor AI. Dit artikel gaat over de afzonderlijke technieken.

Het voorbeeldrecord

Alle voorbeelden hieronder beginnen met hetzelfde verzonnen record uit een personeelsdossier:

Anna Kowalski, born 12.03.1989 (37), 14 Elm Street, Leeds,
anna.kowalski@example.com, staff nurse, 12 days of sick leave

Technieken die waarden verwijderen of vervagen

Maskeren en onderdrukken

Maskeren verbergt een deel van een waarde; onderdrukken verwijdert de waarde, de kolom of het hele record.

A***** K*******, born **.**.1989, [address removed], staff nurse

Het beschermt tegen directe identificatie. Het maakt alles onmogelijk waarvoor de verwijderde waarde nodig is en is op basis van de uitvoer niet omkeerbaar. Wat overblijft kan nog steeds naar Anna wijzen: een verpleegkundige geboren in 1989 is in een kleine afdeling niet moeilijk te vinden. Maskeren alleen maakt gegevens zelden anoniem.

Veralgemening

Veralgemening vervangt een nauwkeurige waarde door een algemenere.

age 37 → 30-39; 14 Elm Street, Leeds → Leeds; staff nurse → healthcare worker

Het beschermt tegen het afzonderlijk identificeren van iemand doordat veel mensen op elkaar gaan lijken. Het gaat ten koste van de nauwkeurigheid: je kunt niet meer zeggen wie ouder is. Het is niet omkeerbaar. Of het resultaat anoniem is, hangt af van hoeveel mensen elke combinatie delen; dat is wat k-anonimiteit meet (zie hieronder).

Aggregatie

Bij aggregatie worden totalen of gemiddelden gepubliceerd in plaats van afzonderlijke rijen.

Ward 4, 2025: 23 nurses, average sick leave 9.4 days

Het beschermt personen zolang elke groep groot genoeg is. Alle vragen over één persoon worden onmogelijk. Bij een groep van één of twee verraadt het gemiddelde het cijfer van die persoon, dus kleine cellen worden doorgaans onderdrukt.

Ruis (perturbatie)

Ruis verandert waarden willekeurig een beetje.

age 37 → 39; sick leave 12 days → 10 days

Zo blijven statistieken bij benadering correct, terwijl elke afzonderlijke waarde onbetrouwbaar wordt. Exacte cijfers gaan verloren. WP216 waarschuwt dat ruis geen zelfstandige anonimiseringstechniek is, tenzij de ruis groter is dan de informatie: een uitschieter, zoals de enige persoon met 90 dagen verlof, blijft herkenbaar.

Verwisselen (permutatie)

Bij verwisselen worden waarden tussen records uitgewisseld. De totalen van elke kolom blijven gelijk, maar de rijen horen niet langer bij één persoon.

Anna's 12 days of leave ↔ another nurse's 3 days

Deze techniek beschermt tegen het koppelen van een waarde aan een persoon. De verbanden tussen kolommen gaan verloren. WP216 laat zien dat de techniek niet werkt wanneer de verwisselde waarden aan andere kolommen zijn gekoppeld: een salaris van een manager dat bij een juniorfunctie komt te staan, valt op.

Technieken die identificatiegegevens vervangen

Tokenisatie

Bij tokenisatie wordt een identificator vervangen door een willekeurig token. De koppeling wordt bewaard in een aparte, beveiligde tabel.

anna.kowalski@example.com → TKN-8F3K2Q

De ICO merkt op dat een willekeurig token geen wiskundig verband heeft met het origineel, zodat het token op zichzelf niets prijsgeeft. De techniek is omkeerbaar voor degene die de tabel bezit. Daarom zijn de gegevens voor die persoon nog steeds persoonsgegevens.

Pseudonimisering met consistente tijdelijke aanduidingen

Elke persoon, elk bedrijf of elk adres krijgt een leesbare tijdelijke aanduiding, en dezelfde waarde krijgt altijd dezelfde aanduiding.

Person_1, born [Date_1], [Address_1], staff nurse.
Person_1 asked Person_2 to approve the leave.

Deze techniek verbergt directe identificatoren en houdt leesbaar wie wat heeft gedaan. Dat is belangrijk voor tekst: de logica van het document blijft behouden. De techniek is omkeerbaar met behulp van de koppeltabel en blijft op grond van overweging 26 persoonsgegevens. Meer informatie over de vraag wie de sleutel in handen heeft, vind je in ons artikel over of gepseudonimiseerde gegevens nog persoonsgegevens zijn.

Hashing

Bij hashing wordt een waarde door een eenrichtingsfunctie gehaald en wordt de uitvoer bewaard.

anna.kowalski@example.com → 3f9a…c71e (SHA-256)

Het lijkt onomkeerbaar, maar bij namen en e-mailadressen is dat vaak niet zo. Iedereen met een lijst van waarschijnlijke waarden kan die één voor één hashen en de resultaten vergelijken: er zijn maar zoveel namen van medewerkers of bedrijfsadressen. WP216 wijst op dit probleem bij bekende invoerbereiken. De ICO raadt af om te hashen zonder salt, pepper of sleutel, en ook om verouderde algoritmen zoals MD5 en SHA-1 te gebruiken, omdat die kwetsbaar zijn voor brute-forceaanvallen. Een keyed hash is pseudonimisering; een gewone hash van een e-mailadres is amper pseudonimisering.

k-anonimiteit en differentiële privacy

Dit zijn geen manieren om een waarde te veranderen. Het zijn manieren om te controleren of te garanderen hoe goed een volledige dataset is beschermd.

k-anonimiteit houdt in dat elke combinatie van identificerende kenmerken (leeftijdscategorie, plaats, functie) voorkomt bij minstens k records. Bij k = 5 kan Anna opgaan in een groep van minstens vijf mensen die er hetzelfde uitzien. Dit voorkomt geen gevolgtrekkingen: als alle vijf zorgmedewerkers van 30 tot 39 jaar in Leeds meer dan tien dagen verlof hadden, weet je dat ook over Anna. l-diversiteit voegt de regel toe dat elke groep minstens l verschillende waarden van het gevoelige kenmerk moet bevatten.

Differentiële privacy werkt met antwoorden in plaats van rijen. Aan elke gepubliceerde statistiek wordt ruis toegevoegd, zodanig gekalibreerd dat het antwoord nauwelijks verandert als één persoon wel of niet in de gegevens voorkomt. De bescherming wordt ingesteld met een parameter; sterkere bescherming betekent minder nauwkeurige cijfers. Het Amerikaanse Census Bureau heeft dit toegepast op de gegevensproducten van de volkstelling van 2020 met uitzondering van de staatstotalen die voor de zetelverdeling werden gebruikt. Deze techniek is geschikt voor statistieken; ze helpt niet bij een document dat iemand moet kunnen lezen.

Voor tabellen voeren tools deze metingen voor je uit. ARX, een gratis opensourcetool voor desktops en Java-bibliotheek (Apache 2.0-licentie, versie 3.9.2 per oktober 2026), past generalisatie, onderdrukking en microaggregatie toe op gestructureerde gegevens en controleert de uitkomst aan de hand van k-anonimiteit, l-diversiteit, t-closeness en differentiële privacy. De tool schat ook het resterende risico op heridentificatie. Hij is gemaakt voor datasets zoals CSV-bestanden, Excel-spreadsheets en databasetabellen, niet voor contracten of brieven.

Alle technieken naast elkaar

Bij de meeste rijen staat „afhankelijk van”, omdat anonimiteit wordt beoordeeld voor de dataset als geheel en in de context ervan, niet per techniek. Vraag je functionaris voor gegevensbescherming of een advocaat gespecialiseerd in gegevensbescherming om advies als je iets anoniem wilt publiceren of delen.

Welke technieken geschikt zijn voor documenten die je aan AI geeft

Een dataset voor statistieken en een document voor een AI-chatbot vragen om precies het tegenovergestelde. Statistieken hebben veel rijen en geen afzonderlijke personen nodig; aggregatie, generalisatie, k-anonimiteit en differentiële privacy zijn daarvoor ontwikkeld. Een contract, een e-mailketen of een klachtenbrief gaat over specifieke mensen, en de AI moet die mensen kunnen volgen.

Voor documenten doen drie technieken het meeste werk:

• Pseudonimisering met consistente tijdelijke aanduidingen voor namen, bedrijven, adressen, e-mailadressen en ID-nummers. Person_1 blijft Person_1 in de hele tekst, zodat de AI kan zien wie wat heeft geschreven en wie aan wie iets verschuldigd is. Zwarte balken of één enkele „[WEGGELAKT]” wissen die informatie uit; zie waarom tijdelijke aanduidingen beter werken.
• Generalisatie van datums en plaatsen die niet exact nodig zijn voor de vraag: „maart 2025” in plaats van een specifieke dag, „een stad in het noorden van Engeland” in plaats van een straat.
• Onderdrukking van alles wat helemaal niet nodig is voor de vraag, zoals een gezondheidsgegeven in een document waar je alleen iets vraagt over opzegtermijnen.

Ruis, verwisselen en differentiële privacy horen hier niet thuis: als je feiten in een document verandert, wordt het antwoord van de AI onjuist. Hashing verandert namen in reeksen die niemand, ook de AI niet, in hun context kan lezen.

Het resultaat is gepseudonimiseerd, dus de regels voor gegevensbescherming blijven op jou van toepassing. Wat verandert, is wat je pc verlaat. Als je hiervoor software kiest, vind je in onze checklist over waar je op moet letten bij een pseudonimiseringstool informatie over waar de gegevens naartoe gaan en hoe de namen weer worden teruggezet.

Veelgestelde vragen

Wat is de effectiefste techniek om gegevens te anonimiseren?

Er is niet één enkele techniek. WP216 concludeerde dat elke onderzochte techniek in bepaalde situaties tekortschiet op minstens één van de drie tests. Voor statistische datasets geven generalisatie en onderdrukking, getoetst met k-anonimiteit, of differentiële privacy de sterkste resultaten. Voor documenten die een AI moet lezen, is pseudonimisering met generalisatie van datums en plaatsen de praktische keuze; dat is geen anonimisering.

Is een e-mailadres hashen genoeg om het te anonimiseren?

Nee. E-mailadressen volgen voorspelbare patronen, dus een aanvaller kan een lijst met waarschijnlijke adressen hashen en de resultaten vergelijken. Een keyed hash of een willekeurig token is veiliger, maar beide zijn nog steeds pseudonimisering en geen anonimisering.

Wat zijn tools voor het anonimiseren van gegevens in tabellen?

ARX is een gratis opensourcevoorbeeld: je laadt een CSV-bestand, Excel-bestand of databasetabel, stelt regels in voor generalisatie en onderdrukking, kiest een privacymodel zoals k-anonimiteit en de tool rapporteert het resterende risico. Dit soort tools werkt met kolommen en rijen, niet met doorlopende tekst.

Valt geanonimiseerde data onder de AVG?

Echt anonieme gegevens vallen er volgens overweging 26 niet onder. Gepseudonimiseerde gegevens wel. Het is lastig te bewijzen dat niemand de gegevens redelijkerwijs opnieuw kan identificeren. Daarom behandelen toezichthouders anonimisering als een risicobeoordeling en niet als één enkele stap.

ClientSafe pseudonimiseert documenten op je pc: namen, bedrijven, adressen, telefoonnummers, e-mailadressen, rekening- en ID-nummers en geboortedatums worden vervangen door tijdelijke aanduidingen zoals Person_1. Dezelfde naam krijgt in elk document binnen een dossier dezelfde aanduiding. Detectie is niet perfect, dus controleer de lijst voordat je de tekst kopieert.