Özetle
Anonimleştirme (Anonymization), kişisel verilerin kişiyi tanımlayamayacak şekilde dönüştürülmesi sürecidir. Gerçek anonimleştirme sonrası veri GDPR ve diğer privacy yasalarından muaftır.
Özetle
Anonimleştirme, verilerden kişisel tanımlayıcıları geri dönüşümsüz olarak kaldırma sürecidir. Pseudonymization’dan (takma adlandırma) farklıdır: pseudonymization’da geri döndürme mümkündür (anahtar varsa), anonymization’da değildir. Gerçek anonimleştirme sağlamak için sadece doğrudan tanımlayıcıları kaldırmak yeterli değildir: quasi-identifier’lar da düşünülmelidir (yaş, posta kodu, cinsiyet kombinasyonu).
Anonimleştirme Teknikleri:
Yaygın teknikler: Generalization: kesin değerleri kategorilere indirme (yaş → yaş aralığı), Suppression (bastırma): tanımlayıcı olabilecek kayıtları veya değişkenleri veri setinden çıkarma, Noise addition: rastgele gürültü ekleme, k-Anonymity: her kaydın dolaylı tanımlayıcılar bakımından en az k-1 başka kayıttan ayırt edilemez olması, l-Diversity: k-anonymity geliştirilmiş hali, Differential Privacy: matematiksel olarak kanıtlanmış gürültü ekleme (Apple, Google kullanıyor), ve Synthetic data: gerçek veriden yapay veri üretme.
KVKK m. 3/1-(b) anonim hale getirmeyi, kişisel verilerin başka verilerle eşleştirilerek dahi kimliği belirli veya belirlenebilir bir gerçek kişiyle ilişkilendirilemeyecek hale getirilmesi olarak tanımlar. Usul, 28.10.2017 tarihli Kişisel Verilerin Silinmesi, Yok Edilmesi veya Anonim Hale Getirilmesi Hakkında Yönetmelik ile düzenlenir; geri döndürülebilir yöntemler (örneğin takma ad verme) anonimleştirme sayılmaz.
Anonimleştirmenin Önemi:
Anonimleştirme şu faydaları sağlar: GDPR/CCPA muafiyeti (gerçek anonimleştirme sonrası veri kişisel veri değildir), Research ve analytics yapabilme, Data sharing yapabilme (örneğin tıbbi araştırmalar için), Ürün geliştirme (gerçek müşteri verisi olmadan), Big data analizleri, ve Privacy-preserving AI training. Ancak: Gerçek anonimleştirme zordur: Netflix Prize dataset, AOL search logs gibi vakalarda “anonymized” veri re-identify edildi.
Anonimleştirme Zorlukları:
Önemli zorluklar: Re-identification riski (özellikle linkage attacks ile), Utility ile privacy arasında trade-off (çok anonimleşirse veri faydasız olur), Quasi-identifier’ların tanımlanması zor, Cross-dataset attacks ve Düzenleyici tanımlar farklı yargı bölgelerinde. Differential privacy modern best practice olarak benimseniyor.
Kaynak. (AB) 2016/679 sayılı Genel Veri Koruma Tüzüğü (GDPR).