Công cụ giả danh hóa: cần xem xét điều gì trước khi mua

Nếu muốn sử dụng AI trên tài liệu có dữ liệu cá nhân, công cụ giả danh hóa phải làm đúng bốn việc. Tệp của bạn được xử lý ở nơi bạn cảm thấy yên tâm. Mỗi người có cùng một ký hiệu thay thế trong mọi tài liệu. Khóa dùng để đảo ngược việc thay thế được lưu an toàn. Và bạn có thể kiểm tra, chỉnh sửa những gì công cụ tìm thấy. Phần còn lại của danh sách kiểm tra này giúp bạn xác định công cụ có phù hợp với tài liệu, nhóm và ngân sách của mình hay không.

Công cụ cần làm được gì

Theo GDPR, giả danh hóa là xử lý dữ liệu cá nhân sao cho không thể liên kết dữ liệu đó với một người nếu không có thông tin bổ sung, và thông tin này được lưu riêng, bảo vệ ( Điều 4(5)). Dữ liệu đã giả danh hóa vẫn là dữ liệu cá nhân. Ý nghĩa của điều này đối với chatbot AI được trình bày trong GDPR và dữ liệu giả danh hóa trong AI.

Đối với công việc dùng AI, quy trình diễn ra như sau. Tên, địa chỉ và số được đổi thành các ký hiệu thay thế như Person_1. AI xử lý các ký hiệu thay thế. Ở phía bạn, một khóa sẽ đổi chúng trở lại thành tên trong câu trả lời. Nếu không bao giờ cần lấy lại tên, có thể bạn cần ẩn danh hóa hoặc biên tập xóa thay vì giả danh hóa: xem bạn cần loại nào trong ba loại.

Dữ liệu của bạn được gửi đến đâu

• Quá trình xử lý diễn ra ở đâu. Hoặc trên máy tính của bạn, hoặc trên máy chủ của nhà cung cấp sau khi bạn tải tệp lên. Trong trường hợp thứ hai, bản gốc chứa mọi tên sẽ đến tay bên thứ ba trước khi được bảo vệ. Bài so sánh của chúng tôi về công cụ cục bộ và công cụ trực tuyến liệt kê các câu hỏi cần đặt ra cho nhà cung cấp dịch vụ trực tuyến và một phép thử đơn giản cho ứng dụng máy tính: tắt mạng rồi thử sử dụng.
• Điều gì xảy ra với dữ liệu sau đó. Đối với dịch vụ đám mây: tệp và kết quả được lưu trong bao lâu, ở khu vực nào và những nhà thầu phụ nào tham gia. Đối với ứng dụng máy tính: ứng dụng ghi dữ liệu gì vào ổ đĩa và cách xóa dữ liệu đó.
• Nhật ký. Bản ghi thời điểm tài liệu được xử lý rất hữu ích khi khách hàng hoặc cán bộ bảo vệ dữ liệu của bạn hỏi đến. Hãy kiểm tra để bảo đảm bản thân nhật ký không chứa dữ liệu cá nhân.

Bạn có thể lấy lại tên hay không

• Tính nhất quán. Cùng một người phải có cùng ký hiệu thay thế trong mọi đoạn và mọi tài liệu thuộc một vụ việc. Nếu không, AI không thể biết người thuê nhà trong hợp đồng thuê và người gửi email là cùng một người. Hãy hỏi công cụ xử lý các biến thể như thế nào, chẳng hạn "Maria Lopez", "Ms Lopez" và "M. Lopez".
• Khả năng đảo ngược. Một số công cụ chỉ thay thế dữ liệu theo một chiều. Các công cụ khác lưu một bảng liên kết ký hiệu thay thế với tên thật, hoặc mã hóa các giá trị bằng khóa có thể giải mã chúng sau này.
• Khóa được lưu ở đâu. Bảng hoặc khóa chính là "thông tin bổ sung" được nhắc đến trong định nghĩa của GDPR. Hãy hỏi thông tin đó được lưu ở đâu, có được mã hóa không, ai có thể mở và khi nào thì bị xóa. Nếu bất kỳ ai có bản sao lưu an toàn cũng có thể đọc khóa thì việc giả danh hóa chỉ bảo vệ được rất ít.

Công cụ có phù hợp với tài liệu của bạn hay không

• Các loại dữ liệu được tìm thấy. Tên, công ty, địa chỉ, số điện thoại, địa chỉ email, số tài khoản và số định danh, ngày sinh. Nếu làm việc xuyên biên giới, hãy kiểm tra số định danh và mã số thuế của các quốc gia có liên quan. Chức danh công việc, biệt danh và chi tiết hiếm gặp khó được mọi công cụ phát hiện, vì vậy bạn sẽ phải tự đánh dấu một số mục.
• Bước xem xét. Không bao giờ có thể phát hiện đầy đủ. Ngay cả tài liệu của Presidio, một công cụ phát hiện mã nguồn mở được sử dụng rộng rãi, cũng nói rằng không có gì đảm bảo công cụ sẽ tìm thấy mọi thông tin nhạy cảm. Bạn cần xem từng kết quả trùng khớp, bỏ chọn những kết quả sai và thêm những mục bị bỏ sót trước khi bất kỳ thứ gì được gửi đi.
• Định dạng tệp. PDF, Word, Excel, email. Tệp PDF được quét và ảnh chụp tài liệu cần nhận dạng văn bản. Một số công cụ chỉ chấp nhận văn bản thuần, nghĩa là bạn phải tự chuyển đổi từng tệp.
• Ngôn ngữ. Khả năng phát hiện tùy thuộc vào ngôn ngữ. Hãy thử với tài liệu thực tế bằng từng ngôn ngữ bạn sử dụng.

Công cụ được thiết kế cho ai và chi phí bao nhiêu

• Dành cho nhà phát triển hay nhân viên văn phòng. Thư viện hoặc API cần có người cài đặt, viết mã để tích hợp và duy trì hoạt động. Ứng dụng máy tính chỉ cần được cài đặt. Chúng được thiết kế cho những đối tượng khác nhau và nói chung không loại nào tốt hơn loại nào.
• Mô hình định giá. Trả theo khối lượng (mỗi gigabyte hoặc mỗi trăm ký tự), đăng ký theo người dùng, mua một lần hoặc dùng mã nguồn mở miễn phí nhưng tốn thời gian của nhân viên. Hãy tính chi phí hằng năm dựa trên khối lượng công việc bạn thực sự dự kiến.

Bốn loại công cụ

Các ví dụ dưới đây là những công cụ chúng tôi có thể đối chiếu với tài liệu của nhà cung cấp. Tính năng và giá tính đến tháng 10 năm 2026.

Thư viện mã nguồn mở dành cho nhà phát triển

Presidio là một khung phần mềm được cấp phép MIT để tìm và khử định danh dữ liệu cá nhân. Ban đầu, công cụ được phát triển tại Microsoft và hiện là dự án do cộng đồng điều hành thuộc tổ chức Data Privacy Stack. Công cụ ẩn danh hóa của dự án có thể thay thế, biên tập xóa, che, băm hoặc mã hóa từng mục tìm thấy; các giá trị được mã hóa có thể được giải mã bằng cùng khóa. Một mô-đun riêng tìm và biên tập xóa văn bản trong ảnh bằng OCR.

Công cụ này miễn phí, chạy trên máy của bạn và có thể tùy chỉnh cho hầu hết mọi quy trình. Đây là bộ công cụ chứ không phải ứng dụng: việc cài đặt bao gồm các gói Python, tải xuống mô hình ngôn ngữ và tự viết mã. Bạn phải tự xây dựng màn hình xem xét, chức năng xử lý vụ việc và chuyển đổi tệp.

Dịch vụ bảo vệ dữ liệu trên đám mây

Google Cloud Sensitive Data Protection tìm dữ liệu nhạy cảm bằng một danh sách dài các bộ phát hiện tích hợp sẵn và có thể thay thế dữ liệu đó bằng mã thông báo. Mã hóa xác định và mã hóa giữ nguyên định dạng tạo ra cùng một mã thông báo cho cùng một giá trị; có thể nhận diện lại dữ liệu bằng khóa. Google khuyến nghị bọc khóa đó bằng Cloud Key Management Service. Dịch vụ cũng có thể biên tập xóa hình ảnh bằng cách che các kết quả phát hiện bằng những ô vuông đặc. Dịch vụ được tính giá theo gigabyte.

Amazon Comprehend phát hiện dữ liệu cá nhân trong văn bản tiếng Anh hoặc tiếng Tây Ban Nha. Việc biên tập xóa được thực hiện theo lô trên các tệp trong Amazon S3 và thay từng mục bằng loại dữ liệu tương ứng, chẳng hạn [NAME], hoặc bằng ký tự che, do đó hai người khác nhau đều trở thành [NAME]. Dịch vụ được tính giá theo đơn vị 100 ký tự.

Các dịch vụ này xử lý khối lượng lớn và nằm trong hệ thống đám mây tổng thể của công ty, theo tài khoản và hợp đồng riêng của công ty. Chúng được thiết kế cho nhà phát triển và đội ngũ CNTT.

Biên tập xóa trong trình chỉnh sửa PDF

Trong Adobe Acrobat Pro, việc biên tập xóa thay văn bản hoặc hình ảnh bằng các ô màu và không thể hoàn tác sau khi lưu. Bước Sanitize riêng biệt sẽ xóa dữ liệu ẩn như siêu dữ liệu. Đây là công cụ phù hợp cho tài liệu bạn giao cho tòa án, bên đối tác hoặc cơ quan quản lý. Công cụ này không phù hợp với quy trình khứ hồi dùng AI: các ô đen không cho AI biết ai là ai và cũng không có gì để đảo ngược. Xem chỗ giữ chỗ và vạch đen.

Ứng dụng máy tính dành cho nhân viên văn phòng

ClientSafe là một trong những ứng dụng này. Ứng dụng chạy trên PC Windows và sắp xếp tài liệu theo vụ việc, nhờ đó cùng một tên có cùng ký hiệu thay thế trong mọi tài liệu của một vụ việc. Bạn xem lại những gì ứng dụng tìm thấy, bỏ chọn các kết quả không phải dữ liệu cá nhân và đánh dấu những mục bị bỏ sót. Bạn sao chép bản an toàn vào cuộc trò chuyện với AI hoặc lưu thành tệp Markdown. Sau đó, bạn dán câu trả lời của AI trở lại và ClientSafe sẽ điền lại tên thật. Bảng liên kết ký hiệu thay thế với tên được mã hóa trên PC cho đến khi bạn xóa vụ việc. Đây không phải công cụ biên tập xóa dành cho hồ sơ nộp tòa hoặc tài liệu gửi cho bên khác.

So sánh song song

Cách lựa chọn

• Bạn xử lý hàng nghìn bản ghi trong cơ sở dữ liệu hoặc quy trình và có nhà phát triển: chọn thư viện hoặc dịch vụ đám mây.
• Bạn gửi tài liệu cho người ngoài công ty: dùng công cụ biên tập xóa.
• Bạn hỏi AI về tài liệu của khách hàng và cần có tên trong câu trả lời: dùng ứng dụng máy tính có bước xem xét và cách khôi phục tên.

Trước khi quyết định, hãy thử công cụ với ba tài liệu mà bạn hiểu rõ bằng từng ngôn ngữ mình sử dụng, rồi đếm số mục bị bỏ sót. Nếu công ty bạn có cán bộ bảo vệ dữ liệu hoặc người phụ trách tuân thủ, hãy mời họ tham gia trước khi sử dụng công cụ với tệp của khách hàng.

Câu hỏi thường gặp

Sau khi giả danh hóa một tài liệu, tôi có thể gửi tài liệu đó cho bất kỳ công cụ AI nào không?

Không phải cứ thế là được. Theo GDPR, đó vẫn là dữ liệu cá nhân, và các điều khoản cũng như cài đặt dữ liệu riêng của công cụ AI vẫn có ý nghĩa. Giả danh hóa làm giảm rủi ro nhưng không loại bỏ rủi ro.

Thư viện mã nguồn mở miễn phí có thể thay thế công cụ trả phí không?

Có, nếu có người trong nhóm của bạn biết cài đặt, viết mã để tích hợp và duy trì thư viện. Nếu không có ai làm được, thư viện sẽ tốn nhiều thời gian hơn số tiền bạn phải trả cho một ứng dụng.

Tôi có cần khả năng đảo ngược nếu chỉ muốn tạo bản tóm tắt không?

Nếu bản tóm tắt có nhắc đến người nào đó thì có: bạn sẽ muốn điền lại tên của họ. Nếu không, thay thế một chiều là đủ.

Làm sao để kiểm tra nhanh một công cụ?

Chọn tài liệu mà bạn biết rõ mọi tên và số trong đó. Chạy tài liệu qua công cụ rồi đối chiếu kết quả. Kiểm tra các trang được quét, phần đầu trang và chữ ký, vì công cụ thường bỏ sót ở những chỗ này.

ClientSafe thay tên, địa chỉ, số điện thoại và số định danh bằng các ký hiệu thay thế nhất quán trên PC của bạn, cho phép bạn xem lại danh sách và điền lại tên thật vào câu trả lời của AI. Khả năng phát hiện không hoàn hảo, vì vậy hãy xem lại danh sách trước khi sao chép.